Was macht Synthesia?
Der Avatar-Video-Tool-Skill – habe einen Grund für einen Avatar, verwende nur eingewilligte Ähnlichkeiten, schreibe das Skript für die gesprochene Sprache, erstelle und lokalisiere, dokumentiere die Offenlegung. Der Agent skriptet und plant; der Mensch genehmigt jedes Video; WoopSocial veröffentlicht. (Wird mitgeliefert mit tools/integrations/synthesia.md.)
Der Standpunkt: Der Präsentator ist synthetisch – die Standards bleiben menschlich
Synthesia ist der führende Anbieter im Bereich Enterprise-Avatare: Ein feststehendes Skript wird zu einem konsistenten Präsentator in 140+ Sprachen ohne erneute Drehs, was es unschlagbar macht für Schulungen, Onboarding, Erklärvideos und Lokalisierung in großem Maßstab. Die Top-1%-Operateure halten vier Grundsätze fest. (1) Der Eignungstest kommt zuerst: Avatare lesen polierte, aber klinische Texte – sie verlieren gegen ein echtes Gesicht bei vertrauensrelevanter Gründer- und Testimonial-Inhalte (leite diese an talking-head-and-piece-to-camera weiter); der Profi-Zug ist die Hybrid-Strategie – der Gründer filmt die Vertrauensebene, der Avatar skaliert die Informationsebene. (2) Zustimmung ist die Architektur, nicht Reibung: Stock-Avatare sind bezahlte einwilligende Schauspieler; ein persönlicher Avatar erfordert deine Live-Zustimmungsaufnahme auf einer ungeschnittenen Single-Take-Quelle – und niemand bekommt einen Avatar eines Wettbewerbers, Prominenten oder einer Person, die nicht nachweislich zugestimmt hat. (3) Das Skript macht den Großteil der Avatar-Qualität aus – und es wird vor dem Rendern festgelegt: Schreiben für gesprochene Sprache (kurze Sätze, SSML, laut vorlesen), denn eine Komma-Änderung erzwingt eine vollständige ~8–12-minütige Neugenerierung innerhalb des Minutentopfes. (4) Offenlegung, immer: Ein synthetischer Präsentator wird gekennzeichnet – Plattform-KI-Tags und die synthetische-Medien-Pflichten des EU AI Act machen nicht offengelegte Avatare zu einem kanalübergreifenden Risiko.
Zuerst lesen
- Der Content-Skill (educational-content-and-how-to / short-form-video-script) – das Material.
- brand-profile + voice-builder (die Stimme des Skripts) + design-and-templates (Brand Kit).
Das Framework: HUMAN
(Tiefe: references/the-human-framework.md.)
- H – Habe einen Grund für einen Avatar: Schulungen/Erklärvideos/Lokalisierung/Gesichtslos = ja; Gründer-Vertrauen/Testimonials/emotionale Überzeugung = nein (echtes Gesicht); regulierte medizinische Themen = Vorsicht (Moderationsverzögerungen).
- U – Verwende nur eingewilligte Ähnlichkeiten: Live-Zustimmungsaufnahme für persönliche Avatare; eingewilligte Stock-Schauspieler; niemals Identitätstäuschung oder gefälschte Empfehlungen; Governance bei der Weitergabe (Verwendung ≠ Bearbeitung; Stimme separat).
- M – Mache das Skript gesprochene Sprache: kurze Sätze, Kontraktionen, SSML, nähere Einstellung; Skript vor der Generierung festschreiben (Rendern-Falle); zuerst laut vorlesen.
- A – Erstelle Szenen + lokalisiere: Brand Kit + Vorlage einmal; KI-Playground-B-Roll (den Veo 3.1-Lane nutzen – OpenAI beendet die Sora-API am 24. September 2026, daher stirbt der Sora-2-Lane); 1-Klick-Übersetzung/Dubbing → Muttersprachler-QA pro Sprache; ein Master, versionierte Varianten.
- N – Notiere die Offenlegung + veröffentliche: Plattform-KI-Labels + EU AI Act + C2PA; Mensch genehmigt; Export → capcut falls nötig → scheduling-and-queue → WoopSocial.
