Cara Membuat Video Pendek AI: Hooks, Captions, dan B-Roll

Diperbarui terakhir: June 28, 2026

Video vertikal berformat pendek adalah satu-satunya format yang masih menghasilkan jangkauan yang tidak bisa saya beli di tempat lain, dan AI kini melakukan bagian-bagian yang dulu membuat saya gentar: hook, b-roll, keterangan (captions), dan pemotongan dari rekaman panjang menjadi klip padat. Saya menerbitkan sekitar 120 video pendek kuartal lalu menggunakan alur kerja ini, dan inilah urutan persis yang saya jalankan — menulis hook tiga detik, menghasilkan atau mengambil b-roll, membakar keterangan, memotongnya sesuai durasi, dan memposting.

Untuk model di balik klip-klip tersebut, saya mengandalkan Sora video generator dan Runway Gen-3 video; pemotongan akhir dan efeknya ada dalam catatan AI video editing kami. Berikut adalah cara kerja perakitan video pendek itu sebenarnya.

Jawaban cepat: bagaimana membuat video pendek dengan AI?

Pilih satu ide, tulis hook yang memuaskan di tiga detik pertama, hasilkan atau kumpulkan b-roll selama lima hingga delapan detik, transkripsi dan bakar keterangan, potong menjadi kurang dari 60 detik pada rasio 9:16, dan posting. Itulah seluruh siklusnya. AI menangani empat langkah tersebut — pembuatan b-roll, transkripsi, pemberian keterangan, dan pemotongan panjang ke pendek — tetapi Anda tetap menulis hook dan memilih potongan klipnya.

Saya menguji urutan yang persis ini pada saluran keuangan tanpa wajah (faceless) dan saluran produk dengan pembicara langsung (talking-head), dan urutannya berhasil untuk keduanya. Keputusan kreatifnya sempit tetapi penting: hook menentukan apakah ada orang yang melihat detik kedua, dan gaya keterangan menentukan apakah penonton yang menonton dalam mode senyap tetap bertahan.

Apa yang dihitung sebagai video pendek, dan apa yang diinginkan platform?

Video pendek itu vertikal, 9:16, kurang dari tiga menit, dan dibuat untuk autoplay dengan suara mati. Ketiga platform tersebut mendefinisikan batasnya secara berbeda, dan panjang aman lebih pendek daripada maksimum.

Dua aturan dari platform membentuk segalanya. Menurut YouTube's Shorts guidance, Short harus vertikal dan 60 detik atau kurang atau itu sama sekali bukan Short — itu akan diklasifikasikan sebagai video biasa dan kehilangan feed Shorts. Reels best practices Instagram mendorong batasan hanya vertikal yang sama dan menghargai teks serta keterangan karena begitu banyak orang menonton dalam mode senyap.

Intinya secara praktis: selalu merekam atau merender 9:16, menulis untuk penonton yang senyap, dan menjaga hook di tiga detik pertama. Saya memperlakukan 30 detik sebagai standar saya dan hanya membuatnya lebih panjang ketika idenya benar-benar membutuhkan ruang gerak (runway).

Hook: menulis pembuka tiga detik yang menarik perhatian hingga selesai

Hook adalah hal dengan daya ungkit tertinggi yang Anda tulis, dan AI biasa saja dalam hal itu, jadi saya menulis hook sendiri dan menggunakan AI hanya untuk mengujinya. Sebuah hook melakukan salah satu dari empat pekerjaan: membuat janji, menyatakan ketegangan, menunjukkan hasil, atau mengajukan pertanyaan yang perlu dijawab oleh penonton.

Hook yang saya ukur sebagai berhasil:

• "Ini menghabiskan waktu enam jam. Ini versi 30 detik."
• "Tidak ada yang memberitahu Anda hal ini tentang [topik] sampai itu merugikan uang Anda."
• "Saya menguji [alat] selama 30 hari. Hasilnya tidak seperti yang saya harapkan."
• "Tiga detik kemudian, saksikan apa yang terjadi pada harga."

