Shot pertama Anda bagus. Di shot kedua, hidungnya sedikit berbeda, warna jaketnya berubah, dan saat akhirnya ia bicara, suaranya seperti orang lain. Ini salah satu masalah paling umum di video AI, dan makin banyak shot dalam cerita Anda, makin parah masalahnya.
Panduan ini membahas tiga hal yang harus tetap sama agar penonton percaya bahwa itu orang yang sama: wajah, pakaian, dan suara. Kebanyakan panduan berhenti di wajah. Padahal suara sering menjadi titik lemah film pendek AI, jadi bagian itu kami bahas tersendiri di sini.
Semua langkah dilakukan di kanvas Sumi Studio, dan sebagian besar langkah disertai prompt yang bisa Anda salin.
Cara membaca panduan ini
Jika baru pertama kali mencoba, lakukan uji kecil: satu karakter, dua shot, satu baris dialog. Ikuti bagian 2, 3, dan 4 dengan uji itu, dan Anda akan melihat cara kerja prosesnya dari awal sampai akhir.
Jika Anda merencanakan film pendek utuh atau serial, baca semuanya secara berurutan. Bagian 5 berisi daftar shot yang paling sering merusak konsistensi, sehingga Anda tidak perlu terlalu sering membuat ulang.
Berikut fungsi setiap bagian di kanvas:
| Di kanvas | Fungsinya |
|---|---|
| Node Gambar | Membuat karakter, lembar karakter, dan bila perlu, frame pertama sebuah shot |
| Node Suara | Mengubah teks menjadi ucapan, sekaligus tempat Anda mengkloning atau mendesain suara karakter |
| Elemen | Menyimpan gambar, deskripsi, dan suara karakter, sehingga node mana pun bisa memanggilnya dengan @ |
| Node Video | Mengubah referensi dan prompt Anda menjadi klip |
| Anda | Menyetujui tampilan dan suara, serta menilai setiap shot |
Bagian 1: Mengapa karakter Anda terus berubah
Setiap pembuatan dimulai dari nol. Model tidak ingat klip yang terakhir Anda buat. Yang dimilikinya hanya apa yang Anda berikan dalam satu permintaan itu: prompt, serta gambar atau audio referensi yang Anda lampirkan.
Jadi, jika referensinya hanya teks, model akan membaca “wanita usia 30-an berambut pendek gelap” sedikit berbeda setiap kali. Perbedaan kecil itu menumpuk selama sepuluh shot, dan pada akhirnya yang muncul adalah orang lain.
Solusinya: berikan referensi visual dan referensi suara yang sama di setiap shot, dan tulis deskripsinya dengan cara yang sama setiap kali. Di kanvas, artinya satu karakter, disimpan sekali, lalu disambungkan ke setiap shot.
Bagian 2: Kunci wajah dan pakaian
2.1 Buat karakter di kanvas
Buka kanvas baru dan tahan Tab untuk memunculkan roda node. Pilih “Gambar” untuk menambahkan node Gambar.
Tulis karakter Anda di kotak prompt di bawah node, dengan gaya visual yang sama dengan film akhirnya. Jelaskan semua yang harus tetap: bentuk wajah, rambut, kulit, postur tubuh, dan setiap potong pakaian sampai sepatunya. Minta gambar seluruh badan dengan latar polos, supaya tidak ada yang mengalihkan perhatian dari karakter.
Tulis posisi setiap detail kecil. “Bekas luka kecil di atas alis kiri” atau “cincin perak di tangan kanan” akan tetap di tempatnya. “Bekas luka” dan “cincin” saja akan berpindah-pindah antar-shot.
Jika hasilnya belum pas, buat ulang node tersebut. Setiap node menyimpan riwayatnya, jadi Anda bisa kembali ke percobaan sebelumnya jika percobaan berikutnya lebih buruk.
2.2 Jadikan lembar karakter
Satu gambar saja tidak cukup. Model perlu melihat karakter dari beberapa sudut. Jika tidak, ia akan mengarang sendiri bagian belakang kepala, tampak samping, dan sepatunya.
