Tulis Prompt yang Mengarahkan Video Musikmu, Shot demi Shot
Sebuah video musik AI hanya sebagus prompt di baliknya. Ini panduan praktis untuk mendeskripsikan sebuah lagu layaknya seorang sutradara — formula shot, bahasa kamera, cara menyinkronkan potongan dengan beat, dan cara menjaga penyanyimu tetap terlihat sebagai orang yang sama dari frame pertama hingga terakhir.
Berhenti Menulis Caption. Mulai Menulis Shot List.
Peningkatan terbesar untuk video musik AI-mu bukanlah model yang lebih baik — melainkan prompt yang lebih baik.
Kebanyakan orang mendeskripsikan lagu seperti menulis caption: "seorang gadis sedih di tengah hujan, sinematik." Model lalu harus menebak segala hal yang penting — siapa dia, apa yang dia lakukan, di mana kamera berada, bagaimana cahaya jatuh, kapan potongan terjadi. Prompt video musik bekerja sebaliknya. Kamu memberi AI sebuah shot list: subjek spesifik, aksi yang tepat, gerakan kamera yang terbingkai, tampilan yang terdefinisi, dan satu-dua batasan. Kamu berhenti berharap dan mulai menyutradarai.
Seorang gadis sedih di tengah hujan, sinematik, emosional, indah, 4k
Medium shot, seorang wanita muda dengan mantel abu-abu basah berdiri di bawah lampu jalan, perlahan menundukkan kepalanya saat hujan mengalir di wajahnya. Kamera mendekat lembut menjadi close-up. Cahaya malam biru sejuk, pantulan lembut di aspal basah, tampilan film sinematik. Tanpa teks di layar.
Ide yang sama. Yang satu menyerahkan hasil pada keberuntungan; yang lain memberikan shot yang kamu bayangkan.
Anatomi Sebuah Shot Prompt
Delapan blok penyusun, kurang lebih dalam urutan ini. Kamu tak butuh kedelapannya setiap saat — tapi semakin banyak yang kamu kunci, semakin sedikit AI berimprovisasi.
Subjek + Aksi + Scene + Cahaya & Warna + Kamera + Gaya + Kualitas + Batasan1 · Subjek
Siapa atau apa yang ada di layar. Kunci dengan dua atau tiga ciri visual yang stabil — pakaian, rambut, usia, jenis — agar AI dapat mengenalinya dan menjaganya tetap konsisten di setiap shot.
seorang wanita muda dengan gaun sutra merah dan topi jerami
2 · Aksi
Apa yang subjek lakukan, dijelaskan per bagian tubuh dan tingkatannya. "Mengangkat tangannya" lebih baik dari "bergerak." Utamakan gerakan lambat, kontinu, dan terhubung daripada aksi liar — hasilnya jauh lebih bersih.
perlahan mengangkat dagunya dan memalingkan kepala ke arah jendela
3 · Scene
Di mana hal itu terjadi dan apa yang mengelilingi subjek — lokasi, waktu, elemen latar depan dan latar belakang yang membangun dunianya.
koridor atap berlampu neon di malam hari, iklan hologram berkedip di belakang
4 · Cahaya & Warna
Di sinilah suasana hidup. Sebutkan arah cahaya, kehangatannya, dan paletnya — scene yang sama bisa terbaca sebagai romansa atau kengerian hanya karena satu baris ini.
cahaya belakang golden-hour hangat, bayangan lembut, palet amber dan teal
5 · Kamera
Bagaimana diambil: ukuran shot dan satu gerakan kamera. Inilah pembeda antara klip datar dan frame yang tersutradarai. Batasi satu gerakan per shot.
push-in lambat dari wide shot menjadi close-up
6 · Gaya
Arah seni keseluruhan — film live-action, anime 2D, animasi 3D, lukisan tinta, claymation, pixel art. Nyatakan secara eksplisit, atau foto referensi realistis akan diam-diam menyeret semuanya menjadi live action.
gaya anime 2D, gambar tangan, cel shading
7 · Kualitas
Hasil akhirnya: ketajaman, tekstur, dan kualitas sinematik yang ingin kamu sematkan. Frasa pendek dan standar sudah cukup.
definisi tinggi, detail kaya, tekstur filmis, warna natural
8 · Batasan
Apa yang tidak kamu inginkan. Negasi paling berguna menjaga teks liar, watermark, dan logo keluar dari frame, serta mencegah tampilan melenceng.
tanpa subtitle, tanpa watermark, tanpa logo
Bicaralah dalam Bahasa Kamera
Model video AI merespons istilah film standar dengan presisi. Pelajari kosakata ini dan kamu bisa membingkai shot apa pun hanya dengan beberapa kata. Aturan emasnya: satu gerakan kamera per shot — menumpuk push, pan, dan zoom dalam satu baris membuat gambar tidak stabil.
