Bagaimana Clippen mengubah satu rekaman panjang menjadi klip vertikal

Apa yang terjadi pada videomu setelah dikirim?

Kamu menyerahkan satu rekaman panjang ke Clippen: tempel tautan atau unggah filenya. Sejak saat itu pekerjaannya berjalan di server kami, bukan di browsermu. Kamu bisa menutup tab, dan klipnya sudah menunggu saat kamu kembali.

Prosesnya berjalan sebagai antrean enam tahap dengan urutan tetap, karena setiap tahap membutuhkan hasil tahap sebelumnya. Transkrip harus ada sebelum model bisa menilai enam puluh detik mana yang layak dipertahankan. Batas adegan harus ada sebelum sebuah cut bisa ditempatkan di tempat yang bukan tengah shot. Momen terpilih harus ada sebelum ada yang bisa di-reframing.

Tidak ada yang dipublikasikan ke mana pun sebagai bagian dari pemrosesan. Klip bisa kamu unduh, dan memposting ke TikTok, Instagram Reels, atau YouTube Shorts hanya terjadi ketika kamu menghubungkan akun dan menekan posting. Clippen dibuat untuk memotong video yang kamu miliki atau berhak kamu gunakan — podcast-mu sendiri, stream-mu sendiri, presentasimu sendiri. Kamu tetap memegang semua hak yang sudah kamu miliki atas sumber dan klipnya; Clippen tidak mengambil lisensi apa pun selain untuk memproses file yang kamu kirim. Memotong unggahan orang lain adalah urusan antara kamu dan platform tujuan: kebijakan konten tidak autentik YouTube dari Juli 2025 secara eksplisit menyebut klip daur ulang.

Enam tahap, berurutan

Transkripsi dengan timestamp per kata

Audio sumber ditranskripsi dengan timestamp di setiap kata, bukan hanya di setiap kalimat. Ketepatan per kata inilah yang membuat klip dimulai pada batas kata, bukan setengah suku kata di tengahnya, dan yang membuat caption gaya karaoke jatuh di frame yang tepat. Bahasa yang diucapkan terdeteksi otomatis.

Deteksi batas adegan

Video dipindai untuk mencari cut dan transisi visual yang tegas. Batas-batas itu mencegah klip dimulai di tengah shot, yang merupakan alasan paling umum sebuah klip otomatis terlihat buatan mesin.

Pemilihan momen

Transkrip ber-timestamp dan batas adegan dikirim bersama ke model, yang mengembalikan segmen mandiri terkuat berdurasi 15 sampai 60 detik, dinilai dari seberapa kuat pembukaannya, apakah segmennya menuntaskan sesuatu, dan apakah masih masuk akal bagi orang yang belum mendengar sisa episodenya. Targetnya sekitar sepuluh klip dari rekaman apa pun yang cukup panjang untuk memuatnya, dan hasilnya lebih sedikit hanya jika sumbernya terlalu pendek.

Reframing vertikal

Setiap klip disusun ulang dari 16:9 ke 9:16. Satu mode mengikuti satu pembicara dengan deteksi wajah, diredam oleh stabilizer yang menahan kamera tetap diam di dalam zona aman alih-alih mengejar setiap gerakan kepala. GENERAL mempertahankan lebar penuh di atas latar belakang blur untuk shot grup dan pemandangan. SPLIT menumpuk dua pembicara dalam setengah frame ketika keduanya memang berada dalam satu shot. SCREENCAST dan INSET menangani slide, layar yang dibagikan, dan layout stream yang maknanya berada di luar tengah frame.

Caption, hook, dan tempo

Caption dirender kata demi kata dari transkrip dan ditanamkan, dengan kata yang sedang diucapkan disorot tepat saat muncul. Judul hook yang ditulis AI menutupi beberapa detik pembuka, saat penonton video pendek memutuskan apakah akan bertahan. Punch-in opsional mendorong masuk pada ketukan klip agar kamera yang statis tidak membuat klipnya terasa statis.

Ekspor dan publikasi

Klip keluar dalam 1080×1920 dengan rasio 9:16, 1:1, dan 16:9. Unduh, atau posting ke TikTok, Instagram Reels, dan YouTube Shorts dari dasbor. Dubbing suara bisa menerjemahkan klip ke 31 bahasa sambil mempertahankan suara pembicara, dan audio hasil dubbing ditranskripsi ulang agar caption sesuai dengan bahasa yang baru.

Berapa lama prosesnya?

Kami mengirim email begitu klipnya siap. Prosesnya berjalan di server kami, bukan di mesinmu, dan pada sumber sungguhan dengan berbagai panjang — episode podcast, presentasi konferensi 20 menit, stream empat jam — bukan pada file demo yang pendek.

