Saat mengisi narasi video pendek, masalah yang paling umum bukan tidak adanya suara, melainkan suara dan gambar yang tidak sinkron: narasi masih membaca kalimat sebelumnya, gambar sudah berpindah ke shot berikutnya; atau gambar berhenti di close-up produk sementara narasi sudah lama selesai. Urutan voice-over yang benar justru sebaliknya: lihat dulu bagaimana gambarnya diedit, baru tentukan tiap segmen narasi mengatakan apa dan berapa lama. Text-to-Speech dari PixMind bisa mengubah tiap segmen naskah menjadi MP3, dan pas-tidaknya narasi dengan gambar ditentukan oleh pekerjaan pemecahan sebelum mulai menulis.
Buka Text-to-Speech, letakkan video pendek yang sudah diedit di sisi Anda, generate dan unduh tiap segmen narasi secara terpisah, lalu masukkan ke aplikasi editing.
Poin utama
- Pecah narasi berdasarkan segmen gambar dulu, baru tulis teksnya; tiap segmen hanya memikul satu tugas informasi, durasinya mengikuti gambar.
- Batas karakter sekali generate: 100 karakter untuk pengguna belum masuk akun dan paket gratis, 10000 karakter untuk anggota berbayar; halaman hanya menyimpan satu hasil pada satu waktu, jadi generate dan unduh per segmen.
- Durasi mengacu pada hasil generate: bilah pemutar menampilkan total durasi tiap audio; ukur dulu satu segmen, baru susun seluruh video, tanpa rumus konversi jumlah karakter ke detik.
- Penyatuan narasi ke video adalah langkah editing eksternal; subtitel dibuat setelah trek audio final, memakai tool video-ke-teks dari video jadi akhir.
Pecah dulu narasi mengikuti irama gambar
Langkah pertama mengisi suara bukan mengetik, melainkan menonton gambarnya. Tonton dua kali video yang sudah diedit: putaran pertama mencatat urutan shot, putaran kedua membaca dalam hati sambil mengikuti gambar guna merasakan berapa kalimat yang muat di tiap segmen, lalu pecah videonya berdasarkan fungsi tiap shot.
Contoh video produk sekitar 15 detik, dipecah menjadi tiga segmen: pembuka, demonstrasi, dan penutup:
| Segmen | Isi gambar | Tugas narasi | Perkiraan durasi |
|---|---|---|---|
| Pembuka | Produk diletakkan ke meja, kamera mendekat | Satu kalimat menyebut ini apa dan untuk siapa | Sekitar 3 detik |
| Demonstrasi | Tiga shot aksi: mengisi bahan, menutup tutup, menyalakan | Satu kalimat per aksi, menjelaskan urutannya | Sekitar 8 detik |
| Penutup | Close-up hasil akhir, berhenti di tampilan logo | Satu kalimat berisi ajakan bertindak | Sekitar 3 detik |
Durasi tiap segmen berasal dari gambarnya sendiri; narasi harus mengisi jendela itu, bukan membuat gambar menunggu narasi. Menulis teks panjang dulu lalu memaksakannya ke gambar biasanya hanya menyisakan satu jalan: mempercepat paksa, dan kualitas pendengaran langsung turun; pengantar produk 300 karakter yang dibacakan tuntas sering sudah melebihi durasi seluruh video.
Pemecahan segmen punya manfaat praktis lain: generate sekali dibatasi jumlah karakter—belum masuk akun dan paket gratis maksimal 100 karakter, anggota berbayar dilepaskan hingga 10000 karakter. Narasi per segmen hasil pemecahan storyboard umumnya jauh di bawah batas, satu segmen satu berkas, pas untuk digenerate bergiliran.
Ubah naskah teks menjadi kalimat yang mudah didengar
Di video pendek, penonton mendengar narasi, bukan membacanya. Dalam hal penulisan, dua hal paling menentukan hasilnya.
Pertama, hapus informasi yang sudah dijelaskan gambar. Saat gambar sedang mendemokan penutupan tutup gelas, narasi tidak perlu berkata "selanjutnya rapatkan tutup gelas"; ketika kamera sudah menunjukkan close-up hasil, narasi juga tak perlu mengulang "terlihat hasilnya sangat halus". Narasi hanya mengatakan apa yang tak bisa disampaikan gambar: nama, kegunaan, dan alasan di balik tiap aksi.
