Genjutsu in ChatGPT: dich selbst im Video gegen jeden Charakter tauschen
Das baust du
Mit Genjutsu von Higgsfield tauschst du dich in einem fertigen Video gegen einen anderen Charakter aus, direkt aus ChatGPT. Raum, Licht und jede Geste bleiben erhalten. Du bekommst den kompletten Prompt, eine Talking-Head-Version mit gesperrtem Hintergrund und den Weg, eine umgestylte Version von dir selbst einzusetzen. Entscheidend ist der Modus: Object Swap statt Motion Transfer, sonst wandert der Hintergrund.
Warum Hintergrund und Licht sich verändern
Genjutsu hat zwei Modi, und sie machen sehr unterschiedliche Dinge. Wenn dein Hintergrund wandert oder das Licht falsch aussieht, steckst du mit hoher Wahrscheinlichkeit im falschen Modus.
Vergleich
Higgsfield-Plugin in ChatGPT verbinden
Öffne ChatGPT am Desktop oder am Handy und geh in das Plugin-Verzeichnis (bei ChatGPT unter Apps beziehungsweise Plugins). Such nach Higgsfield und tipp auf Add. Alternativ gehst du auf higgsfield.ai/mcp und wählst dort Add Higgsfield plugin. Es öffnet sich ein Higgsfield-Fenster: Dort meldest du dich mit deinem Higgsfield-Konto an und bestätigst den Zugriff. Danach kann ChatGPT für dich Videos bei Higgsfield erzeugen.
Neuen Chat öffnen und beide Dateien hochladen
Starte einen neuen Chat. Lade zuerst die Fotos des Charakters hoch, dann dein Video. Die Reihenfolge hilft ChatGPT, die Rollen sauber zu trennen: Fotos liefern das Aussehen, das Video liefert alles andere.
Nutzt du mehrere Fotos, lade alle in einem Rutsch hoch. Prüf danach kurz, ob wirklich das Video dabei ist. Fehlt es, kann Genjutsu nichts ersetzen.
Prompt einfügen und die eine Klammer ausfüllen
Füge den Prompt unten in das Eingabefeld ein. Er beginnt mit /genjutsu, das ist der Befehl, der ChatGPT sagt, dass es das Higgsfield-Plugin mit Genjutsu nutzen soll. Lass diese erste Zeile genau so stehen. Im Prompt steht außerdem eine Klammer beim Outfit: Entscheide dich, ob der Charakter sein eigenes Outfit aus den Fotos trägt oder dein Outfit aus dem Video behält, und lösch die andere Option.
Der Prompt ist lang, und das mit Absicht: Genjutsu hat kein separates Feld für Dinge, die es vermeiden soll. Also stehen die Verbote und die Sperren im Prompt selbst. Jeder Abschnitt schließt einen typischen Fehler aus.
/genjutsu Ich habe zwei Arten von Dateien angehängt: die Referenzfotos eines Charakters (alle zeigen dieselbe Person) und mein Video (das Ausgangsvideo). Nutze Higgsfield Genjutsu im Object-Swap-Modus, um mich durch den Charakter zu ersetzen. Verwende nicht Motion Transfer, weil das die Szene neu aufbaut und Hintergrund sowie Licht verändert. Prüfe vor der Generierung das Video und die Referenzfotos und nenne mir in drei kurzen Stichpunkten, ob etwas dem Ergebnis schaden könnte: Das Video sollte eine Person in einer durchgehenden Einstellung mit ruhiger Kamera zeigen und unter 30 Sekunden lang sein. Die Referenzfotos sollten mindestens ein klar erkennbares, frontal ausgerichtetes Gesicht enthalten, mindestens ein Foto im gleichen Bildausschnitt wie das Video, und sichtbare Hände, falls meine Hände im Video sichtbar sind. Unser Körperbau sollte in etwa ähnlich sein. Falls etwas nicht passt, frag mich, ob ich trotzdem fortfahren will. Generiere zuerst einen 480p-Test und schick Genjutsu dabei genau diesen Prompt, unverändert: Ersetze im Ausgangsvideo nur die Person durch den Charakter aus den Referenzfotos. Alles andere im Bild bleibt exakt so wie im Ausgangsvideo. Identität: Gesicht, Haare, Hautton und Körperbau des Charakters stammen zu 100 Prozent aus den Referenzfotos, in jedem Frame. Gibt es mehrere Fotos, hat das frontale Foto Vorrang für die Gesichtszüge, die übrigen liefern Haare, Hautton, Profil und Körperbau. Gesicht und Haare bleiben vom ersten bis zum letzten Frame identisch, auch im Profil, mitten im Blinzeln und mitten im Wort. Outfit: [das Outfit aus den Referenzfotos / das Original-Outfit