Ini penting diketahui karena mengubah cara kamu merencanakan. Mengklip episode sepanjang satu jam secara manual — mencari momen, memotongnya, mereframing tiap klip ke vertikal, mengetik dan mengatur waktu caption — memakan hampir sehari kerja, dan itulah alasan katalog lama kebanyakan orang menganggur tanpa dipublikasikan. Pemrosesan tanpa pengawasan adalah keputusan yang berbeda. Kamu memulai proses di akhir sesi rekaman dan klipnya sudah menunggu saat kamu kembali.

Hampir seluruh waktu itu adalah transkripsi dan encoding video. Panggilan model yang memilih momen hanya sebagian kecil darinya, itulah sebabnya sumber yang lebih panjang memakan waktu lebih lama kira-kira sebanding dengan panjangnya, bukan melonjak tiba-tiba.

Mengapa klip tidak dimulai di tengah kalimat?

Karena dua sinyal terpisah dipakai untuk menempatkan cut, dan masing-masing menangkap apa yang terlewat oleh yang lain.

Transkrip membawa timestamp di setiap kata, bukan di setiap kalimat. Itulah yang memungkinkan sebuah klip dimulai tepat pada konsonan pertama kata pertama, bukan sepersekian detik sesudahnya, yang merupakan tanda yang terdengar bahwa klip itu dipotong mesin. Ketepatan per kata juga yang memungkinkan caption menyorot tiap kata tepat saat diucapkan.

Deteksi adegan memberikan separuh lainnya. Transkrip saja bisa menemukan kalimat brilian dan tidak tahu bahwa kamera berganti shot di tengahnya. Batas adegan saja bisa menemukan cut visual yang bersih tanpa ada hal berarti yang diucapkan di antaranya. Model yang memilih momen menerima keduanya sekaligus, sehingga ia bisa memilih segmen yang layak dikutip dan sekaligus utuh secara visual.

Pemilihan juga dinilai dari apakah segmen itu bisa berdiri sendiri. Kutipan enam puluh detik yang dibuka dengan "dan itulah sebabnya saya tidak setuju" tidak berguna bagi penonton yang belum mendengar sepuluh menit sebelumnya, sebagus apa pun kalimatnya. Kemandirian adalah kriteria pemilihan, bukan pikiran susulan.

Bagaimana crop vertikal memutuskan apa yang dipertahankan?

Frame 16:9 yang disusun ulang ke 9:16 kehilangan sekitar tiga perempat lebarnya, jadi harus ada yang memutuskan untuk apa lebar itu semula. Clippen memilih layout per adegan, bukan menerapkan satu crop ke seluruh video.

• TRACK mengikuti satu pembicara menggunakan deteksi wajah. Kameranya diredam: ia diam di dalam zona aman dan hanya bergerak ketika subjek keluar dari zona itu, karena crop yang mengejar setiap gerakan kepala berayun terlihat jelas dan tampak amatir meskipun framing-nya secara teknis benar.
• GENERAL mempertahankan lebar penuh di atas latar belakang blur, untuk shot grup dan pemandangan yang subjeknya terbuang jika di-crop ke satu titik.
• SPLIT menumpuk dua pembicara dalam setengah frame, tetapi hanya ketika kedua wajah benar-benar berada dalam satu shot selama bagian adegan yang cukup lama. Uji itulah yang memisahkan two-shot sungguhan dari editan shot/reverse-shot, di mana penumpukan akan menampilkan orang yang sama dua kali.
• SCREENCAST dan WIDE menangani slide dan layar yang dibagikan. Konten yang membentang di sebagian besar frame tidak akan selamat dari crop, jadi ia ditumpuk di atas presenter atau dipertahankan selebar penuh alih-alih dibuang.
• INSET menangani layout stream: layar selebar penuh dengan kotak webcam kecil di pojok. Layarnya ditaruh di atas dan webcam diperbesar di bawahnya.
• Speaker cut dan punch-in berada di atas layout: cut langsung ke siapa pun yang sedang bicara, dan dorongan lembut pada ketukan, agar kamera yang statis tidak menghasilkan klip yang terlihat statis.

Berapa biaya satu proses?

Clippen adalah alat berbayar dan menagih berdasarkan panjang yang kamu masukkan: satu kredit adalah satu menit video sumber, dan satu biaya itu mencakup seluruh proses — setiap klip yang dihasilkan video itu, reframing vertikal, caption, dan hook. Podcast 60 menit memakan 60 kredit, baik hasilnya enam klip maupun dua belas. Paket mulai dari $19,99 per bulan untuk 150 kredit ($11,66 per bulan jika ditagih tahunan) hingga $59,99 per bulan untuk 800 kredit. Tidak ada paket gratis.

Satuan penagihan penting saat membandingkan alat. Menagih per menit sumber berarti biaya sebuah episode bisa diketahui sebelum kamu menekan mulai: wawancara 45 menit adalah 45 kredit, apa pun hasilnya. Menagih per klip jadi berarti biayanya bergerak mengikuti hasil yang tidak bisa kamu prediksi.