v1 (Standard): Standbild — schnell, gute Fotorealistik.
v2: Video (1–5 Min. natürliche Sprache, 16:9, gleichmäßige Beleuchtung, stabiles Kamera, klares Audio) oder Standbild — höchste Qualität, Generierungszeit bis zu mehrere Stunden.
Foto-Anforderungen (beide Modelle): Klares, frontal ausgerichtetes Gesicht mit sichtbaren Augen, Nase, Mund und Lippen. 16:9 Hüfthoch-Aufnahme, gleichmäßige Beleuchtung, Einzelperson, ausreichende Auflösung.
Funktioniert nicht: Kein Gesicht, teilweise verdecktes Gesicht, abstrakte Kunst. Religiöse/kulturelle Gesichtsbedeckungen: Mund muss für Lippensynchronisation sichtbar sein — Ticket einreichen.
Asynchrone Generierung: Fehler erscheinen beim nächsten Öffnen des Editors, nicht beim Hochladen. Grüne Artefakte: Mit einem schlichten, hellen Hintergrund neu hochladen.