Klik tanda plus di sisi node karakter Anda dan tarik ke node Gambar baru. Gambar karakter kini masuk ke node baru sebagai referensinya. Tempel prompt di bawah ini ke node baru tersebut. Prompt ini berlaku untuk karakter apa pun, jadi Anda bisa memakainya ulang apa adanya.
Create a character reference sheet of the character in the reference image. Keep the character's design exactly as shown: same face, hairstyle, hair color, eye color, skin tone, body proportions, outfit, accessories and colors. Do not redesign, restyle or add anything. Layout: one single horizontal row of four full-body views on the left, side by side, never stacked on top of each other. The large face close-up sits on the right side of the sheet. Every full-body view has the same height and runs from the top of the head to the bottom of the feet, with empty gray space above the head and below the feet. 1. Full-body front view: facing the camera, standing straight, arms slightly away from the body, showing the face, full outfit and accessories. 2. Full-body side view: exact 90 degree profile, standing straight, showing the nose, jawline, hair shape and outfit from the side. 3. Full-body 3/4 view: body and face turned diagonally, about 45 degrees from the camera, standing straight. 4. Full-body back view: standing straight, showing the hairstyle, the back of the outfit, the back of the legs and both feet. 5. Large face close-up: head and shoulders, facing the camera, neutral expression, sharp and detailed. The character has the same face in every view, with the full head visible in all poses. All four full-body views show the complete body including knees, calves, ankles and feet, nothing cropped, same scale, same standing pose and same neutral expression. Plain medium gray studio background, soft even studio lighting, no props, no text, no labels, no extra characters.
Di parameter node, atur rasio aspek ke 21:9 jika modelnya menyediakan, jika tidak, 16:9. Kanvas yang lebar mencegah empat tampilan seluruh badan terpotong.
Periksa lembarnya sebelum lanjut. Setiap tampilan harus menunjukkan wajah, gaya rambut, dan pakaian yang sama. Jika ada satu tampilan yang meleset, buat ulang node sekarang, karena kesalahan di lembar akan tersalin ke setiap shot yang memakainya.
2.3 Simpan karakter sebagai elemen
Elemen adalah cara Sumi Studio mengingat sebuah karakter. Elemen berisi nama, handle singkat, gambar referensi, dan suara. Saat Anda mengetik @ dan handle-nya di prompt node mana pun, gambar-gambarnya otomatis dilampirkan ke pembuatan itu sebagai referensi.
Cara tercepat langsung dari kanvas:
- Klik kanan node lembar karakter dan pilih “Buat elemen”. Jendela “Elemen baru” terbuka dengan lembar tersebut sudah ditambahkan sebagai gambar referensi.
- Atur kategorinya ke “Karakter”, lalu beri nama dan handle, misalnya
@mara. - Di deskripsi, tulis detail yang tetap dalam beberapa frasa singkat. Deskripsi dikirim bersama nama setiap kali Anda membuat, jadi isi hanya dengan hal yang tidak pernah berubah: “bob hitam pendek, bekas luka kecil di atas alis kiri, jaket bomber hijau zaitun, sneakers putih”.
- Klik “Buat”.
Anda juga bisa membuatnya dari Aset, di bagian Elemen. Klik “Elemen baru” dan unggah lembarnya lewat “Tambah gambar referensi”. Close-up wajah juga bisa Anda tambahkan sebagai gambar terpisah.
Jika Anda memakai Kling O3 atau yang lebih baru, Anda juga bisa menambahkan satu video pendek karakter (MP4 atau MOV, 3 sampai 8 detik, 1920×1080 atau 1080×1920). Kling memakainya sebagai subjek video. Model lain hanya memakai gambarnya.
2.4 Satu pakaian untuk satu elemen
Jika karakter Anda berganti pakaian dalam cerita, buat elemen kedua untuk pakaian kedua, misalnya @mara dan @mara-night. Di kanvas, sambungkan lembar karakter ke node Gambar baru, minta karakter yang sama dengan pakaian baru, lalu buat lembar dari hasil itu dan simpan sebagai elemen kedua. Gunakan close-up wajah yang sama di keduanya.
Menaruh dua pakaian dalam satu elemen sama dengan memberi model dua jawaban untuk satu pertanyaan, dan hasilnya akan campuran dari keduanya.
