Story-to-Video Workflow: From Chapter to Narrated Video

Story-to-Video Workflow: From Chapter to Narrated Video adalah prosedur yang saya jalankan setiap kali satu chapter baru dari cerita bersambung siap dijadikan video narasi. Masukannya teks chapter; hasilnya video yang utuh: setiap bagian dibacakan, setiap beberapa detik ada gambarnya, musik mengalun di bawahnya, dan thumbnail menjanjikan isi chapter itu.

Halaman ini bukan tutorial, dan tools yang menjalankannya tidak dibagikan karena itu milik saya sendiri. Yang diceritakan adalah cara saya mengubah pekerjaan kreatif yang panjang menjadi rangkaian keputusan yang cukup diambil sekali: tahap mana lebih dulu, tahap mana dikerjakan AI agent sendiri, mana yang tetap saya pegang, dan kenapa.

Sekilas

Pemicu	Satu chapter baru siap diproduksi
Frekuensi	Sekali per chapter
Masukan	Teks chapter, dan catatan tokoh, properti, serta tempat dalam cerita
Hasil	Video narasi chapter itu di tiap bahasa yang diatur, lengkap dengan musik dan thumbnail
Selesai bila	Semua gambar lolos pemeriksaan, audit chapter bersih, dan chapter sudah saya tinjau lalu render

Pekerjaan berulangnya

Mengubah satu chapter jadi video berarti puluhan pilihan kreatif kecil: di mana satu suasana berakhir dan suasana berikutnya mulai, momen mana dari satu paragraf yang layak digambar, seperti apa wajah tokoh di adegan ini, musik mana yang cocok untuk bagian sedih tanpa membuatnya terdengar seperti film horor. Kalau diputuskan ulang setiap kali, pilihan-pilihan itu bergeser. Wajah tokoh berubah dari gambar ke gambar, tempo gambar cepat-lambat tanpa alasan, dan chapter dibuka dengan musik yang membuat penonton pergi di menit pertama.

Karena itu urutan kerjanya saya kunci, setiap aturan yang lahir dari chapter sebelumnya saya tuliskan, dan di ujung tiap tahap saya pasang gerbang yang menolak tahap berikutnya berjalan di atas hasil yang belum lengkap atau belum terverifikasi. AI agent mengerjakan produksinya tahap demi tahap; saya yang menentukan kapan tiap tahap jalan, dan tinjauan akhir serta render tetap saya pegang sendiri.

Alurnya

1. Ambil chapter, tulis ulang ke bahasa Indonesia, dan catat tokoh, properti, serta tempat yang muncul.
2. Bagi chapter jadi scene dan shot, sebelum ada audio apa pun.
3. Buat narasinya, di tiap bahasa yang diatur.
4. Pilih musiknya, sebelum satu gambar pun dibuat.
5. Rencanakan dan buat gambarnya, dan periksa satu per satu.
6. Buat thumbnail begitu gambar lengkap.
7. Tinjau chapter, lalu render videonya.

Langkah dan keputusan di baliknya

1. Ambil chapter dan tulis ulang. AI agent mengambil teks chapter lalu menuliskannya ulang menjadi prosa Indonesia yang wajar, dari sudut pandang tokoh utama. Saya memilih menulis ulang, bukan menerjemahkan kata per kata, karena narasi ini didengar, bukan dibaca: kalimat yang sekadar benar terdengar kaku begitu diucapkan.

2. Catat tokoh, properti, dan tempat. Di tahap yang sama, agent mengekstrak setiap tokoh, properti, dan lokasi yang muncul ke catatan cerita — saya menyebutnya object bible — lengkap dengan deskripsi tiap objek dan keadaannya, misalnya seragam sekolah atau versi dewasa dari orang yang sama. Ini terjadi sebelum produksi, dan tahap produksi hanya membacanya. Alasannya konsistensi: semua gambar sesudahnya bersandar pada deskripsi ini, dan deskripsi yang berubah di tengah chapter akan mengubah wajah di tengah cerita.

3. Bagi chapter jadi scene dan shot, sebelum ada audio. Scene adalah bagian cerita yang bersuasana sama. Pindah tempat tidak otomatis membuka scene baru, tapi suasana yang berubah di satu tempat justru membukanya, karena nanti musik mengikuti scene dan tak boleh dipaksa menaungi dua suasana yang bertolak belakang. Shot adalah kumpulan paragraf utuh dalam satu scene, yang ukurannya diatur supaya narasinya jauh di bawah satu menit. Paragraf tak pernah dipotong, jadi narasinya tetap persis teks yang ditulis. Batas-batas ini ditetapkan sebelum audio ada, supaya mengikuti cerita, bukan durasi yang belum diukur.

