Penulis: Tim Konten Changan I Biteye
Apakah seseorang yang belum pernah mengedit video sama sekali bisa membuat video pendek AI dengan alur cerita, dialog, dan perpindahan kamera?
Bisa, dan seluruh prosesnya tidak lebih dari setengah hari.
Artikel ini mengajarkan Anda cara: memikirkan sebuah cerita → memecahnya menjadi adegan-adegan → menghasilkan video → mengeditnya menjadi sebuah film.
Tidak perlu dasar apa pun, ikuti langkahnya sekali, dan Anda akan mendapatkan satu video pendek AI yang lengkap.
Satu, Dari Ide ke Cerita: Video AI Tidak Dibuat Hanya dengan Satu Prompt
Banyak orang memulai membuat video AI dengan membuka Jimeng, lalu duduk memandangi kotak input, bingung harus menulis apa. Setelah mengetik beberapa kata, hasil yang dihasilkan sangat jauh dari yang dibayangkan, lalu mulai meragukan apakah alatnya tidak bagus atau apakah mereka tidak bisa menulis prompt yang baik.
Misalnya, "Saya ingin membuat Biteye Xiao Shimei重生 di dunia kripto menjadi orang besar," ini adalah sebuah ide, bukan sebuah cerita.
Ide adalah arah, yang memberi tahu Anda secara umum apa yang harus dilakukan. Cerita adalah struktur, yang memberi tahu Anda apa yang harus difilmkan di setiap adegan. Dari ide ke cerita, ada pekerjaan yang harus dilakukan, dan pekerjaan itu adalah perencanaan naskah.
Cara paling sederhana adalah membuka LLM apa pun, langsung beri tahu ide samar di pikiranmu, dan biarkan ia membantu mengembangkan ceritamu. Kamu tidak perlu memikirkan semua detailnya sendiri; kamu hanya perlu memberikan arahan, dan sisanya bisa kamu telusuri bersamanya.
Setelah alur cerita ditentukan, jangan langsung membagi menjadi adegan, tetapi pisahkan terlebih dahulu menjadi beberapa bagian besar sesuai irama narasi, dengan jelas menentukan inti utama setiap bagian. Langkah ini bertujuan untuk mengendalikan irama keseluruhan, agar tidak ada bagian yang terlalu lambat atau terlalu terburu-buru.
Setiap video Dream Clip maksimal 15 detik, namun dalam praktiknya, durasi di bawah 12 detik paling stabil dengan probabilitas masalah gambar paling rendah. Untuk video akhir 1 menit, dengan asumsi setiap fragmen rata-rata 10 detik, diperlukan sekitar 5 fragmen.
Kami membagi cerita kami menjadi lima paragraf:
Paragraf satu: Pembukaan, tugas utama adalah menjelaskan latar dan karakter.
Paragraf dua: Melintasi, tugas utama adalah menjelaskan garis waktu.
Paragraf tiga: Tunjukkan perubahan karakter dari kebingungan menjadi sadar.
Hitung kekayaan, dorong emosi hingga puncaknya.
Paragraf lima: Selesaikan pembalikan, menciptakan siklus tertutup dengan pembukaan.
Setelah paragraf ditentukan, pecah setiap paragraf menjadi deskripsi adegan spesifik. Untuk setiap adegan, tulis empat elemen: subjek gambar, lokasi, sedang melakukan apa, sudut pengambilan. Jangan tulis gerakan dalam storyboard, hanya deskripsikan momen statis.
Salin skrip paragraf satu ke kotak obrolan AI, masukkan "Bantu saya membuat deskripsi adegan berdasarkan skrip di Skenario Satu", hasilnya sebagai berikut👇
Kedua, dari cerita ke gambar: tetapkan karakter, adegan, dan storyboard terlebih dahulu
Ini adalah bab paling inti dalam seluruh proses, di mana kualitas gambar yang Anda hasilkan di sini secara langsung menentukan batas atas kualitas video akhir.
Buat tiga tampilan terlebih dahulu, kunci pahlawan Anda
Sebelum membuat sketsa apa pun, hal pertama yang harus dilakukan adalah membuat gambar tiga sisi karakter utama.
Tiga tampilan adalah tiga gambar dari karakter yang sama, yaitu depan, samping, dan belakang, dengan tujuan menetapkan bentuk tubuh karakter tersebut, sehingga untuk semua adegan yang dihasilkan selanjutnya, ketiga gambar ini menjadi acuan untuk menjaga konsistensi karakter.
Jika Anda melewati langkah ini dan langsung menghasilkan storyboard, Anda akan menemukan bahwa karakter yang dihasilkan setiap kali berbeda penampilannya—rambut berubah, bentuk wajah berubah—video ini sama sekali tidak bisa dilanjutkan.
