5 September 2026
Video AI lebih dari 10 detik: durasi sebenarnya tiap model dan metode yang biayanya separuh
Sejauh mana tiap model video benar benar sanggup, kenapa generasi 30 detik memakan enam kali generasi 5 detik, dan cara menyusun film satu menit dengan merangkai shot pendek lewat montase gratis.
Frank HoubrePendiri Imaginode
Batas yang ditemukan semua orang pada video pertamanya
Sebagian besar model video berhenti antara 5 dan 10 detik, beberapa naik ke 15, dan hanya tiga yang sampai 30 detik dalam satu generasi.
Anda baru saja membuat shot pertama Anda. Bagus, gerakannya jalan, cahayanya ada. Dan durasinya lima detik. Anda mencari penggeser untuk menaikkannya ke satu menit, dan penggeser itu tidak ada.
Ini kekecewaan pertama semua orang yang masuk ke video AI, dan itu wajar: kita dijual film, kita diberi shot. Hanya saja batasannya bukan yang orang kira, dan solusinya sama sekali tidak teknis. Umurnya seratus tahun dan namanya montase.
Kita akan melihatnya bersama, dengan durasi persis tiap model di katalog, harga sebenarnya dalam kredit, dan terutama perbandingan yang menyakitkan: berapa biaya satu menit video dalam satu generasi dibanding menit yang sama yang dipotong jadi beberapa shot. Selisihnya akan mengejutkan Anda.
Durasi sebenarnya, model demi model
Wan 3.0, Wan 3.0 Prime, dan Seedance 2.5 naik sampai 30 detik, Flux 3 Video sampai 20, Kling V3, Seedance 2.0, Wan 2.7, dan Grok Imagine sampai 15, sementara Veo 3.1 mentok di 8 detik.
Inilah keadaan katalog, karena plafon plafon ini tidak tertulis di tempat lain dengan cara yang terbaca. Yang terpanjang dulu: Wan 3.0 dan Wan 3.0 Prime menerima 2 sampai 30 detik, Seedance 2.5 4 sampai 30. Hanya bertiga itulah yang mencapai setengah menit.
Tepat di bawahnya, Flux 3 Video dari 5 sampai 20 detik. Lalu rombongan 15: Kling V3 dari 3 sampai 15, Seedance 2.0 dan Seedance 2.0 Fast dari 4 sampai 15, Wan 2.7 dari 2 sampai 15, Grok Imagine Video dari 1 sampai 15.
Dan yang pendek, yang sering justru paling bagus: Kling 2.5 Turbo menawarkan 5 atau 10 detik, tanpa nilai di antaranya. Veo 3.1 Lite dan Veo 3.1 Fast memberi pilihan 4, 6, dan 8 detik, tidak lebih sedetik pun. Katalog lengkapnya ada di halaman model, dengan harga yang bergerak langsung mengikuti pengaturan Anda.
Kenapa model model itu berhenti begitu cepat
Biaya komputasi naik seiring durasi dan konsistensinya menurun: lewat beberapa detik, sebuah model kehilangan alur adegannya sendiri.
Dua alasan, satu ekonomis dan satu teknis. Yang ekonomis sederhana: membuat video berarti menghasilkan dua puluh empat gambar per detik yang semuanya harus nyambung. Komputasinya naik cepat, dan penyedia menagih per detik karena begitulah biayanya bagi mereka.
Yang teknis lebih menarik. Model video menjaga konsistensinya dalam jendela yang terbatas. Lewat waktu tertentu, wajah berubah pelan pelan, pakaian berganti warna, benda yang tergeletak di meja lenyap. Anda pasti pernah melihat video AI dua puluh detik di mana sesuatu melenceng perlahan tanpa bisa Anda tunjuk apanya.
Ingatlah bahwa plafon 5 atau 10 detik bukan kekikiran komersial. Itu justru sering zona di mana model benar benar bagus. Lewat dari situ, Anda bayar lebih mahal untuk hasil yang lebih tidak konsisten, dan itu yang terburuk dari dua dunia.
