Prompt Video AI: Gerakan, Kamera, dan Batas Durasi

Menulis prompt gambar sudah menjadi kebiasaan banyak orang. Anda menyebut subjeknya, latarnya, dan gaya visualnya, lalu model menyusun satu bidang gambar yang selesai dalam sekali lihat. Kebiasaan itu terbawa saat orang mencoba membuat video, dan di situlah hasilnya mulai meleset.

Sebuah gambar hanya perlu menjawab satu pertanyaan: apa yang terlihat. Sebuah video harus menjawab pertanyaan kedua yang jauh lebih sulit, yaitu apa yang berubah dari detik ke detik. Prompt video AI adalah instruksi yang menjawab kedua pertanyaan itu sekaligus. Selama pertanyaan kedua dibiarkan kosong, model yang akan mengisinya sendiri, dan tebakannya jarang sesuai dengan yang Anda bayangkan.

Yang Berubah Ketika Prompt Harus Bergerak

Prompt gambar bekerja pada satu bidang. Prompt AI video bekerja pada bidang yang sama ditambah sumbu waktu, dan penambahan itu memunculkan tiga hal yang tidak pernah Anda tulis sebelumnya.

1. Waktu: klip punya awal dan akhir. Model perlu tahu apa yang terjadi lebih dulu dan apa yang menyusul, termasuk apakah adegannya berganti di tengah jalan.
2. Gerakan: ada dua benda yang bisa bergerak, yaitu subjeknya dan kameranya. Keduanya ditulis terpisah karena efeknya berbeda. Subjek berjalan mendekat berbeda kesannya dari kamera yang maju ke arah subjek diam.
3. Suara: model video generasi sekarang menghasilkan audionya sendiri. Kalau Anda tidak menyebutnya, model tetap membuat sesuatu — sering berupa musik latar atau dialog yang tidak Anda minta.

Inilah sebabnya prompt gambar yang bagus sering menghasilkan video yang mengecewakan. Kalimat seperti "seorang barista di kedai kopi, cahaya pagi, gaya sinematik" sudah lengkap untuk sebuah foto. Untuk video, kalimat itu tidak menyebutkan satu pun gerakan. Model jadi bebas memilih: barista diam saja selama delapan detik, atau adegannya berpindah tiga kali tanpa alasan.

Kalau Anda belum pernah menyusun prompt sama sekali, dasarnya kami bahas di apa itu prompt AI.

Lima Mode Prompt Video dan Cara Menyatakannya

Sebelum menulis kalimat pertama, tentukan dulu pekerjaan mana yang Anda minta. Prompt untuk video AI mengenal lima mode kerja, dan dokumentasi Gemini Omni Flash mencantumkan semuanya:

1. Teks ke video (text to video): seluruh isi klip dibangun dari kalimat Anda.
2. Gambar ke video (image to video): sebuah gambar menjadi titik berangkat, prompt menentukan gerakannya.
3. Referensi ke video (reference to video): gambar atau video jadi acuan tokoh, benda, atau gaya, bukan frame pertama.
4. Edit: memperbaiki video yang sudah ada.
5. Perpanjang (extend): menyambung klip yang sudah jadi.

Modenya bisa dinyatakan lewat parameter khusus, tetapi Google justru menyarankan sebaliknya. Panduan resminya meminta pengguna mengandalkan prompt lebih dulu, dan memakai parameter mode hanya ketika prompt gagal, karena parameter itu menambahkan batasan pada model.

Konsekuensinya praktis: kalimat pertama prompt Anda harus membuat modenya jelas dengan sendirinya. "Sebuah drone melintasi sawah terasering" jelas meminta mode pertama, "ubah foto ini menjadi rekaman nyata" meminta mode kedua. Kalimat menggantung seperti "video sawah terasering yang bagus" tidak menjelaskan apa pun, dan model akan menebak.