Gerakan kamera
Push in
Kamera bergerak mendekat ke subjek — membangun keintiman atau ketegangan. Gerakan andalan untuk close-up chorus.
Pull back
Kamera mundur untuk menampilkan konteks — bagus untuk sebuah reveal, atau memberi ruang bernapas di akhir baris.
Pan
Kamera berputar ke kiri atau kanan dari titik tetap — menyapu panggung, kerumunan, atau cakrawala kota.
Tilt
Kamera berputar ke atas atau bawah — naik dari kaki ke wajah, atau turun dari langit ke jalan.
Tracking / dolly
Kamera bergerak mendampingi subjek — energi walk-and-talk yang menjaga penyanyi yang bergerak tetap dalam frame.
Orbit
Kamera mengelilingi subjek — busur 180° atau 360° yang memamerkannya. Sempurna untuk sebuah hook.
Crane / boom
Kamera naik atau turun melintasi ruang — naik ke wide untuk skala, atau turun ke dalam aksi.
Zoom
Panjang fokus berubah untuk memperbesar atau memampatkan — zoom cepat menegaskan beat; zoom lambat menambah kegelisahan.
Ukuran shot
Extreme wide
Subjek kecil di dunia yang besar — menetapkan tempat dan skala, establishing shot dari sebuah lagu.
Wide / full
Seluruh tubuh dalam frame — ukuran terbaik untuk koreografi dan gerakan seluruh tubuh.
Medium
Dari pinggang ke atas — default percakapan; membaca bahasa tubuh dan wajah sekaligus.
Close-up
Wajah memenuhi frame — emosi, lip-sync, money shot dari chorus.
Detail / makro
Satu detail tunggal — mata, tangan di senar, air mata yang jatuh — untuk potongan ritme dan tekstur.
Sudut & perspektif
Eye level
Netral dan membumi — penonton bertemu subjek sebagai setara.
Low angle
Kamera melihat ke atas — membuat subjek tampak kuat, heroik, lebih besar dari kehidupan.
High angle
Kamera melihat ke bawah — membuat subjek tampak lebih kecil, rapuh, atau tersesat.
Over the shoulder
Membingkai melewati satu sosok menuju yang lain — koneksi, dialog, ketegangan antara dua orang.
POV / orang pertama
Pandangan subjek sendiri — menarik penonton ke dalam momen.
Aerial / drone
Jauh di atas, menghadap ke bawah — lanskap luas, kerumunan, outro yang epik.
Tips pro: satu gerakan per shot. Ingin push dan orbit? Jadikan dua shot dan potong di antaranya — potongan itu bagian dari musiknya.
Buat Bergerak — dan Buat Terasa
Cara kamu mendeskripsikan aksi menentukan apakah shot terlihat hidup atau seperti foto yang berkedip. Empat kebiasaan memisahkan gerakan bersih dari kekacauan yang meleleh.
Spesifik per bagian tubuh
Sebutkan bagiannya dan tingkatannya: "perlahan mengangkat tangan kanannya," "memiringkan kepala beberapa derajat," "menjejakkan kakinya kuat." Kata kerja samar seperti "bergerak" atau "menari" mengundang kekacauan.
Utamakan gerakan lambat & kontinu
Mikro-gerakan lembut dan terhubung menghasilkan tampilan indah; lari eksplosif, lompatan besar, dan putaran liar cenderung melengkung. Simpan energi tinggi untuk potongan, bukan shot tunggal.
Tuliskan transisinya
Hubungkan satu aksi ke aksi berikutnya agar gerakan punya momentum: "memanfaatkan momentum putaran, dia mengangkat lengannya," bukan dua pose yang tak berhubungan.
Ekspresikan emosinya secara lahiriah
Jangan tulis "dia sedih." Tuliskan gerakan tubuh yang menunjukkannya. Model tak bisa merender kata sifat — tapi bisa merender bahu yang gemetar.