Harga generasi panjang: kejutan buruknya
Penagihan sebanding dengan detik: tiga puluh detik memakan persis enam kali lima detik, tanpa potongan volume sama sekali.
Inilah poin yang orang temukan belakangan, dan inilah topik sesungguhnya artikel ini. Pada sebagian besar model, tarifnya proporsional dengan durasi. Tidak ada tarif menurun, tidak ada paket, tidak ada harga grosir.
Angka persisnya, di Wan 3.0. Lima detik di 720p memakan 60 kredit. Sepuluh detik di 1080p, 240 kredit. Dan tiga puluh detik di 1080p, 720 kredit, sekitar 7 euro untuk setengah menit. Di 720p, setengah menit yang sama turun ke 360 kredit, di 480p ke 180.
Di Seedance 2.5, tiga puluh detik di 720p juga memakan 720 kredit, dibanding 240 untuk sepuluh detik. Flux 3 Video meminta 696 kredit untuk 20 detiknya di 1080p. Kling V3 di 303 kredit untuk sepuluh detik di 1080p. Dengan tarif segitu, satu generasi gagal pada shot tiga puluh detik, dan Anda baru saja membuang tujuh euro ke luar jendela.
SaldoPerbandingan yang memutuskan: tiga puluh detik, dua metode
Enam shot lima detik di Kling 2.5 Turbo memakan 156 kredit dibanding 360 untuk satu generasi tiga puluh detik di 720p: kurang dari separuh, dengan hasil yang lebih enak ditonton.
Ambil film tiga puluh detik dan hitung dengan dua cara. Cara satu, generasi tunggal: Wan 3.0, tiga puluh detik, 720p, 360 kredit. Satu klik, satu penantian, dan satu long take tiga puluh detik.
Cara dua, enam shot lima detik di Kling 2.5 Turbo pada 720p, seharga 26 kredit per shot. Total: 156 kredit. Dengan Seedance 2.0 Fast seharga 48 kredit untuk lima detik, naik ke 288 kredit, tetap di bawah. Dan montase yang menyatukan semuanya tidak memakan biaya, nanti kita bahas.
Tapi harga bahkan bukan argumen utamanya. Dengan enam shot, satu shot gagal dan Anda ulang shot itu saja seharga 26 kredit. Dengan generasi tunggal, detik kedua puluh dua yang gagal dan Anda bayar lagi seluruh tiga puluh detiknya. Asimetri itulah yang penting saat benar benar bekerja, bukan penghematan awalnya.
Apa yang sudah dilakukan sinema selama seratus tahun
Durasi rata rata satu shot dalam film masa kini hanya beberapa detik: tidak ada yang menonton tiga puluh detik shot diam, dan AI cuma memaksa Anda menghormati tata bahasa itu.
Lihat iklan mana pun, trailer mana pun, klip mana pun. Hitung shotnya. Dalam tiga puluh detik iklan Anda sering menemukan selusin. Long take memang ada, indah, langka, dan disediakan untuk momen tertentu.
Video yang berkesan bukan gambar indah yang bertahan lama, melainkan emosi yang berkembang. Dan emosi berkembang lewat potongan: kita tunjukkan wajah, lalu apa yang dipandangnya, lalu tangan yang gemetar. Tiga shot tiga detik bercerita jauh lebih banyak daripada sembilan detik diam pada bingkai yang sama.
Jadi ya, batasan model itu memang dialami sebagai paksaan di awal. Tapi ia mendorong Anda persis ke tempat yang seharusnya. Orang yang membuat video AI terbaik hari ini tidak mencari shot tiga puluh detik, mereka merangkai shot lima detik.
Node Montase, dan kenyataan bahwa ia tidak memakan biaya
Montase menyatukan klip, memangkasnya, menambahkan potongan atau transisi dan satu trek suara, dan ekspornya dihitung di perangkat Anda tanpa memakan satu kredit pun.
Inilah node yang mengubah seluruh perhitungan praktis artikel ini. Anda sambungkan node Video ke port Klip miliknya, atau ambil langsung dari media proyek, dan Anda dapat sebuah timeline. Tiap klip dipangkas dengan titik awal dan akhir. Antara dua klip Anda pilih potongan langsung, transisi silang, atau peralihan ke hitam.