Kosakata Kamera yang Menentukan Hasil

Panduan resmi Veo 3.1 menyusun prompt video dalam lima bagian berurutan: sinematografi, subjek, aksi, konteks, lalu gaya dan suasana. Google menyebut bagian sinematografi sebagai alat paling kuat untuk menyampaikan nuansa dan emosi, lalu menaruhnya di posisi pertama.

Bagian inilah yang paling sering hilang saat orang belajar cara membuat prompt AI video. Padahal kosakatanya terbatas dan bisa dihafal. Dokumentasi Veo membaginya menjadi tiga kelompok:

• Gerakan kamera: dolly shot (kamera maju atau mundur), tracking shot (kamera mengikuti subjek), crane shot (kamera naik atau turun), slow pan (kamera menoleh perlahan), aerial view (pandangan dari udara), POV shot (sudut pandang orang pertama), dan 180-degree arc shot (kamera memutari subjek).
• Komposisi: wide shot, medium shot, close-up, extreme close-up, two-shot (dua subjek dalam satu bingkai), low angle (diambil dari bawah), dan reverse shot.
• Lensa dan fokus: shallow depth of field (latar mengabur), deep focus (semuanya tajam), wide-angle lens, macro lens, dan soft focus.

Satu prompt utuh yang mengikuti urutan itu:

Medium shot, seorang barista menuang susu
ke dalam gelas kopi, di kedai kecil dekat
jendela pagi hari. Cahaya matahari lembut
dari kiri. Kamera dolly in sangat perlahan.
Gaya sinematik, warna hangat, sedikit grain.

Perhatikan bahwa hanya ada satu gerakan kamera di sana. Klip delapan sampai sepuluh detik tidak muat memuat dua, dan memaksakannya membuat hasilnya terasa gelisah. Satu klip satu gerakan adalah aturan yang paling cepat memperbaiki hasil.

Urutan lima bagian Veo 3.1: sinematografi lebih dulu, baru subjek, aksi, konteks, lalu gaya dan suasana.

Satu Adegan Utuh atau Berganti Shot Sendiri

Ada satu perilaku bawaan yang menjelaskan keluhan paling umum tentang video AI, yaitu hasilnya terasa loncat-loncat. Dokumentasi Gemini Omni Flash menyatakannya terang-terangan: secara bawaan, model berusaha membuat video yang berisi beberapa shot berbeda. Model akan mencoba menyusun narasi kecil dari prompt Anda, lengkap dengan pergantian adegan.

Perilaku itu berguna kalau Anda menginginkan rangkaian. Kalau yang Anda butuhkan satu adegan utuh, larangannya harus ditulis. Panduan resmi memberi tiga frasa yang bekerja: in a single unbroken scene, in a single continuous shot, dan no scene cuts.

Penguncian adegan: tanpa frasa pengunci model membuat tiga shot, dengan in a single unbroken scene jadi satu klip.

Satu frasa itu sering memperbaiki lebih banyak hal daripada memperpanjang deskripsi. Prompt barista di section sebelumnya bisa berakhir menjadi tiga potongan kalau frasa penguncinya tidak ada.

Aturan yang sama berlaku terbalik. Kalau Anda ingin rangkaian cepat, sebutkan ritmenya secara eksplisit, misalnya "berganti adegan setiap dua detik". Membiarkannya kosong berarti menyerahkan keputusan itu kepada model.

Mengatur Waktu di Dalam Prompt

Sumbu waktu bisa dikendalikan langsung dari dalam prompt, lewat dua cara yang keduanya didokumentasikan resmi.

Cara pertama memakai bahasa biasa. Kalimat seperti "setelah tiga detik, seorang perempuan masuk ke dalam bingkai" atau "pada detik kelima, musik latar masuk ke bagian refrain" langsung dipahami model.