Sebelum lanjut, periksa hal berikut:
- Setiap tampilan di lembar menunjukkan wajah dan pakaian yang sama
- Detail kecil punya posisi tertulis (kiri atau kanan, atas atau bawah)
- Deskripsi elemen hanya berisi hal yang tidak pernah berubah
- Setiap pakaian punya elemennya sendiri
Bagian 3: Kunci suara
Karakter bisa terlihat sempurna di setiap shot dan tetap terasa janggal jika suaranya berubah. Model video yang membuat dialog akan memilih suara sendiri setiap kali, kecuali Anda memberinya suara untuk diikuti.
Di Sumi Studio, suara adalah bagian dari elemen. Anda bisa membuat suara di kanvas lalu menautkannya ke elemen.
3.1 Kloning suara di kanvas
Klik tanda plus di menu kiri, masuk ke “Audio”, lalu pilih “Suara”. Ini menambahkan node Suara (di kanvas tampil sebagai “Teks ke suara”). Di bilah di bawah node, klik nama suara yang sedang dipakai, di sebelah model. Jendela “Pilih suara” terbuka, berisi pustaka suara, suara milik Anda sendiri, favorit, dan suara dari elemen Anda.
Klik “Klon suara baru”. Bacakan sebuah paragraf pendek selama 10 sampai 20 detik, atau unggah rekaman.
Layar kloning menampilkan syarat rekaman untuk model suara tersebut. Untuk Qwen Audio 3.1 TTS Plus, rekaman harus berisi ucapan tanpa putus minimal 5 detik, jeda di bawah 2 detik, tanpa musik, nyanyian, atau bising, dalam file WAV, MP3, atau M4A hingga 10 MB dan 60 detik. Kloning hanya suara Anda sendiri atau suara yang Anda punya izin untuk memakainya.
3.2 Atau desain suara dari deskripsi
Jika karakter Anda tidak terdengar seperti siapa pun yang Anda kenal, desain suaranya dari deskripsi. Buka “Pilih suara” dari node Suara dengan cara yang sama, lalu klik “Desain suara” dan isi formulirnya:
- “Nama suara”: pakai nama karakter, misalnya Mara, agar mudah ditemukan nanti.
- “Model”: pilih model suara. Biaya suara dikenakan sekali, saat pertama kali Anda membuat ucapan dengan suara itu.
- “Teks pratinjau”: kalimat yang dibacakan model agar Anda bisa mendengar suaranya. Wajib diisi, maksimal 500 karakter, dan ditagih sesuai panjangnya. Tulis sesuatu yang benar-benar akan diucapkan karakter Anda, dengan nada yang Anda inginkan.
- “Deskripsi suara”: jelaskan suara berdasarkan usia, nada, dan tempo. Hindari kata yang samar seperti “keren” atau “bagus”, yang bisa ditafsirkan model dengan banyak cara.
- “Bahasa” dan “Jenis kelamin”: atur keduanya sesuai karakter.
- Klik “Buat suara”.
I told you I'd come back, and here I am. It's been a long time since I walked these streets at night. The rain hasn't changed, the neon signs haven't changed, and you still leave the back door open. Don't look so surprised. I'm not here to make trouble. I just need one answer, and then I'll be gone before the sun comes up. So sit down, pour yourself a drink, and tell me the truth this time. Who sold us out that night? Take your time. I've waited three years, I can wait a little longer.
A woman in her early 30s, low and slightly husky voice, calm and measured pace, speaks quietly but clearly, a little dry and sarcastic.
Suara baru muncul di “Suara saya” dalam “Pilih suara”.
3.3 Tautkan suara ke karakter
Kembali ke elemen di Elemen. Ada dua tempat untuk mengatur suara:
- Di “Suara”, pilih suara yang Anda kloning atau desain dari “Suara kloning saya”.
- Di “Referensi suara karakter”, pilih atau unggah klip berdurasi 2 sampai 10 detik. Seedance, Wan, dan Hailuo memakai klip ini saat Anda menyebut karakter dengan @.
Klip referensi yang baik berisi satu orang yang berbicara jelas, tanpa musik dan tanpa bising latar, dengan nada yang paling sering Anda inginkan. Jika karakter Anda kebanyakan tenang, jangan pakai klip saat ia berteriak.
