Apa itu video multi-shot?

Video AI multi-shot dibuat dalam tiga langkah: sebuah ide direncanakan sebagai daftar shot, setiap shot dihasilkan oleh model video, dan shot-shot itu disambung dengan potongan menjadi satu film. Karena setiap shot adalah generasinya sendiri, shot yang hasilnya salah bisa dihasilkan ulang sementara yang lain tetap seperti semula.

Mengapa satu generasi adalah satu shot berdurasi beberapa detik

Model video menghasilkan semua frame sebuah klip sekaligus, dan bebannya bertambah cepat setiap kali satu detik ditambahkan, jadi satu generasi itu pendek: laporan Seedance 2.0 menyebut 4 hingga 15 detik per generasi (Team Seedance, 2026), dan Video 3.0 dari Kling mencapai 15 detik (Kuaishou, 2026). Lihat pembuatan video AI untuk pipeline-nya.

Perencanaan: dari satu ide menjadi daftar shot

Rencana menyebutkan apa yang ditampilkan setiap shot, bagaimana framing-nya, berapa lama durasinya, dan siapa yang ada di dalamnya. Sistem riset menulisnya dengan model bahasa: VideoDirectorGPT mengembangkan satu prompt menjadi “rencana video” berisi deskripsi adegan, entitas di setiap adegan beserta tata letaknya, latar belakang setiap adegan, dan entitas mana yang harus terlihat sama di seluruh adegan (Lin et al., 2023).

Menghasilkan dan menyambung shot

Setiap shot dihasilkan dari prompt-nya sendiri, dengan deskripsi dan gambar referensi karakter serta tempat yang sama di setiap shot, sehingga hasilnya serupa. Tidak ada shot yang menunggu shot lain, jadi semuanya bisa dihasilkan bersamaan. Lalu shot-shot itu disambung berurutan dengan hard cut menjadi satu video.

Potongan di dalam satu generasi: mode multi-shot

Beberapa model terbaru bisa memotong di dalam satu generasi. Kuaishou mengatakan Video 3.0 dari Kling “memahami instruksi multi-adegan dan multi-shot”, dan Video 3.0 Omni menambahkan storyboard multi-shot tempat kamu mengatur durasi, ukuran shot, perspektif, isi naratif, dan gerakan kamera setiap shot (Kuaishou, 2026). ByteDance menjelaskan “kemampuan naratif multi-shot yang native dan profesional” di Seedance 2.0, yang juga bisa mengikuti storyboard berbentuk teks (Team Seedance, 2026). Wan 2.6 dari Alibaba punya pengaturan untuk itu: satu shot tanpa putus, atau “beberapa shot dengan transisi” (Alibaba Cloud).

Riset juga bergerak ke arah yang sama: Long Context Tuning memperluas atensi model satu shot ke setiap shot dalam satu adegan, dan melaporkan adegan multi-shot yang koheren dari situ (Guo et al., 2025). Namun, mode multi-shot tetap satu generasi: semua potongannya muat di dalam sekitar 15 detik milik model.

Ketiganya sering sama-sama disebut “multi-shot”, padahal ketiganya berbeda, dengan batasan yang berbeda pula:

Video ini dibuat di DreamBench dari brief di bawahnya, di Kling 3.0 dalam frame vertikal 9:16. Brief-nya ditulis sebagai urutan: close-up sepatu, belokan ke arah matahari, lalu “final shot” (shot terakhir) yang disebutkannya. Pelari, sepatu, dan cahaya pagi tetap sama sepanjang video.

Potongan menyambung dua shot yang dihasilkan terpisah, jadi tidak ada yang membuat keduanya selaras selain apa yang diberitahukan kepada keduanya. Kontinuitas yang baik membuat shot kedua terbaca sebagai momen yang sama, dilihat dari tempat lain.