Buka ChatGPT/Seedream, ketik di kotak obrolan:
Buatkan saya gambar tiga tampilan Xiao Meimei Biteye
AI akan menghasilkan gambar dengan tiga sudut pandang dari satu tokoh yang sama; jika hasilnya jauh berbeda dari yang Anda inginkan, Anda dapat mengunggah gambar referensi.
Setelah puas dengan tiga tampilan, unduh gambar ini, dan setiap kali membuat video berikutnya, unggah kembali gambar ini sebagai referensi.
Buat gambar referensi skenario lagi, kunci latar belakang Anda
Setelah peran ditentukan, gunakan logika yang sama untuk menghasilkan gambar referensi terlebih dahulu untuk adegan Anda, ketikkan di kotak dialog: "Bantu saya menghasilkan gambar kantor"
Sebelum memulai pembuatan storyboard secara resmi, Anda perlu memahami konsep dasar: shot adalah unit ekspresi terkecil dalam video.
Kamera juga bisa berbicara, berbagai jenis jarak bidikan menyampaikan informasi yang berbeda; jenis-jenis jarak bidikan yang umum antara lain:
Wide shot: Provides context; the audience learns where the scene is set and which characters are present through the wide shot.
Medium shot: Used to advance the plot, clearly showing actions and expressions; it is the most commonly used shot type in storytelling.
Close-up: Fokus pada wajah, tangan, atau alat penting tertentu, perbesar detail untuk memberikan dampak emosional yang kuat kepada penonton.
Setelah memahami satu adegan, Anda perlu melangkah lebih jauh: sebuah video bukanlah satu adegan, melainkan hasil kombinasi beberapa adegan yang disusun sesuai irama.
Dalam produksi nyata, kami biasanya menggunakan "grid 4 kotak" dan "grid 9 kotak" untuk mengatur struktur shot dalam sebuah video—yaitu, mengatur 4 atau 9 shot dalam satu video untuk menyampaikan pesan secara utuh.
Pilihan grid 4x4 dan 9x9 pada dasarnya adalah pengendalian ritme:
Bagian dengan ritme lambat: misalnya, pembukaan yang memperkenalkan lingkungan atau penutupan emosional, cukup gunakan grid 4x4; empat adegan memberikan ruang yang cukup agar setiap gambar dapat bernapas.
Bagian dengan ritme cepat: misalnya adegan pertarungan puncak, kamera perlu beralih cepat untuk menciptakan ketegangan, pada saat ini gunakan grid 3x3, sembilan adegan ditekan ke dalam satu video, hasil potongannya sama sekali berbeda.
Setelah memahami sudut pandang dan ritme, Anda dapat mulai memasuki proses produksi nyata: mengubah cerita abstrak menjadi gambar yang konkret.
Setelah gambar tiga sudut karakter dan referensi adegan siap, langkah selanjutnya adalah mengubah deskripsi storyboard yang telah ditulis sebelumnya, satu per satu, menjadi gambar visual. Alasannya sederhana: AI lebih unggul dalam menangani "frame tunggal yang pasti" daripada "proses perubahan berkelanjutan", dan juga secara signifikan mengurangi tingkat keacakan.
Cara spesifiknya adalah:
Setiap kali menghasilkan satu adegan, unggah gambar tiga pandangan karakter dan gambar referensi latar yang sesuai ke dalam percakapan ChatGPT, lalu masukkan prompt generasi adegan yang baru saja dibuat.
Bantu saya membuat gambar four-panel storyboard berdasarkan ringkasan cerita + deskripsi storyboard (sertakan kata storyboard yang sebelumnya dihasilkan AI), sertakan gambar latar + gambar karakter
Model akan membagi adegan ini menjadi empat adegan berdasarkan informasi storyboard yang Anda berikan, dan memastikan konsistensi karakter dan latar, hasilnya sebagai berikut:
💡 Tips kecil, ada beberapa jebakan umum dalam text-to-image; mengetahuinya sebelumnya bisa menghemat banyak percobaan:
Ingin menghasilkan adegan karakter memegang ponsel untuk bermain game, layar ponsel yang dihasilkan akan otomatis berputar menghadap penonton. Logika AI adalah membuat "konten dapat dibaca", sehingga bermain game menjadi polusi gambar. Cara yang benar adalah: "pegang ponsel secara horizontal dengan kedua tangan, layar menghadap ke wajah karakter, bagian belakang ponsel menghadap ke kamera."
Kata profesional akan membuat AI membayangkan seluruh adegan: menulis "perawat", AI akan membayangkan rumah sakit; menulis "koki", AI akan membayangkan dapur. Cara yang benar adalah: hanya deskripsikan pakaian yang benar-benar Anda inginkan, jangan sebut nama profesi.