Kling hanya memakai suara yang dikloning dengan Kling. Jika Anda ingin karakter tetap bersuara sama di video Kling, pilih suara hasil kloning Kling di “Suara”.
Satu hal lagi: saat sebuah node di kanvas mengambil suara dari elemen, node itu menyimpan salinannya. Jika nanti Anda mengganti suara di elemen, node yang sudah dibuat tetap memakai suara lama. Tetapkan suaranya sebelum Anda menyusun shot.
Bagian 4: Pakai karakter di setiap shot
4.1 Selalu panggil karakter dengan @
Tahan Tab dan tambahkan node Video untuk setiap shot. Di kotak prompt di bawah node, ketik @ dan pilih karakter Anda. Itulah yang melampirkan lembar dan suaranya. Shot yang karakternya Anda deskripsikan dengan kata-kata tetapi lupa diberi @ adalah shot yang wajahnya bergeser.
Node Video baru dimulai dalam mode “Teks ke video”, yang tidak memakai referensi karakter Anda. Ganti modenya sebelum membuat: klik bilah pengaturan di bawah prompt (isinya kurang lebih “Teks ke video · 16:9 · 480P · 8s”) untuk membuka “Parameter”, lalu di “Metode pembuatan” pilih “Referensi Omni”. Dalam mode ini, model memakai gambar sekaligus suara karakter.
4.2 Tulis shot-nya, serahkan tampilan ke elemen
Prompt shot sebaiknya menjelaskan apa yang terjadi: aksi, kamera, tempat, cahaya, dan dialog. Anda tidak perlu menjelaskan wajah lagi, dan menuliskannya ulang dengan kata-kata berbeda di setiap shot justru bisa menarik model menjauh dari referensi.
Tulis latar secara singkat tetapi spesifik. Tanpa latar, banyak model memberi set yang polos dan kosong.
8-second shot. @mara walks toward the camera along a narrow street at night, wet pavement with neon reflections, a few closed shops in the background. Medium shot, eye level, slow push-in. She stops, looks up and says quietly: "I told you I'd come back." Calm, low voice. Only the sound of rain and her footsteps. No music, no subtitles.
Sebelum Anda menekan Buat, node menampilkan berapa kredit yang akan dipakai shot tersebut.
4.3 Untuk shot terpenting, mulai dari frame pertama
Untuk close-up atau momen kunci, buat frame pertamanya sebagai gambar terlebih dahulu. Tambahkan node Gambar, @ karakternya, dan jelaskan komposisi shot. Setelah frame terlihat pas, klik tanda plus di sisinya, tarik ke node Video, buka “Parameter” dari bilah pengaturan, lalu atur “Metode pembuatan” ke “Gambar ke video”, atau “Frame awal & akhir” jika Anda juga membuat frame terakhir.
Cara ini memberi model video titik awal yang pasti dengan wajah yang benar sejak awal, dan biasanya inilah cara paling andal untuk menjaga konsistensi karakter. Biayanya juga lebih hemat, karena membuat ulang gambar lebih murah daripada membuat ulang video.
Detail kecil yang cenderung hilang di tengah klip, seperti topi, tato, atau kacamata, harus terlihat di frame pertama. Jika hanya ada di teks, detail itu sering lenyap di tengah jalan.
Berikut contohnya dengan Mara dalam pakaian malamnya.
@mara-night in a close-up, standing under a flickering streetlight in a narrow alley at night, light rain falling, wet brick wall behind her slightly out of focus. Warm orange streetlight from the left, cool blue neon glow from the right. Her coat collar is turned up and she looks just past the camera with a calm, tired expression. Her face sits on the right third of the frame. Eye level, 50mm lens, shallow depth of field. Photorealistic cinematic, natural skin texture, 35mm film look. No text, no watermark.
5-second shot. Use the reference image as the first frame and keep its composition, lighting and framing exactly the same. @mara-night stays under the streetlight in the rain. She slowly lifts her eyes to the camera, lets out a short breath and the corner of her mouth tightens. She does not speak. Close-up, eye level, very slow push-in. Rain falls steadily, the streetlight flickers once, a car's headlights sweep across the brick wall behind her. Only the sound of rain and a car passing in the distance. No music, no subtitles.
