Karakter yang berbicara
Video AI dengan Karakter yang Berbicara
Diperbarui 15 November 2026

| SceneMixer sekilas | Yang Anda dapatkan |
|---|---|
| Harga video | Mulai dari $0,06 per detik (10 kredit) pada tingkat default, hingga $0,47 per detik pada tingkat teratas; setiap harga ditampilkan sebelum Anda menekan tombol |
| Durasi klip | Hingga 30 detik per segmen yang dihasilkan; satu episode digabungkan dari segmen-segmennya dengan tarif 1 kredit per detik |
| Hitungan satu episode | Satu episode berdurasi 60 detik pada tingkat default memakai sekitar 660 kredit (video plus penggabungan), atau sekitar $4,11 dengan harga kredit terendah; serial 10 episode berdurasi 90 detik dari novel 30.000 karakter memakai sekitar 10.026 kredit, atau sekitar $62 |
| Dialog | Diucapkan langsung di dalam video, satu suara per karakter, dalam salah satu dari 15 bahasa |
| Format | 9:16 vertikal atau 16:9 lanskap; 480P hingga 1080P, ditambah satu tingkat 2K |
| Gratis untuk memulai | 50 kredit saat mendaftar, 15 gambar referensi gratis, storyboard gratis untuk episode pertama, dan pratinjau video 5 detik gratis |
| Siapa yang memakainya | 2.900+ kreator telah membuat konten dengan SceneMixer (akun dengan minimal satu kali pembuatan, dihitung per November 2026) |
| Input | Naskah, novel, atau ide satu baris; unggahan file .txt, .docx, dan .md |
Suara dihasilkan dari proses yang sama dengan gambar
Ada dua cara membuat karakter berbicara di layar. Pertama, merender video sunyi lalu menggerakkan mulut dengan trek audio — jalur sinkronisasi bibir, yang membutuhkan potongan wajah, file audio penggerak, dan menghasilkan wajah yang bergerak benar tetapi tubuh yang tidak berakting. Kedua, menghasilkan gambar dan suara secara bersamaan, sehingga akting dan gerak mulut adalah satu keputusan yang sama.
Pipeline SceneMixer melakukan yang kedua. Tier video default bersifat audio-visual: model diberi baris dialog, siapa yang mengucapkannya, cara mengucapkannya, dan referensi suara, lalu mengembalikan shot dengan baris itu diucapkan di dalamnya. Tidak ada yang dijahit setelahnya.
Sekilas
| Dialog | Apa adanya, satu kali. Diucapkan persis seperti tertulis — tidak diparafrase, tidak diatur ulang waktunya. |
|---|---|
| Siapa yang mengucapkannya | Disebutkan namanya, dan terikat ke referensi suara karakter tersebut agar orang yang sama terdengar sama lintas episode. |
| Cara mengucapkannya | Arahan singkat dalam kurung — berbisik pelan, tetap tersenyum, memaksakan nada datar. Ini arahan akting, bukan takarir. |
| Siapa lagi yang ada dalam bingkai | Ditandai bibir tertutup, agar pendengar tidak ikut menggerakkan mulut. |
| Ucapan di luar layar | Ditandai pertama dalam kurung — sulih suara, menelepon, lewat interkom — lalu semua orang yang terlihat dideskripsikan dengan mulut tertutup. |
| Pengaturan waktu | Cuplikan yang berisi dialog tidak pernah lebih pendek dari kebutuhan dialog: tiga kata per detik untuk bahasa Inggris, lima karakter per detik untuk bahasa Mandarin. |
Suara dicocokkan, bukan disintesis khusus per karakter
Di SceneMixer, setiap karakter ditetapkan suara dari pustaka suara sistem siap pakai — Anda mendengar sampel tiga sampai delapan detik sebelum memilih, bisa mencocokkan ulang, memilih yang lain dari pemilih, atau mengunggah rekaman sendiri. Alasannya adalah pencocokan, bukan desain suara per karakter, demi biaya dan stabilitas: suara yang didesain cenderung bergeser antar generasi dan dihitung per karakter, sedangkan suara dari pustaka adalah suara yang sama di episode satu dan episode dua belas.
