Synthesia

Was ist Synthesia? Synthesia ist eine KI-Videoplattform, die ein geschriebenes Skript in ein fertiges Video verwandelt, präsentiert von einem realistischen digitalen Avatar. Statt ein Studio zu buchen, einen Sprecher zu engagieren und zu filmen, tippen Sie Ihren Text, wählen einen Avatar und eine Stimme, und Synthesia erzeugt ein Moderatoren-Video mit lippensynchroner, natürlich klingender Sprachausgabe. Das 2017 in London gegründete Unternehmen zielt auf Unternehmensvideo: Schulung, Onboarding, Produkt und interne Kommunikation, also Inhalte, die Organisationen laufend produzieren und aktuell halten müssen.

Der Grundgedanke: Video sollte so leicht zu bearbeiten sein wie ein Dokument. Da alles vom Text ausgeht, ist das Korrigieren eines Satzes nur eine Frage des Neuschreibens und erneuten Renderns, ohne neuen Dreh. Der Editor erinnert eher an PowerPoint als an eine klassische Schnittsoftware: Man baut Szenen auf einer Folge von Folien auf, und der Avatar liest das Skript jeder Szene. Alles läuft in der Cloud, ohne Installation, und das Ergebnis ist eine gewöhnliche MP4-Datei zum Herunterladen oder Teilen.

Wichtige Funktionen. Es gibt eine große Bibliothek einsatzbereiter Avatare, die Möglichkeit, mit aufgezeichneter Einwilligung einen individuellen Avatar nach dem eigenen Ebenbild zu erstellen, über 140 Sprachen und Akzente aus demselben Skript, natürlich klingende synthetische Stimmen und Stimmklonen. Übersetzung und Vertonung per Klick erzeugen ein fertiges Video in einer anderen Sprache neu, ohne erneute Aufnahme. Hinzu kommen Hunderte Vorlagen, ein Bildschirmrekorder, eine Medienbibliothek, gemeinsame Arbeitsbereiche, SCORM-Export, PowerPoint-Import, eine API sowie SOC 2 Typ II und DSGVO-Konformität.

Für wen und wofür? Synthesia richtet sich vor allem an Schulungs- und Weiterbildungsteams (L&D), die Kursmodule, Compliance-Schulungen oder Onboarding-Strecken erstellen, die in mehreren Sprachen existieren und oft überarbeitet werden müssen: Text ändern, neu rendern. Personalabteilung und interne Kommunikation nutzen es für Ankündigungen und Richtlinienerklärungen; Produktmarketing und Support setzen den Bildschirmrekorder ein. Nicht geeignet ist es dagegen für Markenfilme, emotionales Storytelling oder Werbung, die von menschlicher Darstellung lebt: ein Arbeitspferd für informative Videos, kein kreatives Studio.

Preise und Tarife. Ein kostenloser Tarif bietet ein kleines monatliches Minutenkontingent zum Testen der Avatar-Qualität, reicht aber nicht für laufende Produktion. Der Starter-Tarif (ab etwa 18 $ pro Monat bei jährlicher Abrechnung) schaltet mehr Minuten und Avatare frei; die Stufe Creator ergänzt individuelle Avatare und mehr Zusammenarbeit; das Enterprise-Angebot auf Anfrage bietet SSO, erweiterte Sicherheit, ein hohes Minutenvolumen und die API. Das Modell ist minutenbasiert: planbar bei stetiger Produktion, aber teuer bei sehr hohem Volumen. Der Nutzen ist am größten, wenn es die wiederkehrenden Kosten von Studiozeit und Nachdrehs ersetzt.

Vorteile. Der herausragende Vorteil ist die Geschwindigkeit zu einem fertigen, pflegeleichten Video: Die versteckten Kosten klassischer Videos liegen nicht im ersten Schnitt, sondern in jeder Überarbeitung, die Synthesia auf eine wenige Minuten dauernde Textänderung reduziert. Die Lokalisierung in über 140 Sprachen mit passenden Stimmen ist der zweite große Pluspunkt und kann das Abonnement für eine globale Organisation allein rechtfertigen.

Nachteile. Die Avatare bleiben eher informativ als emotional: überzeugend für einen Erzähler, der einen Prozess erklärt, fehlen ihnen die Mikroexpressionen, die einen menschlichen Auftritt überzeugend machen. Das Ergebnis beschränkt sich naturgemäß auf einen Avatar plus Folien ohne echtes Filmmaterial, was die Videos einer Organisation vereinheitlichen kann. Individuelle Avatare verlangen einen höheren Tarif und einen Einwilligungsschritt, und die minutenbasierte Abrechnung bestraft sehr hohes Volumen.

Vergleich und Alternativen. HeyGen ist der direkteste Wettbewerber, oft stärker bei individuellen Avataren und viraler Videoübersetzung, während Synthesia für Unternehmen ausgereifter und besser steuerbar wirkt. Colossyan ist auf Schulung ausgelegt, mit interaktiven Funktionen und gutem LMS-Support. D-ID setzt auf Avatare aus Fotos und eine entwicklerorientierte API. Für andere Bedürfnisse lösen Vyond (Animation) oder Descript (echten Videoschnitt per Text) andere Probleme.

Häufige Fragen. Braucht man Erfahrung im Videoschnitt? Nein: Wer eine Folienpräsentation erstellen kann, kann ein Synthesia-Video erstellen. Kann ich einen Avatar nach meinem Ebenbild erstellen? Ja, in einem passenden kostenpflichtigen Tarif und nach ausdrücklicher Einwilligung. Lässt sich ein vorhandenes Video übersetzen? Ja, indem man es dupliziert und die Sprachausgabe in einer anderen Sprache neu erzeugt, weit schneller als eine Neuaufnahme. Ist der Inhalt eingeschränkt? Ja: Die Moderation verbietet unter anderem politische, hetzerische oder nicht jugendfreie Inhalte.

Fazit. Synthesia ist der praktischste Weg, um Schulungs-, Onboarding- und Erklärvideos in großer Menge zu produzieren, und seine Lokalisierung gehört zu den besten am Markt. Für emotionale oder cineastische Arbeit ersetzt es kein kreatives Studio, und die minutenbasierte Abrechnung passt besser zu stetiger Produktion als zu riesigem Volumen. Doch wenn Ihre Organisation einheitliche, markenkonforme und mehrsprachige Videos braucht, die sich mit einer einfachen Textänderung aktuell halten lassen, verdient es seinen Platz: ideal für L&D-, HR- und Enablement-Teams, die in der Videopflege versinken, zunächst mit Standard-Avataren.