Apa yang terbawa melewati potongan

• Wajah, rambut, dan pakaian: orang yang sama, dideskripsikan dengan kata-kata yang sama dan ditunjukkan dari gambar referensi yang sama di setiap shot. Inilah konsistensi karakter.
• Tempatnya: ruangan, jalan, atau lanskap yang sama, dengan penanda-penandanya di tempat semula.
• Posisi dan pose: orang yang duduk di sebelah kiri dalam satu shot tetap duduk di sebelah kiri di shot berikutnya.
• Properti dan kondisinya: cangkir yang tinggal setengah tetap setengah; pintu yang dibiarkan terbuka tetap terbuka.
• Cahaya: waktu yang sama dalam sehari, arah matahari yang sama, warna cahaya yang sama.
• Gerakan: pelari yang bergerak dari kiri ke kanan tetap bergerak dari kiri ke kanan, dengan kecepatan yang sama.

Apa yang berubah di potongan

Framing harus berubah: dua shot dari subjek yang sama dengan ukuran dan sudut yang hampir sama terbaca sebagai lompatan, seolah ada frame yang hilang. Aturan DreamBench untuk setiap sambungan adalah kontras yang jelas: setidaknya dua tingkat ukuran shot, misalnya dari wide ke close-up, atau kamera bergeser seperempat putaran, atau cutaway ke hal lain, atau adegan baru.

Suara antarpotongan

Di model yang menghasilkan suara, audio setiap shot dihasilkan bersama gambarnya dan disambung bersamanya di potongan. Satu kalimat dialog milik satu shot: potong percakapan di akhir kalimat, seperti film memotong di antara pembicara, dan suaranya tersambung dengan rapi. Lihat audio native untuk cara suara dibuat.

Tulis ceritanya dalam satu kalimat, lalu pecah menjadi momen-momen, masing-masing satu shot. Rencana 30 detik bisa terlihat seperti ini:

• Satu aksi per shot: shot yang mencoba menampilkan tiga hal akan membuat semuanya kacau.
• Deskripsikan setiap karakter dengan cara yang sama di setiap shot, kata demi kata, dan pakai gambar referensi yang sama.
• Ubah ukuran shot di setiap potongan, dan pertahankan arah gerakan.
• Beri setiap shot detik yang dibutuhkan aksinya: lirikan butuh satu detik, menyeberangi ruangan tiga atau empat.

Jika sebuah shot harus berakhir tepat di tempat shot berikutnya dimulai, model yang menerima frame pertama dan terakhir bisa diberi tahu kedua ujungnya. Untuk menampilkan produk atau orang sungguhan di setiap shot, berikan gambar mereka sebagai referensi: itulah referensi ke video.

Berapa banyak shot yang dibutuhkan sebuah film tergantung pada durasinya dan pada shot terpanjang yang bisa dibuat modelnya dalam satu generasi. Berikut durasi satu generasi dari model-model video di DreamBench:

Bisakah AI membuat video 1 menit? Bisa, sebagai beberapa shot yang disambung: tidak ada model di DreamBench yang membuat 60 detik dalam satu generasi. DreamBench memotong film baru menjadi shot berdurasi 3 hingga 12 detik, sepanjang yang dibutuhkan aksi setiap shot, bahkan di model yang bisa merender lebih panjang, sehingga setiap shot hanya memuat beberapa aksi. Jadi satu menit berarti setidaknya lima shot.

• Iklan dan film produk: produk di lingkungannya, saat dipakai, dalam close-up, lalu kartu penutup.
• Cerita pendek dan film pendek, dengan satu karakter yang diikuti dari adegan ke adegan.
• Video musik, dipotong mengikuti ketukan di banyak tempat.
• Video media sosial dalam 9:16, dibangun dari potongan-potongan cepat.

