Captions AI Twin ist die AI-Twin-Funktion der Handy-App Captions vom Anbieter Mirage, die per Selfie einen sprechenden KI-Avatar von dir klont: Du scannst Gesicht und Stimme in rund 1 bis 1,5 Minuten, das Training läuft etwa 30 Minuten auf den Mirage-Servern, danach spricht dein Twin jeden Text mit deinem Gesicht und deiner Stimme. Diese Web-Edition ist das enge Schritt-für-Schritt-Tutorial fürs Tool. Die ganze Story und die Einordnung, warum der Avatar nur der Anfang ist, liest du im Blog: KI-Avatar in 10 Minuten.
Was ist Captions AI Twin genau?
Vor zwei Jahren brauchte ein digitaler Zwilling ein Studio, teure Software und tagelange Aufnahmen. Captions verlegt das auf eine App auf dem Handy. Der Avatar selbst ist dabei nicht der Hebel. Der Hebel ist das System drumherum: Skripte in Batches, der Avatar produziert die Videos, eine zweite KI liefert Captions, Hooks und Hashtags, am Ende läuft alles formatiert für Reels, TikTok und Shorts raus. Genau an so einer Content-Maschine im Hintergrund arbeite ich mit Claude Code. Der erste Baustein ist trotzdem der Avatar. Also fangen wir damit an.
Wie baue ich den AI Twin in Captions? (Schritt für Schritt)
- 1.Captions installieren. App Store öffnen, nach "Captions: KI-Kurzvideos" suchen, installieren. Anbieter ist Mirage. Stand Mai 2026: Platz 113 der Foto- und Video-Charts, 4,7 Sterne aus 3.802 Bewertungen. Kostenlos. Die Free-Variante hat 500 Credits, genug für mehrere Twin-Versuche und erste Videos. Die Bezahlversion "SCALE" brauchst du für den Twin-Bau nicht zwingend.
- 2.AI Twin starten. App öffnen. Auf dem Startbildschirm liegen vier Buttons: Video importieren, AI Edit, AI Twin, Video aufnehmen. Tippe auf AI Twin. Captions hat den Flow im April 2026 vereinfacht, der Button liegt jetzt direkt auf dem Hauptscreen. Wenn ein älteres Tutorial ihn unter "AI Edit" versteckt, ist es veraltet.
- 3.Datenschutz-Zustimmung geben. Es erscheint der Dialog "AI Twin erstellen". Mirage braucht deine Einwilligung, um Foto-, Stimm- und Gesichtsdaten zu erheben und für das Training zu verwenden. Der Avatar wird auf Mirage-Servern trainiert, nicht lokal auf deinem Handy. Die Einwilligung kannst du laut Anbieter jederzeit widerrufen. Wer DSGVO-sensibel oder geschäftlich arbeitet, liest vorher die Datenschutzrichtlinie. Dann auf "AI Twin erstellen" tippen.
- 4.Quelle wählen. Es öffnet sich ein Menü mit drei Optionen: Foto hochladen (aus der Galerie), Von der Kamera (klont dich per Selfie), Schauspieler beschreiben (KI generiert einen fiktiven Avatar aus einem Prompt). Für deinen eigenen Zwilling: Von der Kamera. Nur diese Variante klont dich selbst.
- 5.Selfie aufnehmen. Die Kamera startet mit dem Hinweis "Vergiss nicht zu lächeln". Frontalkamera, gut ausgeleuchtet, neutraler Hintergrund. Handy stabil halten, den Anweisungen folgen, die App scannt Gesicht und Stimme. Plane 1 bis 1,5 Minuten ein, in denen du auf den Bildschirm schaust und sprichst. Danach "AI Twin erstellen" tippen, hochladen, warten. Das Training dauerte bei mir rund 30 Minuten. Die App schickt eine Benachrichtigung, wenn dein Twin steht.
Danach gibst du dem Twin einen Text, und er spricht ihn aus. Mit deiner Stimme, deinem Gesicht, deiner Mimik.
Was bietet Captions AI Twin? (Steckbrief)
| Merkmal | Captions AI Twin |
|---|---|
| Anbieter | Mirage |
| App-Store-Wertung | 4,7 Sterne, 3.802 Bewertungen (Stand Mai 2026) |
| Free-Credits | 500 |
| Bezahlversion | SCALE (für den Twin-Bau nicht nötig) |
| Klon-Methode | Selfie per Frontkamera |
| Aufnahme | 1 bis 1,5 Minuten |
| Training | ca. 30 Minuten |
| Training-Ort | Mirage-Server, nicht lokal |
Captions vs HeyGen, Synthesia und D-ID: was ist der Unterschied?
Captions ist eine reine Handy-App. Der Klon entsteht per Selfie in unter 10 Minuten Aktivzeit, mit 500 Free-Credits ohne Vorab-Zahlung. HeyGen, Synthesia und D-ID sind dagegen als browser- und studiobasierte Avatar-Tools bekannt, die eher am Desktop bedient werden. Für den schnellsten Weg zum eigenen sprechenden Zwilling direkt vom Handy ist der Captions-Flow der kürzeste. Deshalb zeigt dieses Tutorial genau ihn. Welches Tool langfristig zu deinem Funnel passt, hängt vom System dahinter ab, nicht vom Avatar allein. Mehr dazu in KI-Content ohne eigene Marke-Stimme wird zum Problem.
Was kommt nach dem Avatar? Skript rein, Video raus
Das ist der Punkt, an dem die meisten aufhören und ein bisschen rumspielen. Das ist auch der Punkt, an dem der eigentliche Hebel beginnt: Skripte in Batches, Avatar produziert, zweite KI formatiert. Wie du daraus einen Content-Funnel ohne zusätzliche Mitarbeiter baust, steht in KI-Funnel ohne Mitarbeiter.
Die fertige 5-Screenshot-Checkliste plus DSGVO-Einwilligungs-Merkzettel gibt es als PDF zum Download. Lade sie dir oben über das Formular.