aus dem Ausgangsvideo]. Das Outfit bleibt in jedem Frame identisch. Accessoires: Schmuck, Brille, Kopfhörer, Ketten und Armbänder der ursprünglichen Person werden nicht übernommen. Nur Gegenstände, die die Person in der Hand hält oder die zum Setup gehören (Mikrofon, Kaffeetasse, Handy), bleiben exakt an ihrem Platz. Performance: Der Charakter kopiert die ursprüngliche Performance Frame für Frame. Jede Kopfdrehung, jedes Augenbrauenheben, jedes Blinzeln, jeder Blick, jede Handbewegung, jede Schulterbewegung und jede Pause passiert im selben Moment, in derselben Größe und Geschwindigkeit. Die Mundformen folgen exakt der ursprünglichen Sprache, sodass der Lippensync zur Original-Audiospur passt. Die Hände behalten fünf Finger und folgen den ursprünglichen Handpositionen sowie allem, was sie berühren. Posen, Blickrichtungen oder Handhaltungen aus den Referenzfotos werden nicht übernommen; die Fotos liefern nur Aussehen, nie Bewegung. Szene: Der Hintergrund ist in jedem Frame identisch mit dem Ausgangsvideo: dieselben Wände, Möbel, Objekte, Bildschirme und Tiefenschärfe, alle in denselben Positionen und Farben. Bildausschnitt, Crop, Brennweite und jede Kamerabewegung bleiben exakt wie im Original. Licht: Der Charakter wird vom selben Licht beleuchtet wie die ursprüngliche Person: dieselbe Richtung des Hauptlichts, dieselbe Weichheit, dieselbe Schattenseite des Gesichts, dieselbe Farbtemperatur und Belichtung. Schatten, die der Charakter auf nahe Flächen wirft, entsprechen den Schatten der ursprünglichen Person. Helligkeit und Weißabgleich bleiben über alle Frames konstant. Licht, Farbstimmung oder Hintergrund aus den Referenzfotos werden nicht übernommen. Kanten und Textur: Der Charakter bedeckt die Silhouette der ursprünglichen Person vollständig, mit sauberen, natürlichen Kanten an Haaren, Ohren, Schultern und Fingern. Die Haut behält reale Textur, und der Charakter entspricht der Schärfe, dem Grain und der Kompression des Videos, sodass er wie im Raum gefilmt wirkt und nicht wie eingefügt. Locks: eine durchgehende Einstellung in exakt derselben Länge und Framerate wie das Ausgangsvideo, kein Frame wird am Anfang oder Ende abgeschnitten. Hintergrund, Licht und Kamera bleiben in jedem Frame identisch zum Original. Die Identität des Charakters bleibt in jedem Frame identisch. Vermeiden: jede Spur der ursprünglichen Person (Gesicht, Haare, Kleidung, Schmuck, Kontur oder durchscheinende Haut), Halos oder Schimmern an den Kanten, Morphen von Gesicht oder Körper zwischen den Frames, Vermischen mehrerer Referenzfotos zu einem uneinheitlichen Gesicht, Wechsel des Outfits zwischen Frames, flackerndes Licht oder Farbverschiebungen, sich verziehender oder schmelzender Hintergrund, zu viele oder fehlende Finger, verschmierte Hände, Lippenbewegung, die nicht zur Audiospur passt, plastikartige oder wegretuschierte Haut, hinzugefügte Objekte, Text oder Wasserzeichen, sowie neue Zooms, Kamerabewegungen oder Schnitte. Prüfe den fertigen Test danach gegen diese Liste und sag mir, was nicht funktioniert hat: Identität hält in jedem Frame, Outfit in jedem Frame gleich, kein Schmuck und keine Accessoires von mir übernommen, Hintergrund unverändert, Licht und Farbe konstant, Gesten und Lippensync im Takt, saubere Kanten und Hände, gleiche Länge wie das Original. Für jeden Fehler füge dem Genjutsu-Prompt eine Zeile hinzu, die genau benennt, was falsch gelaufen ist und wie es stattdessen aussehen soll, und wiederhole den Test. Sobald der Test passt, führe denselben Prompt in 1080p aus.
Test prüfen, dann 1080p
Der Prompt lässt ChatGPT zuerst einen günstigen 480p-Test laufen, ihn gegen eine Checkliste prüfen und Fehler im Prompt nachbessern, bevor du Credits für die finale Version ausgibst. Schau dir den Test selbst an, nicht nur die Einschätzung von ChatGPT: Gesicht in jedem Frame gleich, Hintergrund ruhig, Hände sauber, Länge wie das Original.
