Sebagian besar video AI gagal karena alasan yang itu-itu saja. Subjek berubah wujud di tengah klip. Kameranya bertingkah di luar brief. Warna produk berganti antara detik dua dan empat. Hasilnya secara teknis “sebuah video” tapi secara praktis tak terpakai.
Setelah melihat puluhan ribu prompt video AI nyata — yang menghasilkan klip yang benar-benar dipakai orang, dan yang menghasilkan sampah yang dihapus — muncul pola yang jelas. Prompt yang hebat bukan yang lebih panjang atau puitis. Mereka lebih terstruktur. Mereka memberi tahu model apa yang berubah, bagaimana kamera berperilaku, apa yang harus tetap terkunci, dan apa yang tidak bisa diterima.
Ini adalah pendamping praktis untuk laporan data kami tentang apa yang diungkap 40.000 prompt video AI soal apa yang orang buat. Tulisan itu membahas apa yang para kreator hasilkan. Yang ini membahas bagaimana yang bagus menulisnya. Lima pola, masing-masing dengan versi lemah, versi kuat, dan mengapa bedanya penting.
Inti yang perlu diingat
- Mulai dengan subjek + aksi + perubahan seiring waktu — deskripsi statis menghasilkan klip statis dan tak bernyawa.
- Spesifikkan kamera seolah kamu mengarahkan seorang DP: ukuran shot, lensa, dan satu gerakan yang disengaja.
- Kunci token kontinuitas (wajah, produk, warna, logo) agar bertahan sepanjang klip alih-alih melayang.
- Cocokkan shot dan tempo dengan platform dan durasi sebelum kamu menghasilkan, bukan setelahnya.
- Batasi dengan negatif dan spesifikasi output yang jelas agar model tahu apa yang harus dihindari, bukan sekadar apa yang dicoba.
Pola 1: Mulai dengan Subjek, Aksi, dan Perubahan Seiring Waktu
Video adalah gerak. Perbedaan terbesar antara prompt yang menghasilkan cuplikan “hidup” dan prompt yang menghasilkan zoom lambat pada foto adalah apakah kamu menggambarkan sesuatu yang terjadi.
Prompt lemah menggambarkan sebuah adegan. Prompt kuat menggambarkan adegan yang berubah.
Lemah: Cangkir kopi di atas meja kayu di kafe.
Kuat: Cangkir kopi mengepul di atas meja kafe dari kayu; uap berpilin ke atas dan melayang ke kiri saat cahaya pagi perlahan menguat di permukaan selama 5 detik.
Versi lemah memberi model gambar diam dan memaksanya mencipta gerakan — biasanya dorongan kamera malas atau getaran ambient. Versi kuat menamai subjek (cangkir kopi), aksi (uap berpilin dan melayang), dan perubahan seiring waktu (cahaya yang menguat sepanjang klip). Model kini memiliki keadaan awal dan akhir untuk diinterpolasi — persis seperti yang dibangun untuk dilakukan.
Solusinya mekanis. Untuk setiap prompt, tanyakan: apa satu hal yang berbeda di akhir klip dibanding awalnya? Jika kamu tak bisa menjawab, kamu akan mendapat kartu pos yang bergerak. Panggang perubahan itu ke dalam kalimat. Sekecil apa pun — kepala menoleh, pintu terbuka, kabut merayap — memberi model tugas lintas timeline.
Pola 2: Arahkan Kamera seperti Sinematografer
Jika kamu tidak menspesifikkan kamera, model akan memilihkan — dan pilihannya buruk, default ke dolly-in generik atau goyangan handheld mengambang yang “terasa AI.” Prompt terbaik memperlakukan kamera sebagai pilihan kreatif yang disengaja, bukan renungan belakangan.
Kamu butuh tiga hal: ukuran shot (wide, medium, close-up), rasa lensa atau framing (35mm, wide-angle, depth of field dangkal), dan satu gerakan (slow push-in, orbit, static lock-off). Satu gerakan. Bukan tiga.
Lemah: Sebuah mobil melaju di jalan pesisir, sinematik.
Kuat: Wide tracking shot sebuah convertible vintage di jalan raya pesisir, diambil dengan lensa 35mm dengan depth of field dangkal, kamera melacak sejajar di sisi mobil dengan kecepatan yang sama, golden hour.