4. Buat narasinya. Tiap shot diubah jadi suara oleh layanan text-to-speech, satu shot per permintaan, dengan suara, kecepatan, dan format yang dipatok per bahasa di pengaturan project. Agent tidak pernah memilih suara dengan menebak dari bahasanya; pengaturan yang tetap membuat setiap chapter terdengar dibacakan oleh narator yang sama. Bila saya ingin bahasa kedua, narasinya ditulis untuk setiap shot dari konteks cerita sebelum langkah ini, lalu kedua bahasa dibuat suaranya di sini.

5. Pilih musik sebelum gambar. Begitu semua shot punya audio, agent mengelompokkan scene-scene bertetangga yang sesuasana menjadi beberapa blok musik dan memilih satu lagu berlisensi untuk tiap blok. Musik tak bergantung pada gambar, jadi tak ada alasan menunggunya. Aturan terpentingnya lahir dari chapter yang gagal: pembukanya terdengar seperti film horor karena lagunya dipilih sebab sedih, padahal ia juga gelap. Narasi memberi rasa penasaran, musik memberi rasa nyaman, dan bila keduanya sama-sama tegang, penonton pergi di menit pertama. Karena itu blok pembuka tak boleh gelap atau minor.

6. Rencanakan gambar dari audio yang sudah terukur. Baru di sini jumlah gambar diputuskan, karena ia diturunkan dari durasi narasi tiap shot yang sebenarnya — satu gambar baru setiap beberapa detik, dihitung dari bahasa yang terpanjang, supaya semua bahasa memakai gambar yang sama. Agent membagi teks shot menjadi bagian-bagian yang bersambung dan utuh sebanyak jumlah gambarnya, lalu memilih satu momen cerita yang berbeda untuk tiap bagian. Untuk setiap tokoh yang tampil, ia mencatat versi tokoh yang mana, pakaiannya, dan siapa berbuat apa kepada siapa. Rencana yang tak menutup setiap kata di teks, atau yang mengulang momen, ditolak gerbang sebelum satu gambar pun dibuat.

7. Buat tiap gambar beserta referensinya. Setiap tokoh, properti, dan tempat punya satu gambar referensi yang sudah diterima, terikat pada deskripsi persis yang menjadi dasarnya. Bila deskripsinya berubah, referensinya ditandai basi lalu digambar ulang, tak pernah dipakai ulang diam-diam. Permintaan gambar hanya membawa referensi untuk yang tampil di momen itu, sebab referensi yang cuma kebetulan dekat akan bocor ke gambar: versi dewasa seorang tokoh, atau teman yang tak ada di adegan.

8. Periksa tiap gambar sebelum dipasang. Agent melihat setiap gambar jadi dan mencocokkannya dengan narasi serta daftar periksa yang tetap: gaya, anatomi, framing, identitas, aksi, kesinambungan, dan keamanan. Tiap gambar yang diterima dicatat bersama sidik jari dari byte-nya yang persis, jadi catatannya membuktikan bahwa file inilah, bukan versi sebelumnya, yang diperiksa. Hanya gambar dengan catatan itu yang lolos gerbang masuk ke chapter.

9. Buat thumbnail paling akhir. Thumbnail adalah satu key art yang memperlihatkan konflik utama chapter, dibuat hanya sesudah semua gambar di chapter itu lolos. Ia memakai ulang referensi yang sudah diterima dan beberapa gambar yang relevan, jadi tokohnya tampak sama dengan yang ada di video. Yang diperlihatkan adalah taruhan di chapter itu, tak pernah akhir ceritanya.

10. Tinjau chapter, lalu render. Chapter yang sudah jadi saya tinjau di aplikasi review kecil buatan saya sendiri, dan render saya mulai sendiri dari sana. Render baru bisa dijalankan bila semua shot lengkap dan thumbnail sudah ada, dan hasilnya satu video per bahasa.

