So erstellst du einen KI-generierten Influencer per API (und was der Betrieb tatsächlich kostet)

Die zwei Dinge, die wirklich darüber entscheiden, ob das funktioniert

Wenn man das Marketing beiseitelässt, läuft ein KI-Influencer auf zwei technische Probleme hinaus.

Das erste ist Identitätskonsistenz — dasselbe Gesicht, derselbe Körper und dieselben Proportionen in jedem Beitrag. Ein Publikum erkennt einen Creator so, wie es einen Menschen erkennt: am Gesicht. Wenn sich das Gesicht verändert, gibt es keine Marke, der man folgen kann. Das ist das Problem, an dem No-Code-Tools stillschweigend scheitern, und in das wir den größten Teil des Codes investieren werden.

Das zweite ist Realismus — den „KI-Look“ zu vermeiden. Plastische Haut, Hände mit sechs Fingern, der leere, unheimliche Blick. Das wirkt sofort künstlich, und auf einer Plattform, die synthetische Inhalte zunehmend kennzeichnet, ist ein offensichtlich generierter Look ein Nachteil und kein Stil.

Alles Folgende dient diesen beiden Zielen. Wenn ein Schritt weder die Konsistenz noch den Realismus verbessert, ist er überflüssig.

Voraussetzungen

Du brauchst drei Dinge: ein GPT Proto-Konto, ein Guthaben und einen API-Schlüssel (Konto erstellen, Guthaben aufladen und anschließend im Dashboard einen Schlüssel generieren). GPT Proto arbeitet mit vorausbezahlten Credits — es gibt keinen kostenlosen Tarif, du zahlst also pro Generierung. Der Vorteil: Ein Guthaben funktioniert mit jedem Modell, sodass der Wechsel zwischen Bild-Engines mitten im Projekt nichts extra kostet. Der Preis pro Generierung jedes Modells ist auf der jeweiligen Modellseite aufgeführt.

Du brauchst außerdem ein Referenzbild: entweder ein Foto, an dem du die Rechte besitzt, oder eine einzelne Basispersönlichkeit, die du einmal generierst und anschließend als Anker für alles Weitere verwendest.

Eine wichtige Falle, bevor du Code schreibst. GPT Proto authentifiziert sich mit deinem unveränderten API-Schlüssel — es gibt kein Bearer-Präfix. Das überrascht alle, die an Header im OpenAI-Stil gewöhnt sind, bei denen der Schlüssel hinter Bearer steht. Hier wird der Schlüssel allein verwendet:

Authorization: GPTPROTO_API_KEY

Dasselbe Format funktioniert für alle drei Modelle — gpt-image-2, Seedream und Seedance. Fügst du reflexartig ein Bearer hinzu, verbringst du einen Nachmittag damit, 401-Fehler zu debuggen, die nichts mit deinem Code zu tun haben. Ich werde die Header bei jedem Schritt korrekt angeben.

Schritt 1 — Die Identität deiner Figur festlegen

Konsistenz beginnt mit einem Anker. Statt jedes Mal ein neues Gesicht zu beschreiben (wodurch jedes Mal ein neues Gesicht entsteht), legst du ein Referenzbild fest und bearbeitest von diesem ausgehend. Das ist der Unterschied zwischen Text-zu-Bild, das etwas erfindet, und Bildbearbeitung, die etwas bewahrt.

Generiere oder wähle deine Basisfigur einmalig aus. Jeder nachfolgende Beitrag ist dann ein Bildbearbeitungsaufruf, der diese Identität weiterträgt. Hier ist die zentrale Anfrage an gpt-image-2, das auf GPT Protos eigener Modellseite für konsistente Figuren aus verschiedenen Blickwinkeln empfohlen wird. Beachte den unveränderten Schlüssel — kein Bearer:

import os
import requests

API_KEY = os.environ["GPTPROTO_API_KEY"]

resp = requests.post(
    "https://gptproto.com/api/v3/openai/gpt-image-2/image-edit",
    headers={
        "Authorization": API_KEY,           # gpt-image-2: raw key, NO "Bearer"
        "Content-Type": "application/json",
    },
    json={
        "images": ["https://your-cdn.com/character-reference.png"],
        "prompt": (
            "the same woman, sitting in a sunlit Lisbon cafe, "
            "candid 35mm photo, soft window light, natural skin texture"
        ),
        "size": "1024x1536",                # 2:3 vertical, good for feed
        "quality": "high",
        "enable_sync_mode": False,
        "response_format": "url",
    },
)
prediction = resp.json()["data"]
print(prediction["id"])

gpt-image-2 akzeptiert beliebige Auflösungen, solange die längste Kante höchstens 3840 Pixel lang ist, beide Seiten ein Vielfaches von 16 sind, das Seitenverhältnis höchstens 3:1 beträgt und die Gesamtzahl der Pixel zwischen 655.360 und 8.294.400 liegt. Für Social-Media-Beiträge wirst du den Bereich von 1024–1536 nur selten verlassen.