“Sinematik” adalah harapan, bukan instruksi. Versi kuat memberi tahu model framing (wide tracking), karakter optik (35mm, depth of field dangkal), dan satu gerakan koheren (melacak sejajar dengan kecepatan yang sama). Koherensi itulah yang terbaca profesional. Instruksi kamera yang saling bertentangan — “orbit sambil zoom dan pan” — membuat model berantakan dan menghasilkan tampilan berenang tak stabil itu.
Jika kamu baru memikirkan istilah kamera, panduan kami tentang cara menulis prompt video AI mengurai kosakatanya. Jalan pintasnya: bayangkan kamu memberi satu baris instruksi ke operator kamera yang akan melakukan persis yang kamu katakan dan tidak lebih. Spesifiklah seperti itu.
Pola 3: Kunci Token Kontinuitasmu
Inilah pola yang membedakan hobiis dari mereka yang menghasilkan cuplikan yang bisa dipakai. Model video AI cenderung drift. Dalam beberapa detik, wajah sedikit berubah menjadi orang lain, logo merah bergeser ke oranye, produk mendapatkan tombol yang tadi tidak ada. Token kontinuitas adalah frasa spesifik dan berulang yang kamu pakai untuk mengunci elemen-elemen itu.
Token kontinuitas adalah deskripsi pendek dan khas yang kamu komit dan pakai ulang verbatim — untuk identitas subjek, produk, palet warna, dan segala branding.
Lemah: Seorang wanita berjaket merah berjalan di kota, lalu kita melihatnya lebih dekat.
Kuat: Seorang wanita berambut hitam keriting sebahu dan jaket kulit merah kirmizi cerah berjalan di kota bermandi neon; jaket merah kirmizi yang sama dan gaya rambut yang sama dipertahankan konsisten sepanjang klip.
“Seorang wanita berjaket merah” adalah undangan bagi model untuk menciptakan ulang dia. “Rambut hitam keriting sebahu dan jaket kulit merah kirmizi cerah,” diulang dan secara eksplisit ditandai sebagai konsisten, memberi model jangkar untuk dipegang. Saat kamu menghasilkan beberapa klip untuk satu proyek, salin token yang sama persis ke setiap prompt — jangan diparafrase. Parafrase adalah alasan karakter di shot ketiga berhenti mirip dengan karakter di shot pertama.
Untuk pekerjaan brand ini tidak bisa ditawar. Kunci nama warna ekuivalen heks yang tepat, penempatan logo, dan fitur definisi produk di setiap prompt. Jika platformmu mendukung referensi gambar atau text-to-video dengan frame awal, gunakan — tapi dukung dengan token teks terkunci, karena deskripsilah yang membawa identitas menembus gerakan, bukan hanya masuk ke frame pertama.
Pola 4: Cocokkan Shot dengan Platform dan Durasi
Prompt yang bagus untuk hero YouTube 12 detik salah untuk hook TikTok 4 detik, dan bedanya bukan hanya rasio aspek. Prompt terbaik dirancang mundur dari tempat video akan tayang.
Tiga keputusan diambil sebelum kamu menulis satu kata deskripsi: rasio aspek (9:16 vertikal untuk feed, 16:9 untuk YouTube dan landing page), durasi (dan karenanya seberapa banyak yang benar-benar bisa terjadi), dan pacing (satu beat tenang untuk loop pendek, arc yang jelas untuk klip lebih panjang).
Lemah: Montase energik produk fitness dengan banyak cut cepat dan teks, untuk media sosial.
Kuat: 9:16 vertikal, satu shot kontinu 5 detik: seorang pelari mengikat tali sepatu oranye terang dan melesat keluar frame kiri, tempo cepat, punchy, dirancang sebagai hook TikTok dengan aksi mendarat di 2 detik pertama.
Meminta “banyak cut cepat” di dalam satu generasi pendek adalah resep berantakan — kebanyakan model menghasilkan satu shot kontinu per generasi, jadi permintaanmu bertabrakan dengan alatnya. Versi kuat menghormati format: vertikal, satu shot, aksi yang direkayasa untuk menghantam di dua detik pertama sesuai tuntutan platform. Seringkali kamu mendapat hasil lebih baik dengan menghasilkan beberapa klip single-shot yang bersih sesuai spesifikasi ini lalu mengeditnya, ketimbang mencoba memaksa sebuah edit dalam satu prompt.
Durasi juga menentukan seberapa banyak perubahan yang bisa kamu minta. Dalam empat detik, satu aksi jelas bisa mendarat. Dalam dua belas, kamu bisa membangun arc kecil. Meminta cerita tiga babak dalam empat detik hanya akan memburamkan semuanya.