Cara kedua memakai penanda waktu berbentuk kurung siku, dan jauh lebih rapi untuk adegan bertingkat:

[0-3s] Tangan membuka kotak kemasan produk.
[3-6s] Produk diangkat, kamera close-up.
[6-10s] Produk diletakkan di meja kayu.

Cara ini menghapus kebutuhan memecah satu ide menjadi tiga prompt terpisah lalu menyambung hasilnya di aplikasi edit. Selama semuanya muat dalam satu klip, satu prompt sudah cukup.

Penanda waktu di dalam prompt: 0-3s kotak dibuka, 3-6s produk diangkat, 6-10s produk diletakkan.

Satu hal perlu diperhatikan saat menyambung video. Detik nol pada penanda waktu merujuk ke awal bagian sambungannya, bukan ke awal video aslinya. Menulis "setelah dua detik berganti adegan" pada perpanjangan klip sepuluh detik berarti pergantian terjadi di detik kedua belas.

Prompt dari Foto: Yang Justru Tidak Perlu Anda Tulis

Prompt gambar jadi video punya keuntungan yang sering disia-siakan. Subjeknya sudah ada di gambar, begitu juga latar, pakaian, dan pencahayaannya. Menulis ulang semua itu justru membuat model bingung memilih antara mengikuti gambar atau mengikuti kalimat Anda.

Yang tersisa untuk Anda tulis hanya gerakannya, dan di sinilah kesalahan paling umum terjadi. Dokumentasi Gemini Omni Flash menyebutnya langsung. Prompt samar seperti "buat bergerak" kalah jauh dari deskripsi rinci tentang gerakan kamera, gerakan subjek, dan efek lingkungan.

Prompt dari foto: subjek, latar, pakaian, dan cahaya sudah ada di gambar, yang ditulis hanya gerakannya.

Prompt video AI bergerak yang bekerja karena itu berisi tiga lapis gerakan sekaligus, baik untuk foto biasa maupun untuk video animasi:

Ubah foto ini menjadi rekaman nyata. Kamera
menjauh sangat perlahan, uap kopi mengepul
naik, tirai bergerak tertiup angin. Wajah
dan pakaian subjek tetap sama persis.

Teknik berikutnya adalah menyatakan peran gambar yang diunggah. Contoh resmi Google memakainya begini: "pakai gambar ini hanya sebagai panduan gerakan, jangan tampilkan gambarnya di video akhir". Kalimat itu memisahkan gambar sebagai acuan dari gambar sebagai frame pertama.

Untuk kebutuhan yang lebih rumit tersedia penanda peran di dalam prompt. <FIRST_FRAME> menjadikan sebuah gambar frame pembuka, <LAST_FRAME> menjadikannya frame penutup, sedangkan <IMAGE_REF_0> dan seterusnya menjadikannya acuan tokoh atau gaya tanpa pernah tampil apa adanya.

Prompt AI foto jadi video di aplikasi Gemini mengikuti rasio berkas yang Anda unggah. Untuk prompt teks tanpa unggahan, rasio bawaannya lanskap.

Melarang Sesuatu: Tiga Model, Tiga Aturan Berbeda

Cara melarang pada tiga model video yang banyak dipakai justru berlawanan arah satu sama lain. Kebiasaan yang dibawa dari satu model karena itu sering merusak hasil di model lain tanpa disadari.

Pada Veo, dokumentasinya melarang kata perintah. Menulis "no walls" atau "don't show walls" tidak disarankan; yang benar menyebutkan bendanya saja, yaitu wall, frame. Untuk larangan yang lebih rumit, panduannya meminta Anda menyebut kondisi yang diinginkan, misalnya "lanskap tandus tanpa bangunan dan jalan".

Pada Gemini Omni Flash, kolom negative prompt sama sekali tidak tersedia. Dokumentasinya menyatakan parameter itu tidak didukung, lalu menambahkan bahwa larangan justru ditulis di dalam prompt biasa sebagai kalimat. Tiga larangan yang paling sering dibutuhkan sudah dicontohkan resmi: No dialogue, No embellishments, dan No extra sound effects.