Ia juga menerima gambar diam, dengan durasi yang bisa diatur, sehingga Anda bisa menyelipkan kartu judul atau foto produk di antara dua shot bergerak. Dan ia membawa trek audio terpisah, dengan pergeseran dan volume per trek: suara narasi Anda di satu sisi, musik di sisi lain.
Poin pentingnya: ekspornya gratis. Perhitungannya terjadi di peramban Anda, di mesin Anda, dan tidak ada kredit yang dipotong. Jadi Anda bisa menyusun ulang film Anda lima belas kali, mencoba tiga urutan shot, mengganti satu transisi, tanpa biaya apa pun. Cukup biarkan tabnya terbuka selama ekspor.
Metode lengkap, dari rencana kerja sampai ekspor
Potong dulu jadi shot, validasi tiap shot lewat gambar diam seharga beberapa kredit, buat video hanya dari gambar yang sudah divalidasi, lalu satukan.
Tahap satu, di kertas atau di node Teks: potong tiga puluh detik Anda jadi beberapa shot. Enam shot lima detik, atau delapan shot tiga sampai lima detik. Tulis apa yang ditampilkan masing masing. Itu yang disebut pembagian shot, dan makan sepuluh menit.
Tahap dua, dan inilah yang paling menghemat: validasi tiap shot lewat gambar diam sebelum membayar video. Satu gambar Flux 2 Klein memakan 3 kredit, satu shot video memakan 26 sampai 96. Anda atur framing, sesuaikan cahaya, validasi tokohnya, semuanya dengan harga gambar. Metode ini saya rinci di storyboard AI sebelum syuting.
Tahap tiga: tiap gambar tervalidasi menjadi gambar awal sebuah node Video. Model menganimasikan apa yang sudah Anda setujui alih alih mengarang bingkai baru. Tahap empat: semuanya masuk ke Montase. Pada titik itu, bagian terbesar kerja kreatifnya sudah selesai.
Menjaga kesinambungan dari satu shot ke shot berikutnya
Satu node Referensi untuk tokohnya dan satu node Gaya yang disambungkan ke semua shot sudah cukup agar keenam klip terasa milik film yang sama.
Risiko sebenarnya dari montase per shot adalah hasilnya tidak terasa seperti film melainkan enam video berbeda yang ditempel. Tokohnya berganti wajah, cahayanya melompat, grainnya tidak sama. Di situlah kanvas jadi berguna, bukan cuma cantik.
Node Referensi menjaga tokohnya: Anda beri tiga foto dan sebuah nama, lalu panggil dengan @sebutan di masing masing keenam prompt. Topik ini dibahas rinci di tokoh yang konsisten dengan AI, dan inilah batu bata terpenting kalau ada manusia yang muncul di lebih dari satu shot.
Node Gaya yang disambungkan ke keenam node menjaga arahan artistik: palet yang sama, materi yang sama, perlakuan cahaya yang sama di mana mana. Dan node Kamera bersama menjaga konsistensi lensa dan bukaan. Tiga node untuk enam shot, disambungkan satu kali.
Gambar akhir: merangkai dua shot tanpa potongan yang terlihat
Beberapa model menerima gambar akhir selain gambar awal: shot berikutnya bisa dimulai persis di tempat shot sebelumnya berhenti.
Ada trik untuk momen ketika Anda benar benar ingin kesinambungan alih alih potongan. Sebagian model menangani gambar akhir, selain gambar awal: Anda beri titik mulai dan titik tiba, mereka membuat jalannya di antara keduanya.
Di katalog, Seedance 2.0 dan Seedance 2.0 Fast, Seedance 2.5, Kling V3, Wan 3.0 dan Wan 3.0 Prime, MiniMax H3, dan Veo 3.1 Fast menerima gambar akhir. Portnya muncul sendiri di node kalau model yang dipilih memang bisa, tidak perlu mencari pengaturan tersembunyi.
