Apa itu frame pertama dan terakhir di video AI?

Frame pertama dan terakhir bekerja seperti gambar ke video dengan jangkar kedua. Model menaruh gambar pertamamu di awal klip dan gambar terakhirmu di akhir, menandai keduanya sebagai frame yang dipertahankan, lalu menghasilkan frame di antaranya dari noise sampai keduanya tersambung dengan cara yang dijelaskan prompt.

Dalam teks ke video, model mengarang semuanya; dengan satu gambar, semua yang terjadi setelah pembuka. Dengan dua gambar, model punya tujuan, jadi tugasnya mencari rute yang meyakinkan: mode ini cocok untuk perubahan yang terencana dan kesulitan saat rute seperti itu tidak ada.

Di balik layar: dua frame dipertahankan, bagian tengahnya dihasilkan

Laporan tentang model terbuka Wan menjelaskan desain yang umum. Gambar dikompresi dan ditempatkan sebagai frame pertama, dengan frame kosong setelahnya, dan sebuah mask biner menandai frame mana yang dipertahankan dan mana yang dihasilkan. Sebuah encoder gambar juga membaca isi gambar itu, sehingga tampilannya terbawa ke frame yang tidak pernah ditunjukkannya. Laporan itu menyebut desain yang sama bisa diperluas ke transformasi frame pertama-terakhir dan ke kelanjutan video.

Nama FLF2V berasal dari keluarga model itu: tim Wan merilis Wan2.1 FLF2V, first-last-frame-to-video, pada 17 April 2025, hanya dalam 720p.

Riset menyebut tugas ini interpolasi keyframe atau inbetweening, dari pekerjaan animator yang menggambar frame di antara dua pose kunci. Sebuah makalah ICLR 2025 mengambil model gambar ke video yang dilatih bergerak maju dalam waktu dari satu gambar, menyetel salinannya agar bergerak mundur, lalu menjalankan keduanya bersamaan sehingga setiap langkah memadukan tebakan dari masing-masing ujung.

Cara menulis prompt frame pertama dan terakhir

Jelaskan perubahannya, bukan gambarnya: keduanya sudah ditetapkan. Sebutkan apa yang bergerak, dalam urutan apa, dan bagaimana kamera berpindah dari pembingkaian pertama ke yang terakhir. Panduan Kling untuk model O1-nya memberi polanya: jadikan gambar pertama sebagai frame awal, gambar kedua sebagai frame akhir, lalu jelaskan perubahan di antara keduanya.

• Sebutkan satu aksi yang mengubah gambar pertama menjadi gambar terakhir: “ia berbalik dari jendela menghadap kamera”.
• Sebutkan gerakan kamera yang membawa dari satu pembingkaian ke pembingkaian lain: “push in pelan dari wide ke close-up”.
• Katakan bagaimana klip sampai di akhir: “berhenti perlahan”, “diam di tempat”, “cahayanya selesai naik”, agar detik terakhir tidak tersentak.
• Jangan tulis lagi apa yang sudah ditunjukkan kedua gambar: wajah, pakaian, ruangan.

Sebuah gambar bisa mengarahkan video dengan beberapa cara. Pilihanmu menentukan seberapa banyak bagian shot yang jadi milikmu dan seberapa banyak yang dibuat model.

Frame pertama dan terakhir adalah satu-satunya cara di sini yang menetapkan di mana shot berakhir; sekuens yang lebih panjang adalah beberapa shot seperti itu yang disambung.

Sebagian besar kegagalan dimulai sebelum prompt, dengan dua gambar yang tidak bisa disambung dalam waktu yang tersedia. Panduan frame awal dan akhir dari Kling meminta dua gambar mirip dengan tema yang sama, dan memperingatkan bahwa perbedaan besar bisa memicu pergantian shot: potongan, bukan gerakan.