Tiga larangan itu penting bagi pembuat konten Indonesia. Karena model menghasilkan audionya sendiri, klip yang seharusnya senyap sering keluar dengan dialog berbahasa Inggris. Satu baris No dialogue menyelesaikannya. Sebaliknya, kalau Anda menginginkan musik, sebutkan jenisnya, misalnya "musik latar tenang".

Pada Kling, kolom negative prompt sudah terisi nilai bawaan blur, distort, and low quality. Larangan soal kualitas gambar berarti sudah ditangani, dan mengulang kata serupa tidak menambah manfaat.

Memperbaiki Hasil Tanpa Menulis Ulang Prompt

Saat hasil belum sesuai, kebiasaan lama adalah menulis ulang seluruh prompt dengan tambahan beberapa kata. Untuk model video terbaru, cara itu tidak diperlukan dan sering malah merugikan.

Gemini Omni Flash menyimpan konteks video yang baru saja dibuat. Perubahan yang Anda minta diterapkan sambil mempertahankan bagian yang tidak Anda sebut. Giliran kedua percakapan cukup berisi satu kalimat pendek seperti "buat biolanya menjadi tidak terlihat", tanpa perlu mengulang deskripsi adegannya.

Dokumentasi resminya menegaskan satu hal penting: untuk mengedit video, prompt sederhana bekerja paling baik. Prompt yang terlalu rinci justru memicu perubahan yang tidak Anda inginkan. Contoh resminya membandingkan dua prompt edit video AI untuk maksud yang sama persis.

Yang dihindari:

Pada video pria yang duduk di sofa, tolong
tambahkan seekor kucing hitam kecil yang
berlari dari sisi kanan layar, melompat ke
pangkuannya, lalu ia mulai mengelus kepala
kucing itu sambil menunduk.

Yang disarankan:

Tambahkan kucing yang melompat ke
pangkuannya, ia mulai mengelusnya.
Pertahankan semua elemen lain tetap sama.

Kalimat "pertahankan semua elemen lain tetap sama" adalah pengunci yang disarankan resmi setiap kali Anda mengedit satu aspek saja. Tanpa kalimat itu, model merasa berhak menata ulang bagian lain yang sebenarnya sudah Anda sukai.

Batas Durasi dan Cara Menyambung Klip

Semua keputusan di atas berakhir pada satu batas keras, yaitu panjang klip. Jatah untuk prompt video AI Veo 3 dan penerusnya berbeda dari jatah prompt video Gemini AI. Angka itu menentukan berapa banyak kejadian yang boleh Anda tulis.

Perpanjangan hanya bisa ditambahkan di ujung akhir video, tidak di awal maupun di tengah. Model memakai sepuluh detik terakhir sebagai konteks, sehingga kesinambungan tokoh, gerakan, dan audionya terjaga. Video yang Anda unggah sendiri untuk diperpanjang dibatasi sepuluh detik.

Karena itu naskah untuk video tiga puluh detik tidak ditulis sebagai satu prompt panjang, melainkan dipecah sepanjang klip. Kalau Anda memakai klip yang berdiri sendiri dan bukan fitur perpanjangan, deskripsi subjeknya harus diulang dengan kata yang sama persis di setiap prompt. Model tidak mengingat klip sebelumnya.

Satu catatan berjangka. OpenAI mengumumkan pada 24 Maret 2026 bahwa Videos API beserta seluruh model Sora 2 akan dihapus pada 24 September 2026, tanpa model pengganti yang dicantumkan. Panduan prompt Sora yang masih beredar akan berhenti berlaku setelah tanggal itu.