Erst wenn der Test passt, sagst du: Jetzt in 1080p. Das fertige Video erscheint im Chat und liegt zusätzlich in deinem Higgsfield-Konto unter deinen Generierungen.
Video und Fotos vorbereiten
Genjutsu baut die Person Frame für Frame neu. Je sauberer deine Eingangsdateien, desto weniger muss es raten. Diese Punkte machen den größten Unterschied.
- Eine Person, eine Einstellung, ruhige Kamera. Handy aufs Stativ oder anlehnen. Keine Schnitte, keine Zooms, niemand läuft durchs Bild. Unter 30 Sekunden bleiben, 10 bis 15 Sekunden halten am besten.
- Gleichmäßiges, helles Licht. Fensterlicht von vorn oder ein Ringlicht. Dunkle Räume und Bewegungsunschärfe sind die Stellen, an denen ein Tausch auseinanderfällt.
- Natürliche Bewegungen, keine schnellen. Reden, Kopf drehen, gestikulieren: alles gut. Sehr schnelle Handbewegungen nah an der Linse sind der Ort, an dem zusätzliche Finger und Schmieren entstehen.
- Fotos im selben Bildausschnitt wie das Video. Filmst du ab Brust aufwärts, nimm ein Foto ab Brust aufwärts. Filmst du in Ganzkörper, nimm ein Ganzkörperfoto. Unterschiedliche Ausschnitte sind eine der Hauptursachen für Verzerrungen.
- Mindestens ein klares, frontales Gesicht. Eine Person, scharf, gleichmäßig beleuchtet, keine starken Filter, Hände sichtbar, wenn deine Hände im Video zu sehen sind. Ein Charakter mit ähnlicher Statur wie du tauscht sauberer.
- Mehrere Fotos statt eins. Frontal, Profil, Halbprofil, sitzend, stehend. Genjutsu hält die Identität dann auch bei Kopfdrehungen stabil. Wichtig: alle Fotos zeigen dieselbe Person im selben Look, sonst mischt das Modell.
Die Talking-Head-Version mit gesperrtem Hintergrund
Diese Version nimmst du, wenn sich am Raum wirklich gar nichts bewegen darf: die Wand, die Kanten um die Person, das Licht. Sie behandelt den Tausch als Person in einer festen Platte. Das Video ist der Master für alles, das Foto liefert nur die Identität.
Der Unterschied zum Basis-Prompt: Du beschreibst deinen Raum, dein Licht und dein Outfit selbst, in schlichten, physischen Sätzen (was links ist, was rechts ist, was du trägst, was du in der Hand hältst). Dafür stehen im Prompt Klammern. Je konkreter du sie ausfüllst, desto weniger erfindet das Modell. Ein Foto des Charakters vor einem schlichten Hintergrund gibt Genjutsu zusätzlich nichts, was es sich borgen könnte. Das ist der größte Schutz für deinen Hintergrund.
Du schickst diese Version genauso wie den Basis-Prompt: zuerst die Zeile /genjutsu, dann den Text. Die Prüf- und Testanweisung aus dem Basis-Prompt kannst du davor setzen.
/genjutsu SZENE Ersetze nur die Person in @video1 durch die Person aus @image1. Hintergrund, Kamera, Bildausschnitt, Licht, Timing, Bewegung und Audio von @video1 bleiben exakt so, wie sie sind. Behandle das als Personentausch in einer festen Platte: Jeder Pixel außerhalb der Silhouette der Person wird unverändert aus @video1 kopiert, und die neue Person wird in genau diese Silhouette gesetzt, mit denselben Kanten, demselben Licht und derselben Bewegung. AKTIVE REFERENZEN @video1 = Master für alles außer Identität. Hintergrund, Kamera, Bildausschnitt, Bewegung, Licht, Timing und Audio werden Frame für Frame kopiert. @image1 = nur die Identität der neuen Person: Gesichtsstruktur, Hautton, Augenform und Augenfarbe, Augenbrauen, Nase, Lippen, Haarfarbe, Haarlänge und Haarstruktur, Körperbau. [EINE ZEILE: Alter, Haare, Hautton, Statur]. 100 Prozent Übereinstimmung mit der Referenz. Nichts vom Gesicht, den Haaren oder der Haut der ursprünglichen Person bleibt übrig. HINTERGRUND-PLATTE (gesperrt, null Änderung) [Beschreibe deinen Raum in zwei bis vier Sätzen: Format, was oben, links, rechts und unten im Bild ist, welche Möbel und Lampen zu sehen sind.] Jedes dieser Elemente behält in jedem Frame exakt Position, Größe, Farbe, Helligkeit, Schärfe und Grain. Nichts wird neu gemalt, neu generiert, aufgeräumt, weichgezeichnet, geschärft, verschoben oder neu beleuchtet. Wo die Silhouette der neuen Person schmaler ist als die ursprüngliche, wird der freigelegte Hintergrund mit dem echten Hintergrund