Jika karakter belum memiliki suara yang ditetapkan, cuplikan akan kembali ke deskripsi tertulis tentang suara tersebut — usia, tekstur, register — yang ditafsirkan oleh model. Itu adalah bawaan untuk proyek baru; menetapkan suara adalah langkah yang disengaja, bukan sesuatu yang terjadi diam-diam ke setiap karakter.
Aturan waktu, dan mengapa aturan itu ada
Shot empat detik tidak bisa memuat enam belas kata bahasa Inggris. Entah pengucapannya terburu-buru sampai tidak terdengar, atau barisnya dipotong. Maka shot dialog di SceneMixer punya batas minimum yang diturunkan dari baris itu: jumlah kata dibagi tiga untuk bahasa Inggris, jumlah karakter dibagi lima untuk bahasa Mandarin, dan baris pendek mendapat jeda tambahan alih-alih ditekan ke batas teoretisnya. Shot yang terlalu pendek untuk barisnya ditandai dan dikoreksi sebelum apa pun dirender — itu lebih murah daripada menemukannya di keluaran.
Bahasa
Bahasa dialog adalah pengaturan proyek, dipilih sekali, dan diterapkan saat dialog pertama kali ditulis, bukan diterjemahkan setelahnya — sehingga akting ditulis dalam bahasa itu alih-alih menjadi sulih suara. Lima belas bahasa antarmuka tersedia dan dialog didukung di semuanya; beberapa bahasa terkadang salah mengucapkan kata tertentu di tier model default, dan pemilih akan memberitahukan hal itu jika benar. Halaman suara karakter membahas ini secara mendetail.
Apa yang tidak akan dilakukan fitur ini
- Mengkloning suara yang tidak boleh Anda pakai. Anda bisa mengunggah rekaman sendiri sebagai referensi untuk karakter Anda sendiri, dan Suara asli pada Alih Suara mengkloning suara karakter dari klip itu sendiri.
- Sinkronisasi bibir pada foto yang Anda unggah. Ucapan SceneMixer berasal dari pembuatan, bukan dari menggerakkan bingkai yang sudah ada. Video yang diunggah hanya mendapat dialog baru melalui Ganti pada remake, yang membuat ulang bagian yang diubah.
- Mencapai durasi yang tepat untuk sebuah dialog. Batas minimum ditegakkan; panjang penyampaian yang tepat ditentukan oleh model.
- Membakar takarir ke dalam video. Tidak ada teks yang dirender dalam bingkai. Takarir ditambahkan setelah ekspor.
- Menjamin pengucapan sempurna untuk setiap nama diri. Nama buatan khususnya layak dipratinjau sebelum Anda menyelesaikan sebuah episode.
Biaya
Ucapan sudah termasuk dalam harga video — tidak ada biaya audio terpisah. Video mulai dari 10 kredit per detik hasil (≈ $0,06/s di harga kredit terendah) dan mencapai $0,47/s di tier paling tajam; perakitan adalah 1 kredit per detik. Pencocokan suara dari pustaka tidak dikenakan biaya. Akun baru mendapatkan 50 kredit dan satu pratinjau gratis hingga 5 detik — cukup untuk mendengar karakter berbicara sebelum memutuskan. Tarif tercantum di halaman harga.
Bahasa
Dialog asli dalam 15 bahasa
Setiap seri di bawah diproduksi dengan alur kerja SceneMixer yang sama, dengan pemeran berbicara bahasa tersebut secara asli: antarmuka, dokumen kerja, dan baris dialog semuanya dalam satu bahasa, tidak ada sulih suara. Buka salah satu untuk mendengarnya.
A Carta de LisboaPortuguêsDialog asli
윈터 프라미스한국어Dialog asli
El Secreto de CostaEspañolDialog asli
浪人の誓い日本語Dialog asli
Ikrar JakartaBahasa IndonesiaDalam bahasa Anda
Зимняя коронаРусскийDialog asli
L’Héritier du DéfiléFrançaisDialog asli
Il Tavolo dell'OlivaItalianoDialog asli
De Vuurtoren van de FjordNederlandsDialog asli
العهد الصحراويالعربيةDialog asli
Çantasındaki SözleşmeTürkçeDialog asli
Die Istanbul-TäuschungDeutschDialog asli
Останній сигналУкраїнськаDialog asli
問劍青雲繁體中文Dialog asli
The Last EnvelopeEnglishDialog asli
Di SceneMixer vs. merangkai banyak alat sendiri
Kebanyakan alur kerja drama AI adalah lima atau enam alat yang disambung berurutan. Berikut tempat setiap langkah berlangsung di sini, dan apa yang digantikannya.