Ubah Sebuah Lagu Menjadi Shot List
Video musik bukan satu prompt — melainkan sebuah rangkaian. Bagi lagu menjadi bagian-bagian dan beri setiap bagian shot-nya sendiri. Pikirkan dalam linimasa: siapa, di mana, melakukan apa, dan bagaimana kamera bergerak, dalam urutan kejadiannya.
Cara paling andal untuk membuat prompt video utuh adalah memberi label pada shot-mu — Shot 1, Shot 2, Shot 3 — dan mendeskripsikannya secara berurutan. Petakan ke struktur lagu agar gambar berputar saat musiknya berputar.
Intro
Tetapkan dunianya. Sebuah wide establishing atau detail lambat — biarkan penonton tiba sebelum vokal masuk.
Verse
Ceritakan kisahnya. Medium shot, tracking walk-and-talk, subjek bergerak melintasi scene.
Build / pre-chorus
Naikkan ketegangan. Push in, perketat bingkai, percepat potongan saat energi terkumpul.
Chorus / drop
Puncaknya. Close-up, orbit, cahaya paling berani, dan gerakan paling besar — shot yang orang ingat.
Bridge / outro
Lepaskan atau selesaikan. Pull back ke wide, pudarkan cahaya, biarkan gambar terakhir bernapas.
Setiap shot, empat lapisan
Kamera
Gerakan atau potongannya — "push lambat dari wide," "frame tetap," "potong ke close-up."
Subjek & ekspresi
Aksi kunci dan perubahan ekspresi untuk beat ini.
Ruang
Di mana subjek berada dan bagaimana scene di sekitarnya bergeser.
Suara & beat
Apa yang jatuh tepat di shot ini — downbeat, drop, sebuah lirik yang mengena.
Sinkronkan potongan dengan beat, bukan dengan jam. Deskripsikan apa yang terjadi secara berurutan dan biarkan potongan jatuh di ritme — memaku detik yang tepat ("0–3s") cenderung membingungkan model dan merusak hasilnya.
Jaga Penyanyimu Tetap Orang yang Sama
Tak ada yang merusak video musik seperti wajah yang berubah setiap shot. Gambar referensi dan prompting yang disiplin menjaga karaktermu terkunci dari frame pertama hingga terakhir.
Kunci identitas dengan 2–3 ciri
Deskripsikan subjek dengan beberapa fitur yang stabil dan tak terbantahkan — pakaian, rambut, aksesori khas. Gunakan kembali deskripsi yang persis sama setiap kali menyebutnya.
Gunakan close-up plus full body
Potret kepala-dan-bahu yang bersih mengunci wajah; full-body shot mengunci pakaian dan proporsi. Bersama-sama keduanya menjaga identitas jauh lebih baik dari satu gambar saja.
Letakkan referensi penting di awal
Semakin awal sebuah referensi muncul, semakin besar bobotnya. Awali dengan yang paling penting untuk shot ini.
Jangan terlalu banyak referensi
Lebih banyak gambar bukan berarti lebih baik. Terlalu banyak referensi yang bersaing mengaburkan pemahaman AI tentang apa yang penting — beberapa referensi kuat dan jelas mengalahkan setumpuk yang lemah.
Di SunoMV, simpan karakter dan lokasimu sebagai referensi scene, lalu arahkan prompt setiap shot ke referensi itu — sehingga penyanyi yang sama hadir di setiap baris lagu tanpa perlu mendeskripsikannya ulang setiap kali.
Kesalahan yang Merusak Video Musik AI
Hampir setiap hasil yang mengecewakan berakar pada salah satu dari ini. Kenali sejak dini dan tingkat keberhasilanmu naik dengan cepat.
Identitas melenceng
Wajah berubah antar shot. Perbaiki dengan referensi close-up yang bersih, deskripsi 2–3 ciri yang konsisten, dan referensi kunci diletakkan di awal.
Teks tak diinginkan di layar
Caption acak atau tulisan ngawur muncul. Tambahkan "tanpa subtitle, tanpa teks," dan utamakan layar lebar — frame vertikal lebih sering menghasilkan teks liar.
Gaya melenceng
Ide anime malah dirender sebagai live action. Nyatakan gayanya secara eksplisit dan, untuk tampilan yang kuat, mulai dari gambar referensi yang sudah bergaya itu.