Saya menulis lima hook, menempelkannya ke prompt generator video sebagai teks di layar, dan memilih yang paling cepat dibaca. Bingkai pertama harus membawa hook secara visual, karena keterangan belum terbaca pada detik nol.

B-roll dan visual: menghasilkan rekaman ketika Anda tidak memilikinya

Jika Anda tampil di kamera, b-roll adalah wajah Anda ditambah potongan adegan (cutaways). Jika Anda tanpa wajah, b-roll adalah seluruh video, dan di sinilah rekaman AI mendapatkan nilainya. Saya menghasilkan establishing shots, close-up produk, dan klip gerakan abstrak, lalu meletakkan naskrip di bawahnya.

Alur kerja tanpa wajah yang saya jalankan setiap minggu:

1. Tulis naskrip 60 detik dan bagi menjadi enam hingga delapan bidikan (shots).
2. Hasilkan setiap bidikan sebagai klip lima detik dari text prompt.
3. Pertahankan gaya yang konsisten dengan menggunakan kembali deskriptor gaya yang sama di setiap prompt.
4. Susun klip sehingga masing-masing cocok dengan baris yang sedang dibicarakan.
5. Tambahkan suara latar (voiceover) dari suara AI yang dikloning atau stok.
6. Bakar keterangan dan ekspor pada 9:16.

Batas sebenarnya: Klip buatan AI cenderung menyimpang. Cangkir kopi berubah bentuk di antara bidikan, teks dalam bingkai menjadi kabur, dan identitas tidak terkunci melintasi potongan adegan. Saya menghasilkan tiga pengambilan (takes) untuk setiap bidikan dan memilih yang paling bersih, dan saya menghindari meminta model untuk teks atau logo di layar. Ketika saya membutuhkan rekaman yang bisa dipercaya, saya menggabungkan klip buatan dengan stok agar potongannya tidak semuanya terlihat sintetis.

Keterangan: teks di layar yang membuat penonton autoplay senyap tetap menonton

Keterangan (Captions) adalah hal yang tidak bisa ditawar karena sebagian besar penayangan video pendek dimulai dalam mode senyap. Saya melakukan transkripsi otomatis pada audio, kemudian menata gaya kata-kata sehingga mudah dibaca pada pandangan pertama. Ekspor keterangan AI standar dapat digunakan tetapi jelek, jadi saya menghabiskan dua menit untuk tipenya.

Aturan keterangan yang saya ikuti:

• Satu hingga tiga kata per kartu keterangan, disinkronkan dengan irama ucapan.
• Tempatkan kata-kata di sepertiga atas-tengah, bebas dari UI platform dan bilah komentar.
• Gunakan sans-serif tebal dengan garis atau latar belakang untuk kontras.
• Sorot kata kunci dalam warna kontras untuk menahan pandangan mata.
• Jaga keterangan di dalam zona aman agar tetap bertahan saat diposting ulang di berbagai aplikasi.

Transkripsi itu sendiri saya perlakukan sebagai draf. AI salah pada nama diri, angka, dan istilah teknis, dan satu kata yang salah dalam keterangan dibaca sebagai kesalahan oleh penonton. Saya membacakan setiap keterangan dengan suara keras melawan audio sebelum mengekspornya.

Mendaur ulang video panjang menjadi klip pendek

Mendaur ulang adalah tempat di mana AI membayar paling cepat, karena video panjang sudah ada dan satu-satunya pertanyaan adalah bagian tiga puluh detik mana yang layak dipotong. Saya mengambil rekaman 20 menit dan menarik empat hingga enam short darinya dalam sekali duduk.

Metode yang saya gunakan:

1. Masukkan video panjang dan jalankan transkripsi AI dengan pergantian pembicara (speaker turns).
2. Minta alat untuk menandai momen di atas ambang batas tingkat tontonan atau keterlibatan.
3. Tarik setiap momen yang ditandai dan potong sepuluh detik ruang gerak di sisi kiri dan kanan.
4. Bingkai ulang rekaman horizontal menjadi 9:16 menggunakan pelacakan otomatis pada pembicara.
5. Potong ulang hook ke depan sehingga setiap klip dibuka dengan baris terkuatnya.
6. Bakar keterangan baru dan publikasikan setiap short sebagai postingan tersendiri.