Gambar yang dihasilkan dari teks hanya dapat menghasilkan gambar diam, "sedang memutar kepala" tidak memiliki status visual yang sesuai. Cara yang benar adalah: hanya menggambarkan hal-hal yang ada pada frame ini.
Tiga: Dari gambar ke video: tulis petunjuk sebagai tindakan, jangan tulis ulang gambar
Semua storyboard sudah siap, sekarang kita akan mengubahnya menjadi video yang bergerak.
🌟 Daftar dan impikan
Buka browser, cari "Ji Meng AI", lalu masuk ke situs resmi. Klik login di kanan atas, Anda dapat mendaftar dengan akun Douyin atau nomor telepon, akses langsung tersedia di dalam negeri.
Pengguna baru dapat membuat video 15 detik secara gratis. Jika Anda memerlukan keanggotaan awal, Biteye Xiao Shimei juga membandingkan harga Seedance 2.0 di berbagai platform, selengkapnya lihat: >>> <Strategi Berlangganan Seedance 2.0 dengan Biaya Terendah di Seluruh Jaringan>
🌟 Bagaimana cara menulis prompt video?
Ini adalah bagian paling krusial dalam langkah ini, dan juga tempat paling sering salah ditulis oleh pemula.
Masukkan semua gambar referensi sekaligus; JiMeng mendukung unggah banyak gambar referensi sekaligus, cukup seret gambar ke kotak obrolan. Seret semua bahan yang telah Anda siapkan di bab sebelumnya—gambar tiga sudut karakter, gambar referensi latar, atau gambar storyboard 4 kotak atau 9 kotak—sekali seret saja, JiMeng akan menggabungkan informasi dari semua gambar ini untuk menghasilkan video.
Banyak pemula membuat kesalahan ini, yaitu mendeskripsikan ulang apa yang ada di layar. Artinya, mimpi sudah bisa melihat gambar yang Anda unggah, sehingga tidak perlu Anda beri tahu apa yang ada di layar.
Petunjuk harus menuliskan: apa yang bergerak dalam adegan, bagaimana gerakannya, apakah kamera sedang bergerak, dan apa yang terjadi dalam setiap periode waktu.
Ikuti template berikut, setiap baris sesuai dengan waktu tertentu dalam video:
Bantu saya merujuk pada gambar storyboard di atas, buatkan sebuah video.
[detik awal hingga detik akhir], [jenis adegan], [gaya kamera], [tokoh atau subjek]+[tindakan spesifik], efek suara: [deskripsi suara].
🌟 Deskripsi suara adalah bagian yang paling sering diabaikan oleh pemula. Jika video memiliki dialog, menulis hanya "suara berbicara" tidak cukup, karena model akan menghasilkan suara secara acak sebagai referensi. Untuk memastikan konsistensi suara karakter di berbagai video, ada dua cara:
1️⃣ Gunakan audio paragraf pertama sebagai referensi
Hasilkan terlebih dahulu video pertama, setelah puas dengan hasilnya, ekstrak audio dari video tersebut secara terpisah. Untuk setiap bagian berikutnya yang dihasilkan, unggah audio ini sebagai referensi suara, sehingga AI akan merujuk pada nada suara ini untuk menghasilkan suara manusia pada bagian-bagian selanjutnya, memastikan konsistensi suara.
2️⃣ Gunakan Fish Audio untuk mencari referensi suara
Buka Fish Audio, cari suara yang sesuai dengan karakter, dengarkan, lalu unduh satu bagian sebagai audio referensi. Gunakan audio referensi ini secara konsisten untuk setiap bagian video agar suara seluruh film tetap seragam.
🌟Gunakan tanda baca untuk mengontrol nada suara AI
Tulis naskah untuk model suara AI, bukan hanya memasukkan teks dan selesai. Kalimat yang sama, dengan tanda baca berbeda, bisa menghasilkan nada yang sama sekali berbeda.
Logika utamanya adalah: tanda baca mengontrol jeda, jeda menentukan emosi.
…… Tanda elipsis memutus suara tetapi tetap mempertahankan napas, cocok untuk keadaan berpikir, ragu-ragu, atau kalimat yang belum selesai.
......! Digunakan secara kombinasi, adalah ledakan tiba-tiba setelah penekanan.
() Konten dalam tanda kurung volume otomatis diredam, menjadi suara bisik, cocok untuk monolog batin dan berbicara sendiri.
*Konten* Kata yang dikelilingi tanda bintang akan menjadi lebih rendah, lebih lambat, dan lebih berat, digunakan untuk menekankan informasi penting.
[] Tulis instruksi di dalam tanda kurung siku, bukan dialog, misalnya [tarik napas dalam-dalam], [berhenti 1 detik], model akan melakukan tindakan, bukan mengucapkannya.