Wenn enable_sync_mode auf false gesetzt ist, gibt der Aufruf eine id statt des fertigen Bildes zurück. Du fragst das Ergebnis anschließend ab:

import time

def wait_for_result(prediction_id):
    url = f"https://gptproto.com/api/v3/predictions/{prediction_id}/result"
    while True:
        r = requests.get(url, headers={"Authorization": API_KEY}).json()
        status = r["data"]["status"]
        if status == "completed":
            return r["data"]["outputs"]
        if status == "failed" or r["data"]["error"]:
            raise RuntimeError(r["data"]["error"])
        time.sleep(2)

images = wait_for_result(prediction["id"])
print(images)

Die wichtigste Erkenntnis: Eine Referenz hinein, dieselbe Person heraus. Diese eine Änderung — von einem Anker aus zu bearbeiten, statt jedes Mal neu zu prompten — löst den größten Teil des Konsistenzproblems.

Schritt 2 — Eine Serie konsistenter Beiträge generieren

Nun wiederholst du Schritt 1 mit unterschiedlichen Szenen-Prompts und verwendest jedes Mal dasselbe Referenzbild. Café, Fitnessstudio, Straße, Studio — dasselbe Gesicht, eine andere Umgebung. Hier wird der Influencer tatsächlich zu einem Feed.

Zwei Dinge sorgen dafür, dass diese Bilder wie Fotos statt wie Renderings wirken. Erstens: Verwende in Prompts echte Kamerasprache — ein Objektiv, eine Lichtquelle und einen Hinweis zur Haut — statt Adjektive wie „ultrarealistisch“ aneinanderzureihen, die Modelle weitgehend ignorieren. „85-mm-Porträt, bewölktes Nachmittagslicht, sichtbare Hautporen“ bewirkt mehr als „hyperrealistisches 8K-Meisterwerk“. Zweitens: Verlass dich auf die Standardwerte des Modells für die Beleuchtung und lass die Szenenbeschreibung die Arbeit erledigen.

Hier gibt es eine ehrliche Einschränkung, die du kennen solltest, bevor du dich für eine Engine entscheidest. GPT Protos eigene gpt-image-2-Dokumentation räumt ein, dass das Modell „mit Bild-zu-Bild-Overlays Schwierigkeiten hat und häufig Artefakte aus der Referenz hinterlässt“ und dass Text in Bildern inkonsistent ausfallen kann. In der Praxis bedeutet das: gpt-image-2 hält ein von ihm selbst generiertes Gesicht hervorragend fest. Wenn du jedoch starke Bild-zu-Bild-Bearbeitungen ausgehend von einem echten Foto vornimmst, können Verwischungen oder Überbleibsel der Quelle entstehen. Das ist dein Signal, für den Bearbeitungsschritt eine andere Engine zu testen — genau darum geht es im nächsten Abschnitt.

Wenn eine Generierung zurückkommt, prüfe vor einer programmgesteuerten Veröffentlichung das Feld has_nsfw_contents in der Antwort. Die Pipeline liefert es bei jedem Ergebnis zurück; wer es ignoriert, riskiert, dass unerwünschte Ausgaben in eine geplante Warteschlange gelangen.

Schritt 3 — Deine Bild-Engine auswählen: Konsistenz vs. Kosten

Das ist der Hebel, den No-Code-Tools dir aus der Hand nehmen. Sie wählen ein Modell und verbergen es. Bei einer API wechselst du pro Aufnahme und zahlst pro Bild, sodass du selbst optimieren kannst. Für die Arbeit mit Influencern sind drei Bild-Engines einen Vergleich wert:

Der strukturelle Punkt ist wichtiger als jede einzelne Zahl. gpt-image-2 wird nach Token abgerechnet, sodass ein großes Rendering in hoher Qualität mehr kostet als ein kleines — die Kosten pro Bild sind variabel und bei großen Ausgaben am höchsten von allen drei Modellen. Die beiden Modelle aus der ByteDance-Linie berechnen unabhängig von der Promptstruktur einen Pauschalpreis, was sie bei umfangreichen Generierungen kalkulierbar macht.