Kedua, satu poin per kalimat, gunakan tanda baca untuk mengatur jeda. Koma adalah jeda pendek, titik adalah tempat mengambil napas; kalimat pendek lebih mudah menyamai pergantian shot sekaligus memberi pendengar waktu mencerna.
Contoh segmen demonstrasi. Draf awal: "Produk ini mudah dioperasikan, hanya tiga langkah: pertama masukkan buah ke dalam gelas, lalu rapatkan tutupnya, terakhir tekan tombol mulai, dan dalam puluhan detik jus segar siap dinikmati." Setelah ditulis ulang: "Tiga langkah selesai. Buah masuk, tutup dirapatkan, tombol ditekan. Puluhan detik, segelas jus segar jadi." Versi tulis ulang membuang kata hiasan, menambah jeda, dan tiap kalimatnya tepat menekan satu shot aksi.
Sambil itu, tulis angka dan kode model persis seperti cara Anda ingin dibacakan. Ingin "3 langkah" terdengar "tiga langkah", tulis langsung kata "tiga"; apakah huruf dan angka pada kode model terdengar natural saat dibaca berurutan, jadikan hasil generate sebagai acuan.
Pratinjau dulu, baru pilih suara yang cocok
Suara tidak punya jawaban tunggal; ganti suara pada naskah yang sama dan karakter seluruh video ikut berubah. Cara memilihnya lugas: pakai segmen naskah yang sama—disarankan kalimat pembuka—generate versi dua suara secara terpisah, dengarkan, baru putuskan.
Saat membandingkan, perhatikan dua hal. Pertama gaya konten: demonstrasi produk biasanya cocok dengan suara cerah dan ringkas, konten edukatif lebih cocok nada tenang dan santai. Kedua kejelasan: fokus dengarkan nama produk, angka, dan bagian yang dibaca berurutan—suara mana yang tidak menelan huruf dan tidak mengambang lebih penting daripada suara mana yang enak didengar.
Popup pemilihan suara mendukung penyaringan berdasarkan engine dan bahasa; arahkan kursor ke suara untuk langsung pratinjau contohnya. Contoh suara hanya menggambarkan karakternya; keputusan akhir tetap berdasarkan hasil generate naskah Anda sendiri. Tidak perlu berasumsi satu engine terbaik untuk semua tugas—coba satu-dua tambahan, beberapa menit sudah cukup untuk memutuskan.
Sesuaikan teks dan kecepatan bicara dengan durasi terukur
Panjang-pendeknya narasi tidak bisa dikira-kira; cara yang bisa dijalankan adalah mengukur satu segmen dulu, baru menyusun seluruh video.
Setelah segmen pembuka digenerate, bilah pemutar di halaman menampilkan total durasi audionya; klik unduh untuk mendapatkan berkas MP3 berawalan pixmind-tts- dengan stempel waktu, lalu cek sekali lagi di pemutar lokal atau trek editing. Catat durasi ketiga segmen dan bandingkan dengan durasi gambar pada tabel storyboard:
- Narasi lebih panjang dari gambar: pangkas teksnya dulu. Membuang kata hiasan dan informasi berulang yang boleh ada boleh tidak lebih efektif daripada mengatur kecepatan—yang dibuang adalah beban, bukan kejelasan.
- Masih kurang sedikit: setel kecepatan bicara sedikit. Rentang kecepatan berbeda tiap engine—slider engine Microsoft -100% hingga +100% (default 0), Volcano Engine 0.8x hingga 2.0x (default 1.0x), MiniMax 0.5x hingga 2.0x (default 1.0x). Sesuaikan sedikit demi sedikit; setiap kali mengubah, generate ulang dan dengarkan lagi.
- Narasi lebih pendek dari gambar: tidak harus diperlambat demi mengisi penuh. Menyisakan satu-dua detik gambar tanpa narasi sering lebih baik daripada kalimat yang menempel terus.