Prompt Video AI Gratis dan Batasnya

Jalur gratis layak dibicarakan apa adanya. Halaman bantuan resmi Google menyatakan bahwa untuk membuat video di aplikasi Gemini dengan akun pribadi, Anda harus memiliki paket Google AI. Google Flow menyaratkan langganan Google AI Plus, Pro, atau Ultra, dan belum tersedia di semua negara.

Jalur tanpa biaya karena itu berupa promosi berjangka waktu atau layanan pihak ketiga yang menambahkan tanda air. Keduanya berbagi satu ciri yang menentukan cara Anda menulis, yaitu jatah percobaannya sedikit.

Ketika jatah Anda hanya tiga sampai sepuluh percobaan, kebiasaan mencoba prompt pendek lalu memperbaikinya berkali-kali menjadi mahal. Membuat video AI gratis dengan prompt menuntut kebiasaan yang berkebalikan: promptnya sudah lengkap sejak percobaan pertama. Lima hal berikut layak Anda periksa sebelum menekan tombol buat.

1. Modenya sudah jelas dari kalimat pertama, sehingga model tidak menebak antara teks ke video dan gambar ke video.
2. Hanya ada satu gerakan kamera, karena delapan sampai sepuluh detik tidak muat memuat dua.
3. Adegannya sudah dikunci dengan in a single unbroken scene, kecuali Anda memang menginginkan pergantian shot.
4. Audionya sudah ditentukan atau dilarang, supaya klip tidak keluar dengan dialog yang tidak Anda minta.
5. Istilah kameranya berbahasa Inggris, karena layanan gratis pihak ketiga jarang menyebutkan model apa yang dipakainya.

Satu tip resmi membantu menghemat jatah itu. Google menyarankan Anda menyusun dan memperbaiki prompt videonya lebih dulu lewat percakapan teks biasa dengan Gemini, baru menjalankannya. Percakapan teks tidak memakan jatah pembuatan video, sehingga tahap coba-coba yang paling boros justru bisa dikerjakan tanpa biaya.

Meminta Model Menuliskan Promptnya untuk Anda

Cara di atas menutup kebutuhan lain yang sering muncul. Buatkan prompt video AI adalah permintaan yang sah, tetapi hasilnya hanya sebaik keterangan yang Anda berikan.

Tiga keterangan wajib Anda sebutkan: model video yang akan dipakai, panjang klip yang tersedia, dan apakah promptnya untuk teks ke video atau gambar ke video. Tanpa ketiganya, model chat menulis paragraf panjang yang indah tetapi melanggar batas durasi.

Tuliskan satu prompt video untuk Gemini
Omni, klip 10 detik, mode teks ke video.
Adegannya: pedagang bakso mendorong
gerobak di gang sempit sore hari. Sertakan
satu gerakan kamera saja, kunci jadi satu
adegan, larang dialog, dan keluarkan
hasilnya sebagai satu paragraf.

Permintaan sepanjang itu hanya ditulis sekali. Selanjutnya Anda cukup mengganti kalimat adegannya, dan itulah cara satu rumus melayani subjek apa pun, dari video produk sampai video kucing.

Kelemahan dan Pertimbangan

Beberapa hal perlu Anda ketahui sebelum menggantungkan pekerjaan pada model video.

1. Bahasa Indonesia belum dievaluasi: dokumentasi Gemini Omni Flash menyatakan bahasa Inggris didukung sepenuhnya, sedangkan bahasa lain belum dievaluasi sehingga mungkin bekerja tetapi hasilnya bisa berbeda-beda. Untuk pekerjaan penting, tulis istilah kamera dan pencahayaan dalam bahasa Inggris.
2. Resolusi tinggi bukan detail tambahan: pada Gemini Omni Flash, keluaran 1080p dan 4K ditandai sebagai hasil upscale dari resolusi bawaan 720p. Meminta 4K tidak menambah ketajaman yang sebenarnya, hanya memperbesar berkasnya.
3. Semua keluaran membawa penanda: setiap video menyertakan tanda air SynthID yang tidak terlihat mata tetapi dapat dideteksi secara program. Ini perlu dipertimbangkan untuk pemakaian komersial.
4. Ketersediaan fitur berbeda per wilayah: mengunggah video untuk diedit atau diperpanjang tidak tersedia di Eropa, Swiss, Inggris, dan sebagian negara bagian Amerika Serikat.
5. Hasilnya tidak dapat diulang persis: prompt yang sama dijalankan dua kali menghasilkan video yang berbeda. Simpan segera klip yang Anda sukai.