Meine Einschätzung: Verwende gpt-image-2, um das ursprüngliche Gesicht zu entwerfen und festzulegen, da sich seine Konsistenz und Detailtreue dort lohnen. Wechsle anschließend für die Dutzenden Routinebeiträge zu seedream-5.0 für $0.0298 pro Aufnahme. Hier ist ein ähnlicher Bearbeitungsaufruf für Seedream — mit demselben unveränderten Schlüssel. Beachte, dass der Anbieter in der URL bytedance und nicht doubao lautet:

resp = requests.post(
    "https://gptproto.com/api/v3/bytedance/doubao-seedream-5-0-260128/image-edit",
    headers={
        "Authorization": API_KEY,                # Seedream: same raw key, NO "Bearer"
        "Content-Type": "application/json",
    },
    json={
        "prompt": "the same woman, golden-hour rooftop, candid phone photo",
        "images": ["https://your-cdn.com/character-reference.png"],
        "size": "2048x2048",
        "enable_base64_output": False,
        "enable_sync_mode": False,
    },
)
print(resp.json()["data"]["id"])     # poll with the same wait_for_result()

Das Ergebnis wird genauso wie in Schritt 1 abgefragt. Du kannst jeden Beitrag über die Engine laufen lassen, die deine konkrete Figur am besten rendert — und das findest du nur heraus, indem du zwei oder drei testest. Genau das erlauben SaaS-Angebote mit nur einem Modell nicht.

Schritt 4 — Einen Beitrag in ein Reel verwandeln (optional)

Ein Feed braucht Bewegung. Sobald du ein Bild hast, mit dem du zufrieden bist, übergib es einem Bild-zu-Video-Modell. Dreamina Seedance 2.0 animiert ein Standbild, behält dabei den Bildausschnitt bei und unterstützt eine vertikale Ausgabe im Format 9:16, wie sie Reels und Shorts benötigen:

resp = requests.post(
    "https://gptproto.com/api/v3/bytedance/dreamina-seedance-2-0-260128/image-to-video",
    headers={
        "Authorization": API_KEY,                # Seedance: same raw key, NO "Bearer"
        "Content-Type": "application/json",
    },
    json={
        "prompt": "she turns to the camera and smiles, subtle hair movement",
        "image": "https://your-cdn.com/locked-post.png",   # single URL, not an array
        "last_image": "",
        "aspect_ratio": "9:16",
        "duration": 5,
        "resolution": "720p",
        "is_upload_media": "true",
        "generate_audio": True,
        "camera_fixed": False,
        "seed": -1,
    },
)
print(resp.json()["data"]["id"])     # poll with wait_for_result()

Ein 5 Sekunden langer 9:16-Clip in 720p kostet $0.8316; bei 480p sind es $0.3867, bei 1080p $1.8711. Der günstigste quadratische Clip in 480p beginnt bei $0.2957.

Der ehrliche Vorbehalt: Auf GPT Protos Modellseite steht, dass Seedance 2.0 strenge Gesichtserkennungsfilter verwendet und die Konsistenz der Figur bei längeren Aufnahmen abweichen kann, sodass manchmal Tricks wie Raster-Overlays nötig sind. Für Influencer bedeutet das: Halte Clips kurz, fixiere den Seed, sobald du einen guten gefunden hast, und erwarte nicht, dass ein 15-Sekunden-Clip das Gesicht so zuverlässig beibehält wie ein 5-Sekunden-Clip. Bewegung ist der Teil dieses Workflows, der nach wie vor wirklich schwierig ist.

Was der Betrieb tatsächlich kostet — und ob „passives Einkommen“ real ist

Hier ist die Rechnung, die jeder andere Leitfaden auslässt. Bei den dokumentierten Pauschalpreisen kostet ein Monat mit einem täglichen Beitrag auf Seedream 30 × $0.0298 = etwa $0.89. Dazu kommen vier kurze 720p-Reels für jeweils $0.8316 — weitere $3.33. Deine reinen Generierungskosten für einen Monat mit täglichen Beiträgen plus wöchentlichen Videos liegen damit bei ungefähr $4.20. Das ist die gesamte Produktionslinie, verglichen mit den $19–99 pro Monat, die Abonnement-Tools verlangen, bevor du auch nur ein einziges Bild erstellt hast.