Die Realität (vierteljährlich prüfen)
Synthesia 3.0 (Okt. 2025): Express-2-Engine (ganzer Körper, Gesten, Mikroausdrücke, 1080p/30fps, keine Längenbegrenzung), Video Agents (Echtzeit-Konversation; Enterprise), KI-Playground (eingebettetes B-Roll – gestartet mit Sora 2 + Veo 3.1; die Sora-API läuft am 24. September 2026 aus, also behandle Veo als den langlebigen Lane), Interactivity 2.0, KI-Dubbing, Copilot, Dokument/PPT→Video, SSML, ~Echtzeit-Rendering, 39+ Untertitel-Sprachen. Zustimmungsarchitektur (aus Synthesias Dokumentation): eingewilligte Stock-Schauspieler; persönliche Avatare über Live-Zustimmungsaufnahme auf einer Single-Take-Quelle; Deepfakes/Identitätstäuschung verboten; SOC 2 Typ II + GDPR + ISO 42001/27701 + C2PA-Mitgliedschaft; Moderation markiert regulierte Inhalte übermäßig (12–24 h Überprüfungen berichtet). Stufen ≈ Kostenlos 10 Min./Monat · Starter 18–29 € (~120 Min./Jahr) · Creator 64–89 € (~360 Min./Jahr, API, Stimmklonung) · Enterprise kundenspezifisch (unbegrenzt, SCORM, 1-Klick-Übersetzung, Video Agents); Minuten verfallen nicht; nicht erstattungsfähig jährlich; kundenspezifische Avatare ≈ 1.000 €/Jahr; Komma-Änderungen erzwingen vollständige Neurenders (~8–12 Min.). Ehrliche Grenze: klinisch für emotionale Inhalte; HeyGen liest sich tiktok-nativer. Alles kennzeichnen; vierteljährlich prüfen. Vollständige Details: references/synthesia-2026-reality.md; die Eignungstabelle, das Skriptmuster, die Lokalisierungskette, das Plan-Mathematik-Arbeitsblatt und ausgearbeitete Beispiele: references/fit-and-templates.md.
Ehrlicher Umfang (niemals verletzen)
- Der Agent führt den Eignungstest durch, schreibt festgelegte gesprochene Skripte, plant Szenen/Lokalisierung/QA und treibt die API wo verbunden (sonst exakte menschliche Schritte; keine ungeprüfte Auto-Veröffentlichung); der Mensch genehmigt jedes Video (kein fabriziert "das sieht natürlich aus"; Muttersprachler-QA pro Sprache); WoopSocial veröffentlicht die Exporte – es generiert keine Avatare; LMS/SCORM-Verteilung ist Sache des Menschen.
- Zustimmungs-Grundlage: Kein Avatar von irgendjemandem ohne überprüfte Zustimmung; keine Prominenten/Wettbewerber; keine gefälschten Empfehlungen. Offenlegung immer (Plattform-Labels; EU AI Act; C2PA). YMYL: Avatar-Lieferung senkt nicht die Anspruchs-Schwelle; regulierte Themen Moderations-Prüfungszeit einplanen. Niemals Stufen, Grenzen, Renderzeiten oder Fähigkeiten erfinden. (Vollständiger Umfang:
references/scope-and-connections.md.)
Abgrenzung zu verwandten Fähigkeiten (korrekt weiterleiten)
synthesia (dieser) = der Enterprise/L&D/Lokalisierungs-Avatar-Lane · heygen = der Creator-/Social-Native-Lane (beide testen; Kompromisse nennen) · talking-head-and-piece-to-camera = der echte Mensch (Vertrauensinhalte dorthin leiten; der Hybrid ist der Profi-Zug) · ai-video / luma / veo-3 / kling = filmisches Filmmaterial, kein Präsentator (der KI-Playground bettet zwei davon für B-Roll ein) · ai-voiceover / elevenlabs = nur Stimme · descript = Aufnahmen bearbeiten (dieser generiert den Präsentator) · capcut = Untertitel/Tempo nach dem Rendern.
Wohin dies verbunden ist
Liest zuerst: den Content-Skill + brand-profile + voice-builder + design-and-templates. Liefert an: capcut, die Plattform-Publishing-Skills, email-and-newsletter (eingebettete Erklärvideos), lead-magnets-and-funnels (Kursvideo). Veröffentlicht über: Export → scheduling-and-queue → WoopSocial (social); das LMS (Schulung – Mensch). Tool-Datei: tools/integrations/synthesia.md. Messen mit: nativ + analytics-and-reporting auf Abschluss/Durchguck – niemals fabriziert.
Definition of done
Avatar-Video, das zuerst den Eignungstest bestanden hat (Schulungen/Erklärvideos/Lokalisierung/Gesichtslos = Avatar; vertrauensrelevante Gründer-Inhalte an ein echtes Gesicht weitergeleitet; der Hybrid-Split angewendet wo beide existieren), nur mit eingewilligter Ähnlichkeit erstellt (Stock-Schauspieler oder Live-Zustimmungs-Personal-Avatar des Besitzers; keine Identitätstäuschung oder gefälschte Empfehlungen), als festgelegte gesprochene Sprache skriptet (kurze Sätze, SSML, laut vorlesen, vor einem einzelnen Render freigegeben – kein Neurender-Burn), auf dem Brand Kit mit ehrlichem B-Roll zusammengestellt und durch die Kette lokalisiert (Master → 1-Klick-Übersetzung/Dubbing → Muttersprachler-QA pro Sprache → versionierte Varianten), und offengelegt veröffentlicht (Plattform-KI-Labels; EU AI Act; C2PA) über WoopSocial nach menschlicher Genehmigung, mit ehrlicher Plan-Mathematik (Minutentöpfe, kein Verfall, Enterprise-Gates, 1.000 €/Jahr kundenspezifische Avatare, Moderations-Prüfungs-Puffer für regulierte Themen); keine nicht offengelegten synthetischen Präsentatoren, keine nicht eingewilligte Ähnlichkeit, keine fabrizierten Stufen/Fähigkeiten; und korrekt abgegrenzt von heygen, talking-head-and-piece-to-camera, ai-video/luma, ai-voiceover und descript.