Batasan ini bukan alasan menghindarinya, melainkan alasan memperlakukan model video sebagai alat produksi yang punya aturan main.

Pertanyaan yang Sering Diajukan

Bagaimana cara membuat prompt video AI yang baik?

Prompt membuat video AI yang baik dimulai dari modenya: nyatakan lewat kalimat pembuka, lalu susun urutan sinematografi, subjek, aksi, konteks, dan gaya. Batasi satu gerakan kamera per klip, kunci adegannya kalau Anda tidak ingin pergantian shot, dan sebutkan atau larang audionya. Kriteria prompt yang layak dipakai berulang kami bahas di prompt AI yang bagus.

Apakah prompt video AI harus ditulis dalam format JSON?

Tidak. Panduan resmi Google untuk Veo dan Gemini Omni Flash, juga panduan OpenAI untuk Sora, tidak menyebutkan JSON sama sekali sebagai format prompt. Yang benar-benar didokumentasikan adalah penanda waktu [0-3s] dan penanda peran seperti <FIRST_FRAME>. Menyusun prompt dalam JSON tidak dilarang, tetapi manfaatnya datang dari kerapiannya, bukan dari formatnya.

Berapa panjang video yang bisa dihasilkan dari satu prompt?

Antara empat sampai sepuluh detik, tergantung modelnya. Untuk video lebih panjang, pakai fitur perpanjangan yang menambah sepuluh detik sekali jalan sampai total empat puluh detik. Cara lainnya menyusun beberapa klip terpisah lalu menyambungnya sendiri, dan deskripsi subjeknya harus diulang persis di tiap prompt.

Bisakah prompt sebuah video AI diketahui dari videonya?

Tidak secara pasti. Ada alat yang menebak prompt dari sebuah video, tetapi keluarannya deskripsi ulang atas apa yang terlihat, bukan kalimat asli pembuatnya. Untuk belajar, membedah videonya lebih berguna: perhatikan gerakan kameranya, panjang klipnya, dan apakah adegannya berganti.

Bisakah prompt video AI ditulis dalam bahasa Indonesia?

Bisa dicoba, tetapi tidak dijamin. Dokumentasi Google menyatakan hanya bahasa Inggris yang didukung sepenuhnya untuk pembuatan video. Cara aman yang kami pakai: kalimat adegannya berbahasa Indonesia, sedangkan istilah kamera seperti dolly in dan shallow depth of field dibiarkan berbahasa Inggris. Pembahasan pilihan bahasa yang lebih lengkap ada di prompt AI keren.

Kesimpulan

Prompt video AI berbeda dari prompt gambar bukan karena harus lebih panjang, melainkan karena harus menjawab pertanyaan tentang waktu. Tiga keputusan menentukan hasilnya: mode kerja yang Anda minta, satu gerakan kamera yang Anda pilih, dan hal yang Anda larang muncul. Ketiganya perlu ditulis eksplisit, sebab yang Anda biarkan kosong akan diisi model dengan tebakannya sendiri.

Aturan melarang berbeda arah di tiap model, jadi periksa dokumentasinya sebelum memindahkan kebiasaan dari satu tool ke tool lain. Kalau yang Anda butuhkan justru prompt yang sudah terisi penuh dan siap disalin, daftarnya kami kumpulkan terpisah di 17 contoh prompt AI.

Semoga artikel ini membantu.