Stell dem nun die Einnahmenseite gegenüber. Aitanas durchschnittlicher Monatsverdienst von etwa €3.000, laut ihren Entwicklern über Euronews, basiert auf Generierungskosten im einstelligen Dollarbereich. Diese Differenz ist der Grund, warum Agenturen virtuelle Models entwickeln.

Aber „passiv“ ist das falsche Wort, und jeder, der es als passiv verkauft, verkauft einen Traum. Die Realität laut derselben Berichterstattung: Aitana wird von einem Team aus etwa elf Personen betrieben, die sich wöchentlich treffen, um zu planen, was sie „tut“ — wohin sie reist, was sie postet und wie sie antwortet. Euronews zitiert ihre Designer mit der Aussage, dass Menschen Leben folgen, nicht Bildern; das konsistente Gesicht ist notwendig, aber nicht ausreichend. Die Arbeit hat sich vom Fotoshooting in eine Schreibstube verlagert. Du entkommst der Arbeit nicht; du tauschst Beleuchtungsanlagen gegen Prompt Engineering, Storytelling und einen regelmäßigen Veröffentlichungsrhythmus. Der günstige Teil sind die Pixel. Der teure Teil ist nach wie vor die Aufmerksamkeit.

Compliance einhalten (und vermeiden, dass dein Konto gelöscht wird)

Zwei Risiken können das gesamte Projekt zunichtemachen. Kümmere dich darum, bevor du ein Publikum aufbaust, nicht danach.

Die Offenlegung kommt zuerst. Meta kennzeichnet KI-Inhalte laut seinem eigenen Transparency Center seit Mai 2024 mit „AI Info“ und erkennt sie über eingebettete Herkunftssignale oder eine Offenlegung durch den Creator. 2026 fügte Instagram eine optionale Kennzeichnung auf Kontoebene hinzu, die angibt, dass ein Profil KI-generierte oder KI-veränderte Inhalte veröffentlicht. Bei organischen Beiträgen erfolgt die Kennzeichnung weitgehend automatisch oder freiwillig; für bezahlte und gesponserte Inhalte sind die Anforderungen strenger und werden verschärft — laut Berichten ist die KI-Offenlegung in Anzeigen ab 2026 verpflichtend, wobei sich die genauen Regeln ändern. Prüfe daher die aktuellen Bedingungen anhand der offiziellen Richtlinien jeder Plattform, bevor du Kampagnen startest. Meine Einschätzung: Lege proaktiv offen, dass KI verwendet wurde. Ein sichtbarer Hinweis „mit KI erstellt“ schadet dem Engagement nicht so sehr, wie Creator befürchten, und beseitigt den wichtigsten Grund dafür, dass ein erfolgreiches Konto markiert wird.

Das zweite Risiko betrifft die Person, deren Gesicht du generierst. Halte die Figur vollständig synthetisch. Eine echte, identifizierbare Person zu generieren — eine Berühmtheit, einen Bekannten oder irgendjemanden, der nicht zugestimmt hat — birgt das tatsächliche rechtliche und plattformbezogene Risiko, und keine noch so große Offenlegung kann das beheben. Eine konsistente, fiktive Persona ist die markensichere Version dieses gesamten Vorgehens.

Häufige Fehler und Lösungen

• 401 Unauthorized: In neun von zehn Fällen hast du aus Gewohnheit ein Bearer-Präfix hinzugefügt. GPT Proto erwartet bei jedem Modell den unveränderten Schlüssel — bei gpt-image-2, Seedream und Seedance. Entferne Bearer und überprüfe zuerst den Schlüssel selbst.
• 403 Forbidden: normalerweise ein unzureichendes Guthaben und kein Berechtigungsproblem. Lade Guthaben auf.
• 429 Too Many Requests: Du hast das Ratenlimit erreicht; reduziere die Frequenz und versuche es mit einer Verzögerung erneut.
• Content policy (als 400 zurückgegeben, mit 503 gekennzeichnet): Der Prompt oder die Ausgabe hat einen Sicherheitsfilter ausgelöst. Überarbeite den Prompt.
• Gesicht verändert sich zwischen Beiträgen: Verwende dasselbe Referenzbild und einen bewährten Seed erneut und formuliere den Szenen-Prompt präziser, damit das Modell seine Freiheit auf den Hintergrund und nicht auf das Gesicht verwendet.

Bereit, einen zu erstellen? Starte mit dem AI Influencer generator, um den Konsistenz-Workflow kennenzulernen. Öffne anschließend die gpt-image-2 model page für die vollständige API-Referenz und die Preise. Vergleiche die Preise pro Bild für jedes Modell, bevor du skalierst.