aus benachbarten Frames von @video1 gefüllt, nie erfunden. KANTEN (der schwierigste Teil) Die Grenze zwischen Person und Raum ist in jedem Frame sauber und natürlich: Haarkanten zeigen einzelne Strähnen gegen die Wand, ohne Halo, ohne Glow, ohne dunkle Kontur, ohne verschmierten oder doppelten Rand, ohne weiche Unschärfe-Zone um den Körper. Schultern, Hals und Kleidungskanten treffen genau dort auf den Hintergrund, wo sie es in @video1 tun. Kein Flackern oder Schimmern entlang der Kontur zwischen den Frames. ERSTER FRAME UND POSITION Die neue Person nimmt dieselbe Silhouette, Kopfposition, Kopfneigung und Schulterlinie ein wie die Person im ersten Frame von @video1. [Beschreibe den ersten Frame in einem Satz: Wo ist der Kopf, wohin schaut die Person, wo sind die Hände, was halten sie.] FORMAT Eine durchgehende Einstellung, die Kamera schneidet nicht von selbst. Exakt dieselbe Länge und Framerate wie @video1, dasselbe Hochformat, kein Zoom, kein Reframing, kein Crop, keine Stabilisierung. KAMERA (gesperrt aus @video1) [Beschreibe die Kamera in einem Satz: Handy-Frontkamera oder Rückkamera, Augenhöhe, Weitwinkel oder nicht, Stativ oder Hand.] Fokus auf dem Gesicht. Belichtung, Weißabgleich, Tiefenschärfe und Grain in jedem Frame identisch zu @video1. ACTION (gesperrt aus @video1) Die neue Person führt exakt die Bewegung von @video1 aus: jede Kopfdrehung, jedes Nicken, jede Schulterbewegung und jede Handbewegung im selben Frame, mit derselben Geschwindigkeit und Amplitude. Die Lippen folgen den Mundformen von @video1 Silbe für Silbe, damit die Original-Tonspur synchron bleibt. Blinzeln landet dort, wo @video1 blinzelt. Die Blickrichtung folgt @video1. PERFORMANCE Dieselbe Energie und dieselben Beats wie in @video1, gespielt mit dem Gesicht der neuen Person. Haut in Handy-Nähe: sichtbare Poren, natürlicher Glanz auf Stirn und Nase, echte Lichtpunkte in den Augen, feine Härchen am Haaransatz. Zähne, Zunge und Mundinnenraum gehören der neuen Person. HAARE UND KÖRPER Die neuen Haare bewegen sich bei Kopfdrehungen wie echte Haare und legen sich natürlich, sie frieren nie ein, schweben nicht und clippen nicht durch Schultern oder Gegenstände. Hals, Hände und jede sichtbare Hautstelle entsprechen dem Hautton des Referenzgesichts. OUTFIT (gesperrt aus @video1) [Beschreibe dein Outfit im Video in einem Satz: Oberteil, Farbe, Ausschnitt, was du in der Hand hältst.] Schmuck und Accessoires der ursprünglichen Person werden nicht übernommen. Stofffalten bewegen sich exakt wie in @video1. LICHT (gesperrt aus @video1) [Beschreibe das Licht in einem Satz: warm oder kühl, von wo kommt das Hauptlicht, gibt es eine Lampe im Bild.] Das neue Gesicht wird von exakt diesem Licht beleuchtet, mit demselben Schatten unter dem Kinn, demselben Highlight auf Stirn und Nase, demselben weichen Abfall auf der abgewandten Wange und derselben Farbstimmung auf der Haut. Keine neue Lichtquelle, kein Ringlicht, kein Studio-Fill, keine Änderung der Raumhelligkeit. AUDIO Original-Audio von @video1, unangetastet, synchron zum neuen Mund. STIL Unbearbeitetes Handyvideo direkt aus der Kamera. Dieselbe Auflösung, derselbe Grain, dieselbe leichte Weichheit wie @video1. Kein Colorgrading, keine Beautifizierung, kein Glätten, kein Schärfen, kein Upscaling. POSITIVE LOCKS Hintergrund und alle Objekte im Raum sind in jedem Frame pixelidentisch zu @video1. Kameraposition, Bildausschnitt, Brennweite, Belichtung und Grain sind in jedem Frame identisch zu @video1. Die Kontur der Person sitzt exakt dort, wo sie in @video1 sitzt, mit sauberen natürlichen Kanten und ohne Halo. Jede Bewegung entspricht @video1 im selben Frame. Gegenstände in der Hand, Griff und Outfit sind identisch zu @video1. Gesicht, Haare, Hautton und Körper sind vom ersten bis zum letzten Frame die von @image1: dieselbe Person in jedem Frame, kein Drift, kein Morphen, keine Mischung der beiden Identitäten, kein Frame, in dem die ursprüngliche Person wieder auftaucht. Lippensync bleibt gesperrt auf die Original-Tonspur. Länge und Framerate bleiben gesperrt auf @video1.