Pembingkaian ulang (Re-framing) adalah langkah yang paling sering gagal. Pelacakan otomatis kehilangan pembicara ketika mereka bergerak atau ketika ada dua orang di layar, jadi saya memeriksa bingkai potong 9:16 secara frame by frame pada klip pertama dari setiap kelompok. Panduan AI video editing kami membahas alat re-frame dan warna lebih dalam.

Alat AI apa yang sebenarnya saya gunakan?

Saya sengaja menjaga tumpukan (stack) tetap kecil. Setiap alat melakukan satu pekerjaan lebih baik daripada yang lain, dan mengganti alat di tengah proses menghabiskan waktu lebih banyak daripada menghematnya.

Perbandingan model dan pertukaran Sora versus Runway ada dalam rincian Sora AI video generator. Untuk shorts khususnya saya mencari Sora ketika saya membutuhkan bidikan untuk tetap utuh dan Runway ketika saya membutuhkan gerakan kamera yang presisi.

Apa yang akan membuat short Anda ditandai atau terkubur?

Platform menghukum hal-hal tertentu, dan beberapa di antaranya mudah tergelincir secara tidak sengaja saat Anda mengandalkan AI. Mengetahui aturannya sebelum mempublikasikan menyelamatkan postingan yang jika tidak akan mati dalam peninjauan.

Risiko yang saya waspadai:

• Watermark dari platform saingan yang ditinggalkan pada ekspor.
• Rekaman beresolusi rendah atau berbentuk letterboxed yang menandakan repost malas.
• Keterangan otomatis dengan kata-kata kotor atau hinaan yang salah transkripsi.
• Rekaman AI orang sungguhan tanpa pengungkapan di tempat platform mewajibkannya.
• Audio yang tidak berlisensi atau diambil dari video kreator lain.

business advertising and content policies TikTok menetapkan standar untuk apa yang diturunkan, dan platform lainnya mengikuti logika serupa: asli, vertikal, jelas, dan sesuai topik akan bertahan. Saya menyimpan daftar periksa ini dan menjalankannya pada setiap short sebelum saya menekan publikasi, karena satu watermark telah merusak postingan yang seharusnya kuat bagi saya.

Ringkasan: alur kerja video pendek mingguan saya

Ini adalah siklus yang saya jalankan setiap minggu, dipadatkan menjadi langkah-langkah penting. AI melakukan pekerjaan berat pada b-roll, keterangan, dan pemotongan panjang ke pendek; saya menulis hook dan membuat potongannya.

Daftar periksa mingguan saya:

• Pilih satu ide dan tulis lima varian hook.
• Hasilkan atau ambil b-roll selama enam hingga delapan detik per bidikan.
• Rekam atau sintesis suara latar (voiceover).
• Transkripsi otomatis dan bakar keterangan bergaya.
• Potong menjadi 9:16 kurang dari 60 detik, hook di tiga detik pertama.
• Jalankan daftar periksa risiko bendera, lalu posting.

Peringatan yang akan saya sampaikan: AI mempercepat produksi, tetapi tidak menciptakan permintaan. Shorts yang berkinerja terbaik bagi saya adalah yang memiliki ide yang benar-benar berguna atau mengejutkan di balik polesannya. Video cepat, murah, dan berketerangan tentang ketiadaan apa pun masih gagal. Gunakan alur kerja untuk mengirim lebih banyak ide bagus Anda, bukan untuk menutupi tidak adanya satu ide.

Image credits

• Smartphone modern di tripod merekam pengaturan video gaya konten — foto oleh Tracy Le Blanc di Pexels
• Seorang pembuat konten merekam video di meja dengan kamera dan perlengkapan pencahayaan — foto oleh RODNAE Productions di Pexels
• Close-up antarmuka timeline pengeditan video di layar komputer — foto oleh Alex Fu di Pexels
• Layar smartphone menampilkan aplikasi media sosial populer — foto oleh cottonbro studio di Pexels