Pola 5: Batasi dengan Negatif dan Spesifikasi Output yang Jelas
Pola terakhir ini hampir tak pernah dipakai, dan justru itu keunggulannya. Memberi tahu model apa yang tidak kamu inginkan seringkali lebih kuat daripada menumpuk apa yang kamu inginkan. Padukan dengan spesifikasi output eksplisit dan kamu berhenti menyerahkan keputusan tak glamor pada kebetulan.
Dua langkah: negatif (artefak dan klise yang kamu tolak — tangan melengkung, teks omong kosong, anggota tubuh berlebih, flicker, slow zoom yang tak diinginkan) dan spesifikasi output (rasa frame rate, pencahayaan, suasana, dan rasio aspek yang dinyatakan jelas di akhir).
Lemah: Seorang chef menyajikan hidangan di dapur restoran.
Kuat: Seorang chef menata hidangan dengan presisi di dapur restoran bernuansa hangat; medium shot, soft key light dari kiri, tempo tenang dan terukur, 16:9. Hindari: tangan terdistorsi, jari berlebih, peralatan mengambang, teks on-screen, pergerakan kamera cepat.
Daftar negatif benar-benar bekerja. Tangan adalah titik lemah model video, jadi menyebut “tangan terdistorsi, jari berlebih” memberi tahu model untuk mengalokasikan usaha di sana. “Hindari teks on-screen” mematikan huruf-huruf omong kosong yang suka dihalusinasi model. Dan menutup dengan spesifikasi output — ukuran shot, arah cahaya, tempo, rasio aspek — berarti kamu tidak berharap model menebak niatmu; kamu telah menyatakannya.
Jaga daftar negatif tetap ringkas dan relevan. Sepuluh negatif generik melemahkan sinyal. Tiga atau empat yang menargetkan titik gagalnya prompt ini justru menajamkannya. Setiap model punya titik lemah berbeda, jadi penting tahu yang kamu pakai — peta kekuatan model pada AI model strengths map kami merinci di mana masing-masing unggul dan di mana cenderung patah.
Cara Menggabungkan Kelima Pola dalam Satu Prompt
Pola-pola ini bukan menu — prompt terbaik menumpuk kelimanya. Urutannya alami seperti ini:
- Subjek + aksi + perubahan (“seorang chef menata hidangan; uap naik saat ia menaruh garnish terakhir”)
- Kamera (“medium shot, 50mm, slow push-in”)
- Token kontinuitas (“chef yang sama dengan jaket double-breasted putih sepanjang klip”)
- Spesifikasi platform + durasi (“16:9, 8 detik, tempo tenang”)
- Negatif + output (“key light hangat dari kiri. Hindari: tangan terdistorsi, teks on-screen”)
Dibaca dari atas ke bawah, itu satu instruksi koheren yang bisa dieksekusi model dengan percaya diri. Tiap klausa menjawab pertanyaan yang jika tidak, akan dijawab model sendiri — dan “dijawab sendiri” adalah sumber dari video AI yang buruk.
Kamu juga tidak harus mulai dari halaman kosong setiap kali. Pustaka template prompt yang bisa disalin memberi kerangka terbukti untuk tipe shot umum; kamu cukup mengganti subjek dan tokenmu, dan kamu sudah menjalankan kelima pola tanpa perlu memikirkannya.
Langkah Berikutnya
Pilih satu prompt yang pernah kamu tulis tapi menghasilkan klip mengecewakan. Uji dengan lima pola: Apakah ia menamai perubahan seiring waktu? Apakah ia mengarahkan satu gerakan kamera yang jelas? Apakah token kontinuitasmu terkunci dan diulang? Apakah ia dispesifikkan untuk platform dan durasi nyata? Apakah ia memberi tahu model apa yang harus dihindari?
Perbaiki dua jawaban terlemah dan regenerasi. Satu putaran edit itu biasanya menjadi pembeda antara klip yang kamu hapus dan klip yang kamu tayangkan.
Saat kamu siap menerapkan polanya, buka text-to-video di app dan tulis prompt pertamamu dengan cara terstruktur — subjek, kamera, token, spesifikasi, negatif. Dan jika kamu ingin data di balik apa yang benar-benar bekerja dalam skala besar, baca analisis pendamping tentang apa yang diungkap 40.000 prompt video AI. Kerajinan plus bukti adalah cara berhenti menebak dan mulai menyutradarai.