| Langkah | Di SceneMixer | Dikerjakan manual dengan alat terpisah |
|---|---|---|
| Naskah dan rencana episode | Tempel naskah atau novel, atau ketik satu baris: isinya dibaca menjadi pemeran, lokasi, properti, dan garis besar episode yang bisa Anda edit | Model obrolan menulis naskahnya; Anda sendiri yang membaginya menjadi episode dan membawa teksnya dari satu alat ke alat lain |
| Wajah karakter dan lokasi | Setiap karakter, lokasi, dan properti digambar sekali sebagai lembar referensi dan dilampirkan ke setiap shot tempat ia muncul | Model gambar, satu lembar demi satu lembar; Anda sendiri yang mengunggah referensi yang tepat ke setiap klip |
| Shot | Satu storyboard per episode dengan shot bernomor dan hitungan detik; video dibuat segmen demi segmen dalam format 9:16 atau 16:9 dengan berpatokan pada lembar referensi yang sama | Model video, satu klip per prompt, dan Anda menjelaskan orang yang sama lagi setiap kali |
| Suara dan dialog | Dialog dibawakan langsung di dalam video, satu suara per karakter, dalam salah satu dari 15 bahasa | Alat text-to-speech untuk setiap baris dialog, lalu proses sinkronisasi bibir pada setiap klip |
| Memperbaiki satu shot | Edit teks shot tersebut lalu buat ulang segmennya saja; bagian episode lainnya tidak tersentuh | Buat ulang klipnya, lalu potong ulang lini masa |
| Penyelesaian | Segmen digabungkan menjadi satu file episode lengkap dengan musiknya; member mengunduh tanpa lencana AI | Editor video untuk menyatukan klip, menambahkan musik dan teks, lalu mengekspor |
| Publikasi | Anda mengunggah episode yang sudah jadi ke TikTok, YouTube, Instagram, atau platform lain; tidak ada yang diposting untuk Anda | Unggah manual, sama seperti di sini |
Pertanyaan yang sering diajukan
Apakah ini sinkronisasi bibir?
Tidak. SceneMixer membuat gambar dan ucapan sekaligus dalam satu proses, jadi mulut dan penampilan adalah keputusan yang sama. Tidak ada trek audio terpisah yang dicocokkan ke render tanpa suara, dan tidak ada cara untuk menggerakkan foto atau video yang diunggah.
Bisakah saya menggunakan suara saya sendiri?
Anda bisa mengunggah rekaman ke SceneMixer sebagai referensi suara karakter. Suara orang lain hanya boleh dengan izin mereka.
Apakah pendengar dalam cuplikan menggerakkan mulut mereka?
Seharusnya tidak — SceneMixer secara eksplisit menandai setiap karakter yang tidak berbicara di bingkai dengan bibir tertutup, yaitu instruksi yang mencegah pendengar ikut menggerakkan mulut mengikuti baris itu.
Apa yang terjadi dengan sulih suara dan panggilan telepon?
SceneMixer menulis penanda di luar layar terlebih dahulu di catatan pengiriman, lalu mendeskripsikan semua yang terlihat di shot dengan mulut tertutup — jadi baris itu terdengar tanpa ada yang tampak mengucapkannya.
Mengapa cuplikan dialog saya lebih panjang dari yang saya tulis?
Karena baris itu membutuhkan waktu. SceneMixer memberi shot yang membawa dialog batas minimum sekitar tiga kata per detik untuk bahasa Inggris, dan lima karakter per detik untuk bahasa Mandarin, dengan jeda tambahan untuk baris yang sangat pendek. Shot yang terlalu pendek untuk barisnya dikoreksi sebelum dirender, bukan sesudahnya.
Dengarkan karakter sebelum Anda menyelesaikan episode
Pratinjau gratisnya cukup panjang untuk satu baris dialog.
Coba SceneMixer gratisPaket kredit mulai dari $1,49 · Pro $7,99/bln · Tidak perlu kartu kredit untuk memulai