• Pergeseran antarshot: wajah, jaket, atau gaya rambut sedikit berubah dari satu shot ke shot berikutnya. Gambar referensi di setiap shot adalah solusi utamanya.
• Jump cut: dua shot yang terlalu mirip ukuran dan sudutnya terlihat seperti glitch, bukan hasil edit.
• Kontinuitas rusak: properti berpindah tangan, cahaya berubah dari pagi ke sore, karakter menyeberang dari kiri ke kanan lalu kembali lagi.
• Aksi yang terbelah dengan buruk di potongan: tangan meraih pintu di satu shot dan sudah berada di dalam di shot berikutnya, dengan bagian tengahnya hilang.
• Potongan yang ditulis ke dalam satu generasi di model tanpa mode multi-shot: hasilnya bisa berupa kedipan di antara dua tempat yang setengah jadi, bukan potongan yang bersih.
• Durasi: setiap shot tambahan berarti satu tempat lagi untuk kesalahan, jadi periksa setiap shot, bukan hanya filmnya secara utuh.

Mengapa karakterku terlihat berbeda setelah potongan? Karena shot kedua dihasilkan tanpa melihat shot pertama: hanya kata-kata dan gambar yang diberikan kepada keduanya yang menghubungkannya. Deskripsikan karakter secara identik di setiap shot, berikan gambar referensi yang sama ke masing-masing, dan biarkan pakaian serta latarnya tidak berubah kecuali ceritanya mengubahnya. Di dalam satu shot, masalah yang sama adalah kegagalan konsistensi temporal.

Film yang terdiri dari shot hasil generasi bisa terlihat seperti rekaman asli. Beri label jika film itu bisa disangka asli, dan jangan pernah menampilkan orang sungguhan di dalamnya tanpa persetujuan mereka.

Video multi-shot adalah cara DreamBench membuat setiap film. Kamu mendeskripsikan ceritanya, dan DreamBench menulis naskahnya: rencana adegan dengan framing, aksi, dan dialog setiap shot. DreamBench menggambar setiap karakter, tempat, dan properti sekali sebagai lembar, agar terlihat sama di setiap shot, lalu menghasilkan setiap shot di satu model yang kamu pilih dan menyambungnya, dengan hard cut di setiap sambungan.

• Tinjau setiap langkah: secara default kamu membaca naskahnya, lalu bertemu para pemerannya, sebelum shot apa pun dihasilkan; tulis ulang naskah dengan catatan atau gambar ulang karakter, dari gambarmu sendiri jika mau. Atau biarkan filmnya berjalan sampai selesai tanpa berhenti.
• Ulangi satu shot: di editor shot film yang sudah jadi, pilih shot-nya dan sebutkan apa yang perlu diubah. Hanya shot itu yang dihasilkan ulang, dengan pemeran yang sama, dan setiap take sebelumnya disimpan di antara versinya untuk kamu pilih.
• Beberapa shot sekaligus: beri arahan baru ke shot sebanyak yang kamu mau, bandingkan versinya, dan terapkan yang kamu inginkan, dengan membayar detik yang kamu hasilkan ulang ditambah biaya edit kecil.
• Gambarmu sendiri: tambahkan hingga 8 gambar referensi ke sebuah film, masing-masing ditandai sebagai karakter, makhluk, lokasi, atau properti, dan gambar itu dipakai di shot tempatnya berada.
• Durasi per paket: film bisa berdurasi hingga 30 detik di Starter, 2 menit di Plus, dan 5 menit di Ultra dan Studio, dalam shot berdurasi 3 hingga 12 detik, hingga 40 shot.
• Potongan di dalam shot: di Seedance 2.5 dan Seedance 2.0, sebuah shot boleh memuat potongannya sendiri; di semua model lain, setiap shot adalah satu take tanpa putus dan potongannya jatuh di antara shot.

Untuk satu klip tanpa rencana, Video mengirim prompt-mu apa adanya ke model sebagai satu generasi: tempat untuk satu shot, atau mode multi-shot milik model itu sendiri. Halaman setiap model di daftar model mencantumkan opsinya.