អត្ថបទត្រូវបានសរសេរជាភាសាឥណ្ឌូណេស៊ី។
Text to video adalah cara membuat video hanya dari tulisan. Kamu mendeskripsikan adegan dalam beberapa kalimat, misalnya "kucing oranye tidur di atas jendela saat hujan", lalu model AI menghasilkan klip video yang menggambarkan adegan itu. Tidak perlu kamera, foto, atau kemampuan animasi.
Teknologi ini membuka cara baru membuat konten, tapi juga punya batasan yang perlu kamu pahami supaya tidak kecewa. Artikel ini menjelaskan cara kerjanya secara sederhana, contoh prompt yang bisa langsung dicoba, perbedaannya dengan mode lain, dan hal-hal yang belum bisa dilakukan dengan baik.
Apa itu text to video?
Text to video adalah jenis AI generatif yang menerima masukan berupa teks (disebut prompt) dan menghasilkan keluaran berupa video. Di studio Videbro, mode ini bernama Dari teks. Semua model video yang tersedia mendukung mode ini, mulai dari Seedance dari ByteDance, Kling dari Kuaishou, Veo dari Google, sampai Wan dari Alibaba.
Hasilnya berupa klip pendek, biasanya beberapa detik sampai belasan detik, tergantung model. Beberapa model juga menghasilkan suara bersama gambarnya. Video yang lebih panjang dibuat dengan menggabungkan beberapa klip.
Bagaimana cara kerja text to video?
Secara sederhana, model text to video dilatih dengan sangat banyak contoh video beserta deskripsinya. Dari situ, model mempelajari hubungan antara kata dan tampilan: seperti apa "cahaya senja", bagaimana "ombak bergulung" bergerak, atau apa arti "kamera mendekat perlahan".
Saat kamu menulis prompt, model menyusun video baru frame demi frame yang sesuai dengan deskripsi itu, sambil menjaga agar gerakan antarframe tetap wajar. Model tidak mengambil video yang sudah ada lalu menempelkannya; ia membuat klip baru berdasarkan pola yang sudah dipelajari.
Karena itu, setiap kali kamu membuat video dengan prompt yang sama, hasilnya akan sedikit berbeda. Ini bukan kesalahan, melainkan sifat dasar AI generatif. Kalau kamu menyukai satu hasil, simpan dan unduh file itu.
Text to video vs image to video
Selain dari teks, video AI juga bisa dibuat dari foto. Berikut perbedaannya:
| Aspek | Dari teks | Dari foto | 2 foto |
|---|---|---|---|
| Masukan | Prompt saja | 1 foto + prompt | Frame awal + akhir + prompt |
| Kendali tampilan | Rendah, model menentukan wujud subjek | Tinggi, wujud subjek dari foto | Paling tinggi, awal dan akhir ditentukan |
| Kebebasan ide | Paling bebas | Terbatas pada isi foto | Terbatas pada dua foto |
| Cocok untuk | Ide baru, konsep, adegan imajinatif | Produk, potret, ilustrasi yang sudah ada | Transformasi dan transisi |
Kalau kamu butuh produk atau wajah tertentu muncul persis seperti aslinya, mode foto lebih tepat. Panduannya ada di cara mengubah foto jadi video AI dan video dengan frame awal dan akhir.
Anatomi prompt text to video yang baik
Karena semua informasi berasal dari tulisan, kualitas prompt sangat menentukan hasil. Prompt yang baik biasanya memuat lima unsur:
- Subjek — siapa atau apa yang terlihat.
- Aksi — apa yang dilakukan subjek.
- Latar — tempat dan waktu.
- Kamera — sudut dan gerakan kamera.
- Gaya — cahaya, warna, dan suasana.
Bandingkan dua prompt berikut. Yang pertama terlalu pendek, sehingga model harus menebak hampir semuanya:
Kucing lucu.
Kucing oranye gemuk tidur meringkuk di ambang jendela kayu, ekornya bergerak pelan. Di luar hujan turun dan tetesan air mengalir di kaca. Close-up, kamera diam, cahaya sore redup kebiruan, suasana tenang.
Prompt kedua memberi model gambaran lengkap, sehingga hasilnya lebih bisa ditebak. Contoh lain:
Tangan seorang koki menaburkan daun bawang di atas semangkuk mi ayam yang mengepul, di dapur warung sederhana. Kamera close-up dari samping, mendekat perlahan. Cahaya hangat dari lampu gantung.