4.4 Bangun semua shot dari satu referensi
Anda tidak perlu mengunggah lembar karakter lagi untuk setiap shot. Tarik sambungan dari node lembar ke setiap node Video yang membutuhkannya. Apa pun yang ada di node pertama akan masuk ke node berikutnya, jadi satu referensi bisa dipakai untuk shot sebanyak yang Anda perlukan.
Jika satu shot hasilnya salah, buat ulang node itu saja. Bagian kanvas lainnya tetap seperti semula. Jika Anda ingin semua gambar dan klip proyek ada di depan mata selama bekerja, letakkan node Tumpukan di kanvas.
Setelah shot siap, buka “Edit Cerdas”. Semua yang Anda buat di kanvas sudah tersedia di sana untuk disusun di timeline.
Sebelum lanjut, periksa hal berikut:
- Setiap prompt shot yang berisi karakter punya @handle
- Prompt shot menjelaskan aksi, kamera, dan tempat, tanpa menjelaskan wajah
- Shot kunci dimulai dari frame pertama yang sudah disetujui
- Topi, kacamata, dan tato terlihat di frame pertama
Bagian 5: Shot yang merusak konsistensi
Sebagian shot jauh lebih sulit bagi model video dibanding yang lain. Jika Anda sudah memperhitungkannya saat menulis cerita, Anda akan jauh lebih jarang membuat ulang.
| Masalahnya | Cara menghindarinya |
|---|---|
| Wajah berubah saat karakter berbalik lalu menghadap lagi | Jaga wajah tetap terlihat, atau potong di saat berbalik dan mulai shot berikutnya dari frame pertama baru |
| Dua karakter melebur jadi satu, atau fitur wajahnya tertukar | Beri masing-masing elemennya sendiri, tulis siapa di kiri dan siapa di kanan, dan jangan biarkan mereka berpapasan |
| Wajah salah di wide shot | Di wide shot, wajah hanya mendapat sangat sedikit piksel. Pakai wide shot untuk tempat dan gerakan, lalu tampilkan wajah di medium shot dan close-up |
| Shot dari tepat di atas kehilangan wajah | Gunakan sudut tinggi yang masih memperlihatkan wajah, atau simpan shot dari atas untuk momen yang tidak bergantung pada identitas |
| Pakaian berubah di tengah klip | Pakai satu elemen untuk satu pakaian dan pastikan seluruh pakaian terlihat di frame pertama |
| Suara terdengar berbeda di satu shot | Pastikan shot itu punya @handle dan Anda tidak mengganti suara setelah node dibuat |
| Mulut karakter bergerak padahal tidak sedang bicara | Tulis “tidak berbicara” untuk karakter itu di prompt |
| Terlalu banyak hal terjadi dalam satu klip | Batasi setiap klip pada satu atau dua aksi. Rangkaian aksi yang panjang adalah tempat wajah dan tangan mulai kacau |
| Pencahayaan mengubah wajah | Jaga cahaya tetap sama dalam satu adegan: arah sama, kehangatan sama. Perubahan cahaya yang besar bisa membuat wajah yang sama terlihat seperti orang lain |
Kesalahan umum
- Langsung membuat video sebelum lembar karakter disetujui (2.2)
- Menulis detail kecil tanpa posisi, sehingga berpindah-pindah antar-shot (2.1)
- Dua pakaian dalam satu elemen (2.4)
- Elemen tanpa suara, sehingga model memilih suara baru di setiap shot (Bagian 3)
- Mengganti suara elemen setelah shot disusun (3.3)
- Lupa menulis @handle di sebuah shot (4.1)
- Menjelaskan wajah lagi di setiap prompt shot (4.2)
- Membuat close-up kunci langsung dari teks (4.3)
- Wide shot dan gerakan berbalik di momen saat wajah paling penting (Bagian 5)
Siapkan karakter pertama Anda dan mulailah dengan uji dua shot sebelum membangun film utuhnya. Untuk mempelajari lebih lanjut tentang kanvas, elemen, dan model, lihat Akademi Sumi Studio.