Kembar tak sengaja
Orang yang sama muncul dua kali dalam frame. Ikat setiap subjek ke referensinya sendiri dan tambahkan batasan terhadap orang ganda yang terlihat identik.
Terlalu banyak gerakan
Aksi cepat dan liar melengkungkan wajah dan anggota tubuh. Pecah gerakan besar menjadi beberapa potongan dan jaga setiap shot tunggal tetap tenang dan kontinu.
Referensi berlebihan
Lima gambar yang bersaing mengeruhkan hasilnya. Gunakan beberapa referensi kuat dan biarkan prompt melakukan sisanya.
Memaku detik yang tepat
Time code keras ("di detik ke-2, potong") membuat generasi tidak stabil. Deskripsikan urutannya dan biarkan potongan mengikuti beat.
Mencampur bahasa di tengah baris
Berganti bahasa di dalam satu baris yang dinyanyikan membingungkan pengucapan. Jaga setiap baris dalam satu bahasa; kata-kata umum dirender paling bersih.
Tiga Prompt, dari Awal hingga Akhir
Tiru bentuknya, ganti dengan lagumu. Setiap contoh adalah prompt multi-shot yang bisa kamu tempel hari ini — dibangun dari blok-blok di atas.
Balada indie melankolis
Intim, basah kuyup hujan, satu karakter, lambat dan emosional.Gaya: live-action sinematik, tampilan film sejuk. Subjek: seorang wanita muda dengan mantel abu-abu basah, rambut gelap menempel di wajahnya. Shot 1 — wide establishing shot, jalan kosong di malam hari di bawah lampu jalan amber, hujan turun, dia berdiri kecil dalam frame; push-in lambat. Shot 2 — medium shot, dia perlahan menundukkan kepalanya saat hujan mengalir di wajahnya, napas terlihat. Shot 3 — close-up, setetes air mata menggenang tapi tak jatuh, matanya terangkat ke arah cahaya. Palet biru sejuk, pantulan lembut di aspal basah, definisi tinggi, tekstur filmis. Tanpa subtitle, tanpa watermark.
Mengapa berhasil: satu karakter terkunci, tiga ukuran shot yang meningkat, satu gerakan per shot, emosi ditunjukkan lewat tubuh, dan satu baris batasan yang bersih.
Synth-pop ceria
Cerah, kinetik, penuh warna, dibangun di sekitar drop chorus.Gaya: animasi 3D bersemangat, mengkilap dan penuh warna. Subjek: seorang penari dengan tracksuit neon dan sneaker putih. Shot 1 (verse) — medium tracking shot mengikutinya menyusuri koridor berdinding blok warna yang disinari matahari. Shot 2 (build) — low angle, push in saat dia berjongkok, cahaya berdenyut makin terang. Shot 3 (chorus drop) — orbit 360° mengelilinginya saat dia mengangkat kedua lengan, konfeti meledak, cahaya pink dan cyan yang jenuh. Cepat, energik, definisi tinggi. Tanpa teks di layar, tanpa logo.
Mengapa berhasil: shot dipetakan ke bagian lagu, gerakan terbesar dan cahaya tercerah disimpan untuk drop, dan energinya hidup di potongan, bukan di satu shot yang panik.
Cyberpunk sinematik / hip-hop
Bergaya, neon, murung, lebih besar dari kehidupan.Gaya: animasi sci-fi cyberpunk 3D, palet biru-ungu sejuk. Subjek: seorang seniman dengan jaket berkerudung hitam berhias garis menyala. Shot 1 — aerial drone shot menukik ke kota neon yang basah oleh hujan di malam hari. Shot 2 — medium shot low-angle, dia berjalan ke arah kamera melewati iklan hologram, kepalanya terangkat menatap lensa; tracking lambat. Shot 3 — close-up, pantulan neon meluncur di wajahnya saat dia melafalkan hook; frame tetap. Cahaya volumetrik murung, bayangan dalam, grain filmis. Tanpa subtitle, tanpa watermark, tanpa logo.
Mengapa berhasil: gaya yang dinyatakan kuat menjaga seluruh rangkaian, low angle membangun kehadiran, dan setiap shot menggunakan tepat satu gerakan — menukik, tracking, tahan.
Ringkasan Satu Layar
Semua di atas, dipadatkan. Screenshot dan simpan di samping kotak prompt-mu.