• Beri kedua gambar bentuk dan ukuran yang sama dengan klipnya, agar tidak ada yang terpotong atau meregang di kedua ujungnya.
• Pertahankan subjek, cahaya, lensa, dan gayanya; ubah satu atau dua hal saja, misalnya pose, posisi kamera, atau waktu dalam sehari.
• Sesuaikan perubahannya dengan durasi: menoleh muat dalam 5 detik, matahari terbit di atas kota tidak.
• Buat frame terakhir dari frame pertama: edit salinannya dengan editor gambar AI, atau perluas ke pembingkaian yang lebih lebar dengan Perluas gambar dengan AI, agar keduanya sama dalam setiap detail yang tidak kamu ubah.
• Buat wajah, tangan, dan teks tetap besar dan jelas di kedua gambar: frame di tengahnya dikarang, dan detail kecil yang pertama digambar ulang.

Setiap pembuat model menetapkan batasnya sendiri. Ini isi halaman mereka saat kami membacanya pada 29 Oktober 2026:

• Transisi: jalan yang sama pada siang dan malam, ruangan kosong dan sudah berperabot, musim panas ke salju.
• Sebelum dan sesudah: makeover, renovasi, hidangan mentah dan matang, kedua ujungnya persis seperti yang difoto atau didesain.
• Reveal yang mendarat di gambar akhir yang direncanakan: produk, kartu judul, atau logo.
• Produk yang berputar dari depan ke belakang, dengan kedua tampilannya persis.
• Karakter yang bergerak di antara dua pose yang digambar untuk storyboard.
• Loop, dengan gambar yang sama di kedua ujungnya.

Di DreamBench, Seedance 2.5, Seedance 2.0, Veo 3.1 beserta versi Fast dan Lite-nya, Kling 4.0, Kling 3.0, Wan 3.0, Wan 2.7, MiniMax H3, dan LTX-2.3 bisa diberi tahu di mana harus berakhir. HappyHorse 1.1, Grok Imagine 1.5, dan Vidu Q2 hanya mulai dari frame pertama. Tabel ini dibaca dari pengaturan yang sama yang dipakai panel pembuatan DreamBench:

“Frame pertama saja” berarti model bisa dibuka dengan gambarmu tetapi tidak bisa diberi tahu di mana harus selesai: akhirnya diserahkan pada prompt.

Kenapa videoku tidak berakhir di frame terakhirku? Frame pertama ditempatkan persis, tetapi frame terakhir adalah target: model menghasilkan frame-frame terakhir untuk mencapainya, dan jalan yang terlambat, atau perubahan yang terlalu besar untuk durasinya, mendarat di dekatnya atau tersentak ke sana di saat-saat terakhir. Makin mirip kedua gambar, makin tepat pendaratannya.

• Frame di tengah tetap bisa berkedip atau bergeser: kegagalan konsistensi temporal, makin parah jika kedua ujungnya makin jauh berbeda.
• Dua ujung menetapkan satu shot. Orang yang harus terlihat sama di beberapa shot butuh gambar yang sama di setiap shot, yaitu konsistensi karakter.
• Sebagian model menolak gambar tertentu: tutorial ByteDance menyebut Seedance 2.5 tidak menerima gambar yang menampilkan wajah manusia sungguhan.
• Pakai hanya gambar yang berhak kamu gunakan, dan minta izin sebelum menganimasikan foto orang lain.

Alat animasi logo adalah proses frame pertama dan terakhir milik DreamBench. Kamu mengunggah logo dan memilih gaya, lalu model diberi logomu, persis seperti yang kamu unggah, di atas latarnya sendiri, sebagai frame penutup. Frame pertamanya bergantung pada gaya: logo itu sendiri untuk Sapuan cahaya, latar kosong untuk reveal, atau frame yang digambar dari logo, dipecah untuk Glitch, garis luar redup untuk Neon, posisi menyamping untuk Putar 3D.

Setiap proses menghasilkan klip lima detik di Kling 3.0: 720p tanpa suara, 1080p, atau 1080p dengan suara. Sebagian proses tidak mendarat dengan rapi di frame logo; kalau detik terakhir terlihat salah, jalankan lagi.

Alat gambar ke video adalah versi satu gambar: sebuah foto menjadi frame pertama klip lima detik. Dan saat kamu mendeskripsikan film, DreamBench menuliskannya sebagai shot-shot, menggambar frame pembuka untuk setiap shot dari gambar referensimu, lalu model video menghasilkan shot dari frame itu; ke mana arahnya ditulis di prompt-nya.