Eine umgestylte Version von dir selbst
Derselbe Trick, nur ist der Charakter du. Du brauchst kein Fotoshooting: Mach einen Screenshot von dir aus dem Video, lass ChatGPT dich darauf umstylen, ohne sonst etwas zu ändern, und gib genau dieses Bild an Genjutsu als Referenz. Weil das umgestylte Foto denselben Bildausschnitt, Hintergrund und dasselbe Licht hat wie das Video, hält der Tausch deutlich besser als mit einem beliebigen Foto. Im Beispiel unten ist es ein Smoking. Das Prinzip funktioniert mit jedem Outfit, für das du ein Referenzbild hast.
- Frame screenshotten. Pausiere dein Video auf einem klaren, frontalen Frame mit geschlossenem oder fast geschlossenem Mund und den Händen dort, wo sie meistens sind. Screenshot in voller Größe.
- In ChatGPT umstylen. Lade zwei Bilder in ChatGPT hoch: zuerst den Screenshot, dann ein Foto des Outfits, das du tragen willst (ein Produktfoto oder ein Bild einer Person darin). Dazu der Prompt unten, er beginnt wie alle Prompts in diesem Guide mit der Zeile /genjutsu. Lass dir zwei oder drei Varianten machen und nimm die, die noch am meisten nach dir aussieht.
- In Genjutsu tauschen. Nutze das umgestylte Foto als @image1 und dein Video als @video1 mit dem gesperrten Prompt oben. In die Klammer unter @image1 schreibst du: ich, umgestylt: gleiche Haare, gleicher Bart, gleiche Statur, Outfit aus @image1. Und ergänze im Block FORMAT die Länge deines Videos, zum Beispiel: volle 6 Sekunden, kein Frame kürzer.
/genjutsu Nimm den angehängten Screenshot von mir aus meinem Video und erstelle eine umgestylte Version von mir in einem Smoking. Nutze das zweite angehängte Bild ausschließlich als Outfit-Referenz für den Smoking. Dieselbe Person: dieselbe Gesichtsstruktur, dieselbe Augenform, dieselbe Nase, dieselben Lippen, derselbe Hautton, derselbe Bart und derselbe Haaransatz, derselbe Körperbau, dieselbe Kopfposition, dieselbe Neigung, derselbe Gesichtsausdruck, derselbe Bildausschnitt, derselbe Hintergrund und dasselbe Licht wie im Screenshot, damit es weiterhin Frame für Frame zu meinem Video passt. Verändere nur das Styling. Haare frisch geschnitten und gestylt, mit sauberem, leicht strukturiertem Finish. Haut wirkt frisch und ausgeruht, aber ohne Make-up-Look. Die Haut sieht in Handy-Nähe weiterhin wie echte Haut aus, mit Poren, etwas Stoppel-Textur und natürlichem Glanz auf Stirn und Nase, nie weichgezeichnet. Bart: Mein Bartwuchs bleibt exakt so, wie er im Screenshot ist. Kein Bart hinzufügen, keinen Bart entfernen, keine Änderung an Dichte, Länge oder Form. Outfit: ein schwarzer Smoking genau wie im Referenzbild, mit frischem weißem Hemd und schwarzer Fliege, auf meinen Körper und meine Pose angepasst. Jackett, Revers und Hemdkragen sitzen natürlich auf Schultern und Hals. Das Mikrofon in meiner Hand bleibt exakt dort, wo es ist. Fotorealistisch, Qualität einer Handy-Frontkamera, dasselbe warme Raumlicht aus derselben Richtung mit demselben Schatten unter dem Kinn, kein Filter-Look, keine Plastikhaut, keine Änderung am Raum, keine Änderung an meiner Gesichtsform oder meinen Gesichtszügen, kein Text, kein Wasserzeichen.
Danke! Magst du kurz sagen, was am meisten geholfen hat? (optional)
Danke. Was hat gefehlt? (optional)