Teknik yang mengikutinya: ambil gambar terakhir dari shot satu Anda dan jadikan gambar awal shot dua. Anda dapat dua klip lima detik yang bersambung tanpa patahan, dengan harga dua klip pendek. Begitulah cara membuat gerakan dua puluh detik yang tetap berdiri.
Suara: satu trek saja, bukan enam
Membuat audio di tiap shot menghasilkan enam suasana yang saling bertabrakan saat dimontase: lebih baik shot bisu dan satu trek suara yang ditaruh di atas keseluruhannya.
Jebakan klasik, dan mahalnya dua kali. Banyak model menawarkan sakelar audio, dan sering aktif secara bawaan karena video bisu langsung ketahuan. Pada shot yang berdiri sendiri, itu bagus bagus saja.
Pada enam shot yang akan dimontase, itu ide buruk. Tiap generasi mengarang suasananya sendiri, dan saat dimontase Anda mendengar enam ruangan berbeda yang terpotong mendadak. Dan audio itu berbayar: di Veo 3.1 Lite, delapan detik di 720p memakan 29 kredit tanpa suara dan 48 dengan suara. Enam kali, itu selisih 114 kredit untuk hasil yang tidak terpakai.
Buatlah bisu, lalu taruh suaranya di atas montase yang sudah jadi. Sebuah narasi suara, sebuah musik, beberapa efek suara yang ditempatkan pada titik yang tepat di trek audio node Montase, lengkap dengan pergeseran dan volumenya. Filmnya mendapat kesatuan yang tidak akan pernah dimiliki shot shot yang disuarakan sendiri sendiri.
Kapan generasi panjang tetap masuk akal
Long take tetap berguna untuk gerakan menerus yang tidak mungkin dipotong, sebuah travelling atau transformasi bertahap, dan di situ harganya harus diterima.
Saya tidak akan bilang generasi panjang tidak pernah berguna, itu tidak jujur. Ada kasus di mana ia satu satunya jawaban. Travelling menerus di dalam sebuah set, transformasi yang harus terlihat tanpa jeda, sebuah tarian, sebuah shot di mana memotong justru menghancurkan efeknya.
Dalam kasus itu, ambil Wan 3.0 atau Seedance 2.5 dan terima tarifnya. Tapi lakukan dengan sadar: validasi framingnya lewat gambar dulu, turunkan resolusi selama uji coba, dan baru naik ke 1080p pada versi yang Anda tahu bagus. Tiga puluh detik di 480p memakan 180 kredit di Wan 3.0 dibanding 720 di 1080p, dan untuk memvalidasi sebuah gerakan 480p sudah lebih dari cukup.
Omong omong, itu juga logika sisa katalognya: eksplorasi dengan tarif terendah, finalisasi dengan tarif tinggi. Rincian aritmetika ini ada di berapa sebenarnya biaya gambar atau video AI, dan kalkulator publik memungkinkan Anda mensimulasikan film Anda sendiri sebelum menghabiskan satu kredit pun.
Yang perlu diingat
Tiga puluh detik dalam bentuk shot pendek memakan kurang dari separuh biaya generasi tunggal, bisa diperbaiki shot demi shot, dan dimontase secara gratis.
Plafon sebenarnya: 30 detik di Wan 3.0, Wan 3.0 Prime, dan Seedance 2.5, 20 di Flux 3 Video, 15 di Kling V3, Seedance 2.0, Wan 2.7, dan Grok, 8 di Veo 3.1. Tidak ada model yang akan memberi Anda satu menit sekaligus, dan itu bagus.
Metode yang berhasil: memotong, memvalidasi lewat gambar, membuat shot lima detik, menjaga konsistensi dengan node Referensi dan node Gaya, merangkai dengan gambar akhir kalau kesinambungan menuntutnya, lalu memontase dan menyuarakan sekali jalan. Karena montasenya gratis, satu satunya biaya adalah shotnya.
Untuk percobaan pertama, ambil video AI pertama Anda kalau Anda belum pernah membuatnya, lalu kembali untuk membuat film tiga puluh detik dalam enam shot. Perkirakan sekitar 156 kredit di Kling 2.5 Turbo, kira kira satu setengah euro, sudah termasuk montase.