Subjek + Aksi + Scene + Cahaya & Warna + Kamera + Gaya + Kualitas + BatasanLakukan
- Deskripsikan shot list, bukan caption.
- Kunci subjekmu dengan 2–3 ciri stabil dan gunakan kembali.
- Satu gerakan kamera per shot — potong untuk sisanya.
- Tunjukkan emosi lewat tubuh, bukan kata sifat.
- Petakan shot ke bagian lagu; sinkronkan potongan dengan beat.
- Akhiri dengan batasan: tanpa teks, tanpa watermark, tanpa logo.
Jangan
- Jangan menumpuk push + pan + zoom dalam satu shot.
- Jangan memaku time code yang tepat.
- Jangan minta gerakan liar dan eksplosif dalam satu shot.
- Jangan membebani prompt dengan gambar referensi yang bersaing.
- Jangan biarkan gaya tak dinyatakan di samping referensi realistis.
- Jangan berganti bahasa di dalam satu baris yang dinyanyikan.
FAQ Prompt Video Musik
Apa itu prompt engineering video musik?
Ini adalah seni mendeskripsikan sebuah lagu kepada model video AI agar mengembalikan shot yang benar-benar kamu bayangkan — memilih subjek, aksi, gerakan kamera, pencahayaan, dan gaya untuk setiap bagian lagu, bukan mengetik deskripsi samar lalu berharap. Jika dilakukan dengan baik, inilah pembeda antara klip generik dan video musik yang tersutradarai.
Apakah saya perlu tahu istilah film untuk menulis prompt yang baik?
Itu membantu, dan cepat dipelajari — push in, pan, close-up, low angle. Kosakata di halaman ini mencakup hampir semua yang akan kamu butuhkan. Model AI merespons istilah standar ini dengan presisi, jadi beberapa kata bisa membingkai seluruh shot.
Bagaimana cara menjaga karakter yang sama di sepanjang video?
Gunakan gambar referensi — idealnya close-up yang bersih plus full-body shot — dan deskripsikan karakter dengan 2–3 ciri yang sama setiap kali. Di SunoMV kamu bisa menyimpan karakter sebagai referensi scene dan mengarahkan setiap shot ke sana, sehingga ia tetap konsisten dari baris pertama hingga terakhir.
Kenapa video musik AI saya muncul teks atau subtitle acak?
Model terkadang mengarang teks di layar. Tambahkan batasan seperti "tanpa subtitle, tanpa teks" ke prompt-mu, dan utamakan frame layar lebar — video vertikal cenderung lebih sering menghasilkan teks liar. Kamu juga bisa memotongnya jadi vertikal setelahnya.
Sebaiknya saya menulis satu prompt panjang atau beberapa shot?
Beberapa shot. Beri label Shot 1, Shot 2, Shot 3 dan deskripsikan secara berurutan, dipetakan ke bagian lagu. Rangkaian shot yang jelas jauh lebih andal daripada satu paragraf yang mencoba melakukan semuanya sekaligus.
Kenapa aksinya terlihat meleleh atau melengkung?
Biasanya terlalu banyak gerakan dalam satu shot. Utamakan gerakan lambat, kontinu, dan spesifik per bagian tubuh serta pecah aksi besar menjadi beberapa potongan. Shot-shot tenang yang dipotong bersama terbaca penuh energi; satu shot yang panik justru hanya melengkung.
Bisakah teknik ini dipakai dengan model video AI apa pun?
Bisa. Formulanya — subjek, aksi, scene, cahaya, kamera, gaya, batasan — adalah seni universal. SunoMV memungkinkanmu memilih dari beberapa model video canggih dan beralih dengan bebas, tapi cara kamu menulis prompt berlaku di semuanya.
Di mana tepatnya saya melakukan ini di SunoMV?
Tempel sebuah lagu atau buat satu, lalu buka editor: setiap baris lirik menjadi shot yang bisa kamu prompt secara individual, dengan referensi scene untuk menjaga karakter dan lokasi tetap konsisten. Mulai gratis dan sutradarai video pertamamu di bawah.
Sekarang Sutradarai Lagumu
Kamu sudah punya formulanya, bahasa kameranya, dan contohnya. Tempel sebuah lagu, tulis shot list pertamamu, dan saksikan AI memfilmkannya.