💡Tips Kecil:
AI tidak memiliki kesadaran arah, sering kali tidak bisa membedakan kiri dan kanan, sehingga perlu dibuatkan "gambar referensi hubungan posisi" untuk memberi tahu AI bagaimana karakter bergerak, seperti pada Gambar 1. Ada juga cara sederhana: gunakan panah untuk menggambarkan lintasan gerak karakter, lalu tambahkan "hapus panah" di akhir.
Tulis perlahan, jangan tulis cepat. Model lebih stabil dalam memproses gerakan lambat daripada gerakan cepat. Untuk adegan yang membutuhkan ritme cepat, prioritaskan penggunaan kecepatan suntingan, bukan membuat model menghasilkan gerakan cepat.
Setiap video harus diunggah dengan gambar referensi, jangan hanya mengunggah sekali. Model tidak memiliki memori lintas bagian; tanpa mengunggah gambar referensi, penampilan karakter akan menyimpang.
Empat: Dari potongan menjadi film utuh: penyuntingan menentukan kualitas akhir video
Pengeditan dan pasca-produksi adalah langkah yang memperindah keseluruhan proses; setiap bahan yang dihasilkan sebelumnya bersifat terpisah, warnanya mungkin berbeda, ritmenya tidak lancar, dan suaranya terpisah-pisah, tugas pengeditan adalah menyatukan potongan-potongan ini menjadi sebuah cerita yang utuh.
Setelah video ditambahkan musik, emosi penonton menjadi lebih terdorong; dengan tambahan subtitle, dialog menjadi lebih jelas. Bahan yang sama, jika diedit dengan baik atau buruk, hasil akhirnya bisa berbeda satu tingkat.
Langkah-langkahnya ada empat: menyusun bahan → menyamakan warna → menambahkan suara → menambahkan subtitle, lalu ekspor.
Langkah pertama: Susun bahan
Buka CapCut, seret semua klip ke timeline sesuai urutan adegan. Abaikan warna dan suara terlebih dahulu, pastikan urutannya benar, tinjau keseluruhan ritmenya, dan potong bagian yang terlalu panjang pada langkah ini.
Langkah kedua: Gunakan warna yang seragam
Fragmen yang dihasilkan pada waktu berbeda mungkin memiliki perbedaan kecil dalam suhu warna dan kecerahan, sehingga terlihat terpisah saat diletakkan bersama. Solusi: Pilih semua fragmen, tambahkan filter secara keseluruhan di bagian 'Penyesuaian', gunakan nuansa biru dingin untuk adegan pertama, lalu ganti ke nuansa kuning hangat untuk adegan kedua dan seterusnya—cukup pertahankan konsistensi warna di dalam setiap adegan.
Langkah ketiga: Tambahkan musik latar dan efek suara
Suara dialog sudah diproses saat pembuatan video, langkah ini terutama menambahkan dua jenis suara: musik latar dan efek suara lingkungan.
Musik latar menentukan nada emosional keseluruhan, volume ditekan di bawah 30% dari dialog, jangan sampai menutupi suara manusia.
Langkah keempat: Tambahkan subtitle
Gunakan fitur "Subtitle Cerdas" di JianYing untuk mengenali dialog secara otomatis, setelah pengenalan selesai, periksa kembali kesalahan ejaan, dan seragamkan font serta posisi. Untuk narasi atau dialog internal, disarankan untuk membedakan gayanya dari dialog normal, misalnya dengan menggunakan italic atau warna berbeda.
V. Dari Alat ke Ekspresi: Apa yang Benar-Benar Diubah oleh Video AI
Pada artikel sebelumnya, "GPT Image 2.0 Menguatkan Seedance 2.0: Setiap Orang Bisa Membuat Film Hollywood", kami berpendapat bahwa di era AI: "membuat video" telah menurunkan hambatan, sehingga di masa depan setiap orang dapat membuat film Hollywood.
Tetapi, ambang yang rendah tidak berarti Anda bisa melakukannya.
Semua alat tersedia terbuka, dan tutorialnya juga mudah ditemukan, tetapi kebanyakan orang terjebak di titik yang sama: tidak pernah menyelesaikan satu siklus penuh.
Artikel ini telah membimbing Anda dari sebuah ide yang samar hingga menjadi sebuah video lengkap.
Dulu, proses ini memerlukan serangkaian spesialisasi profesional: penulis naskah, storyboard, seni, fotografi, dan penyuntingan, setiap tahap merupakan sebuah hambatan.
Dan sekarang, tahapan-tahapan ini tidak hilang, hanya saja dipadatkan menjadi satu proses.
Ini berarti perubahan yang lebih mendasar: video bukan lagi produk dari «kemampuan produksi», tetapi mulai menjadi produk dari «kemampuan ekspresi».