Di sini tidak diberikan rumus konversi "sekian karakter sama dengan sekian detik" karena rumus semacam itu memang tidak andal: garis dasar kecepatan tiap suara berbeda, jeda tanda baca dan cara membaca angka ikut mengubah durasi nyata, dan satu kalimat yang sama dibaca oleh dua suara bisa berselisih cukup jauh. Daripada menghafal rumus, ukurlah segmen pembuka dan jadikan durasi nyatanya patokan.
Generate per segmen juga harus menjaga konsistensi: seluruh segmen narasi satu video memakai suara dan satu set parameter yang sama agar iramanya menyambung. Saat berpindah engine, kecepatan dan volume kembali ke nilai default, jadi catat dulu angka yang sudah disetel; halaman hanya menyimpan satu hasil pada satu waktu—generate satu segmen, unduh, baru lanjut ke segmen berikutnya.
Masukkan narasi ke aplikasi editing dan tambahkan subtitel
MP3 baru menjadi video jadi setelah diproses di aplikasi editing; langkah ini dikerjakan di luar PixMind dengan software apa pun. Alur umumnya:
- Buat proyek baru, impor gambar dan tiga MP3 narasi.
- Selaraskan tiap segmen narasi dengan gambarnya sesuai tabel storyboard; beri sedikit celah di titik pergantian shot agar suara tidak terpotong di sambungan.
- Dengarkan dari awal hingga akhir, periksa apakah volume dan irama antar segmen menyambung.
- Setelah yakin, ekspor video jadinya.
Subtitel dikerjakan setelah langkah ini dan harus mengacu pada trek audio final. Memakai teks naskah langsung sebagai subtitel membuat timecode tidak cocok dengan suara akhir: setelah teks dipangkas dan kecepatan diubah, titik awal-akhir tiap kalimat sudah bergeser. Caranya, serahkan video jadi yang sudah berisi narasi ke tool Video ke SRT, hasilkan berkas subtitel bertimecode dari video jadi itu sendiri, lalu impor kembali ke aplikasi editing untuk memeriksa istilah khusus dan pemenggalan kalimat.
Pertanyaan umum
Narasi terlalu panjang: ubah kecepatan dulu atau teksnya dulu?
Ubah teksnya dulu. Membuang kata hiasan dan informasi yang sudah dijelaskan gambar cukup untuk kebanyakan kasus; kecepatan hanya disetel sedikit saat sudah tak ada lagi yang bisa dipangkas—terlalu banyak penyetelan membuat pelafalan terburu-buru dan poin penting menjadi kabur. Setelah diubah, generate ulang dan pakai durasi di bilah pemutar untuk memastikan hasilnya.
Pilih generate sekaligus atau per segmen?
Pecah berdasarkan segmen gambar. Naskah panjang utuh terkendala batas karakter sekali generate—belum masuk akun dan paket gratis 100 karakter per generate dan kelebihannya tak bisa diproses; halaman juga hanya menyimpan satu hasil pada satu waktu, jadi naskah panjang memang harus dipecah dan diunduh per segmen. Pemecahan per storyboard sekaligus menaati batasan dan membuat durasi tiap segmen langsung menyamai gambar, sehingga saat editing hanya segmen bermasalah yang perlu disetel ulang.
Pada langkah mana subtitel sebaiknya dibuat setelah voice-over jadi?
Setelah narasi final dan trek audio disatukan ke video jadi. Timecode subtitel harus mengikuti suara final; hasilkan lewat tool Video ke SRT dari video jadi yang sudah disatukan, bukan dari teks naskah sebelum generate. Setelah berkas subtitel diterima, impor kembali ke aplikasi editing untuk memeriksa istilah khusus dan pemenggalan kalimat.
Mulai dari satu kalimat narasi pembuka
Tidak perlu menunggu naskah lengkap. Buka video pendek yang sudah Anda edit dan tulis hanya segmen pembukanya: satu kalimat yang menjelaskan ini apa dan untuk siapa. Tempel ke Text-to-Speech, generate, pratinjau, dan lihat durasinya. Begitu segmen pertama berdiri, segmen sisanya hanya mengulang siklus yang sama.