Pemandangan udara kebun teh berundak di lereng gunung pada pagi berkabut. Kamera drone bergerak maju perlahan di atas barisan tanaman teh. Warna hijau segar, cahaya matahari lembut menembus kabut.
Panduan lengkap menulis prompt ada di cara menulis prompt video AI, dan kumpulan ide siap pakai ada di contoh prompt video AI.
Kelebihan dan batasan text to video
Kelebihan
- Tidak butuh aset apa pun. Ide di kepala sudah cukup untuk mulai.
- Cepat untuk eksplorasi. Kamu bisa mencoba beberapa konsep visual dalam waktu singkat sebelum memutuskan arah.
- Bisa membuat adegan yang sulit direkam, seperti pemandangan udara, cuaca tertentu, atau dunia fantasi.
- Biaya bisa diperkirakan. Di Videbro, harga dihitung per detik dan tampil sebelum kamu membuat.
Batasan
- Teks dan logo di dalam video sering tidak terbaca atau berubah bentuk. Tambahkan teks saat mengedit.
- Detail kecil seperti tangan dan jari kadang terlihat janggal, terutama saat bergerak cepat.
- Konsistensi karakter antarklip sulit dijaga kalau hanya memakai teks. Lihat konsistensi karakter video AI.
- Cerita panjang dalam satu prompt biasanya gagal. Model bekerja paling baik untuk satu momen per klip.
- Produk spesifik tidak akan muncul persis seperti aslinya, karena model hanya mengandalkan deskripsi. Untuk produk, pakai mode foto.
Contoh penggunaan text to video
Mode Dari teks paling berguna ketika kamu belum punya materi visual atau ketika adegan yang kamu bayangkan sulit direkam sendiri. Beberapa contoh penggunaannya:
- B-roll untuk video YouTube, seperti suasana kota, alam, atau kegiatan sehari-hari yang menemani narasi. Lihat B-roll dengan video AI.
- Konten media sosial bertema suasana, misalnya video hujan, kopi pagi, atau pemandangan untuk kutipan.
- Visual pendukung presentasi dan materi belajar yang menggambarkan konsep secara visual.
- Konsep iklan sebelum kamu memutuskan untuk syuting atau memakai foto produk asli.
Mencoba text to video pertama kali
Untuk mulai, pilih mode Dari teks di studio, tulis prompt dengan lima unsur di atas, lalu atur model, durasi, resolusi, dan rasio. Biayanya dihitung per detik. Contoh:
- Veo 3.1 Lite 720p 4 detik = 17 × 4 = 68 kredit (sekitar Rp6.800), bisa memakai 80 kredit gratis akun baru.
- Seedance 2.0 Fast 720p 5 detik = 40 × 5 = 200 kredit (sekitar Rp20.000).
- Kling 3.0 720p 5 detik tanpa suara = 28 × 5 = 140 kredit (sekitar Rp14.000).
Kalau proses gagal atau ditolak sistem penyedia model, kredit yang tertahan dikembalikan otomatis. Untuk memilih model, lihat halaman model atau perbandingan model video AI. Gambaran alur lengkapnya ada di cara membuat video AI.
Tulis satu adegan dan lihat bagaimana AI mengubahnya jadi video.
Buka studioPertanyaan yang sering muncul
Apakah text to video bisa membuat video panjang?
Satu klip terbatas pada durasi model, misalnya sampai 15 detik di Seedance dan Kling, atau sampai 30 detik di Wan 3.0. Video yang lebih panjang dibuat dengan menggabungkan beberapa klip di aplikasi edit.
Apakah prompt harus dalam bahasa Inggris?
Tidak harus. Kamu bisa menulis dalam bahasa Indonesia. Perbandingan hasilnya dibahas di prompt bahasa Indonesia atau Inggris.
Kenapa hasil video berbeda walau prompt-nya sama?
AI generatif membuat klip baru setiap kali dijalankan, sehingga detailnya bervariasi. Kalau kamu menyukai satu hasil, unduh dan simpan file tersebut.
Apakah video hasil text to video boleh dipakai untuk konten jualan?
Boleh, selama isinya tidak melanggar kebijakan konten dan tidak meniru wajah, merek, atau karya orang lain tanpa izin. Baca kebijakan konten video AI untuk batasannya.