Yang saya otomatiskan, dan yang sengaja tidak

Langkah	Otomatis atau manual	Alasan
Memulai tiap tahap	manual	saya yang menentukan kapan chapter maju, jadi saya selalu tahu ia sedang di tahap mana
Menulis ulang dan mencatat objek cerita	otomatis	pembacaan yang sama cermatnya di setiap chapter, dan catatan yang bisa diandalkan setiap gambar sesudahnya
Scene dan shot	otomatis, dengan aturan tetap	batas suasana dan paragraf mengikuti aturan tertulis, bukan penilaian baru setiap kali
Narasi	otomatis	suara yang dipatok per bahasa menjaga satu narator di sepanjang cerita
Musik	otomatis, dengan aturan yang ditegakkan server	larangan pembuka yang gelap terlalu penting untuk diserahkan pada selera
Gambar dan pemeriksaannya	otomatis, di balik gerbang	banyak gambar di setiap chapter; hanya pemeriksaan yang tercatat untuk tiap gambar yang menjaganya tetap konsisten
Thumbnail	otomatis	dibangun dari referensi yang sama, jadi tak bisa melenceng dari videonya
Tinjauan dan render	manual	layak tidaknya chapter diterbitkan adalah penilaian, dan render adalah titik sesudah mana ia selesai

Saat gagal

Setiap tahap berakhir di gerbang, jadi kegagalan muncul di gerbang yang menangkapnya, bukan di video jadi, dan keluaran gerbang itu menyebutkan apa yang salah.

Bila gerbang menolak rencana, pemasangan, atau audit chapter, laporannya menyebut shot dan aturannya: bagian teks yang tak tertutup, referensi yang basi, gambar tanpa catatan pemeriksaan. Hanya bagian itu yang dikerjakan ulang. Semua yang sudah lolos dibiarkan apa adanya.

Bila gambar gagal pemeriksaan, ia dibuat ulang dengan konteks lengkap yang sama seperti pertama kali, ditambah satu koreksi terfokus untuk cacatnya, misalnya tangan yang salah, versi tokoh yang keliru, atau aksi yang tak cocok dengan narasi. Mulai dari nol justru membuang konteks yang membuat bagian lain gambar itu sudah benar.

Bila server menolak render, sebabnya musik: blok pembuka yang gelap, atau bagian sedih yang diberi lagu yang juga mencekam atau agresif. Rencana musiknya diperbaiki, lalu render dijalankan lagi.

Kenapa urutan ini

Tiap tahap membutuhkan hasil yang hanya bisa diberikan tahap sebelumnya. Gambar bergantung pada durasi narasi yang terukur, narasi bergantung pada shot, dan shot bergantung pada scene; musik hanya bergantung pada scene dan audio, jadi ia datang sebelum gambar, bukan sesudahnya. Thumbnail merangkum chapter yang sudah jadi, jadi ia paling akhir. Objek cerita dicatat sebelum semuanya, karena setiap gambar seorang tokoh harus berangkat dari deskripsi yang sama. Mengubah urutan berarti memproduksi di atas fondasi yang belum diputuskan, lalu memproduksinya lagi begitu fondasi itu diputuskan.

Variasi

Lebih dari satu bahasa narasi. Bahasa kedua menambahkan narasinya sendiri sebelum langkah audio, lalu audio, judul, dan videonya sendiri di akhir. Gambarnya dipakai bersama: direncanakan dari teks Indonesia dan diatur waktunya terhadap bahasa yang terpanjang.

Mengulang sebagian chapter saja. Satu shot, satu scene, atau satu gambar bisa dikerjakan ulang tersendiri. Struktur chapter yang sudah diterima tak pernah dibagi ulang hanya supaya langkah berikutnya lebih mudah.

Melanjutkan sesudah sesi terputus. Pekerjaan diteruskan dari checkpoint terakhir yang dicatat gerbang. Gambar yang sudah jadi atau satu shot yang terpasang adalah checkpoint, bukan akhir chapter, dan tak ada tahap yang dianggap selesai hanya karena percakapan yang menjalankannya terpotong.

Istilah

Scene

Bagian cerita yang bersambung dan bersuasana sama; satuan yang diikuti musik.

Shot

Kumpulan paragraf utuh dalam satu scene, yang dibacakan sebagai satu potong audio.

Beat

Satu gambar beserta beberapa detik narasi yang digambarkannya; satu shot berisi beberapa beat.

Object bible

Catatan setiap tokoh, properti, dan tempat dalam cerita, lengkap dengan deskripsi tiap objek dan keadaannya.

Gambar referensi

Satu gambar tokoh, properti, atau tempat yang sudah diterima dan wajib dicocoki setiap gambar sesudahnya.

Text-to-speech

Software yang mengubah teks tertulis menjadi suara.

Key art

Satu ilustrasi yang mewakili seluruh chapter, di sini dipakai sebagai thumbnail video.

Gerbang

Pemeriksaan di antara dua tahap yang menolak tahap berikutnya berjalan di atas hasil yang belum lengkap atau belum terverifikasi.