Catatan penulis: artikel ini membandingkan 2 cara menambahkan subtitle pada video hasil AI, yaitu membakar subtitle lewat petunjuk Seedance dan mentranskripsi subtitle dari audio video jadi. Artikel ini menjelaskan subtitle mana yang bisa diedit dan diterjemahkan, serta bagian biaya mana yang sebenarnya bisa dihemat kalau ganti model video.
Banyak orang sudah berhasil menjalankan antarmuka video di APIYI, tapi yang bikin mentok biasanya bukan kualitas gambar, melainkan subtitle video jadi. Pikiran yang paling sering muncul: Seedance satu klip terlalu mahal, jadi ganti ke Grok, Hailuo, atau Wan, sekalian cari yang bisa “langsung membuatkan subtitle”. Ini kesimpulan singkat yang bisa langsung dibawa pulang: subtitle yang bisa diedit tidak datang dari output langsung model video. Kalau Anda butuh subtitle yang bisa diubah dan diterjemahkan, lakukan transkripsi pada audio video jadi.
Dari model video yang tersedia saat ini, tidak satu pun yang menyediakan file subtitle yang bisa diedit sebagai output pembuatan. Seedance memang bisa membakar teks ke piksel gambar, sesuai cara penulisan di “Panduan Petunjuk Seri Seedance 2.0” dari Volcano Engine. Namun panduan yang sama juga mengakui bahwa kalau subtitle tidak disebut di petunjuk, video jadi tetap bisa memunculkan subtitle sembarangan, dan subtitle itu tidak bisa dihilangkan 100%. Halaman khusus Wan3.0, Wan2.7, HappyHorse, MiniMax H3, Oxygen, dan Grok Imagine hanya menyebut soal trek audio atau penggerak audio, tanpa parameter subtitle sama sekali. Jadi, ganti ke model video yang lebih mahal pun tidak menyelesaikan masalah subtitle.
Ini bukan analisis kompromi ala “masing-masing punya kelebihan”. Artikel ini hanya membandingkan dua jalur: pembakaran lewat petunjuk dan transkripsi pascaproduksi, lalu langsung memberi pilihan untuk tiga skenario tipikal. Semua model video yang disebut di sini dipanggil lewat APIYI (apiyi.com). Tipe model dan harga mengikuti daftar model di platform.
Nilai utama: setelah membaca, Anda bisa mengambil dua keputusan. Pertama, apakah video ini perlu meminta subtitle dibakar di dalam petunjuk. Kedua, kalau ingin berhemat, turun ke kelas model yang mana.
Subtitle Video AI: Trek Audio Bukan Berarti Subtitle
Sebelum membahas cara menambahkan subtitle ke video buatan AI, kita perlu memisahkan dulu dua hal: “suara” dan “subtitle”. Model video menghasilkan dialog, efek suara, dan gambar sekaligus, sehingga yang kita dapat adalah trek audio yang sudah menyatu di dalam video jadi. Ada dialog di trek audio bukan berarti videonya punya subtitle. Bahkan kalau di layar muncul tulisan, selama tulisan itu “dibakar” ke dalam piksel, ia hanya bagian dari gambar, bukan trek subtitle.
Dalam artikel ini, “subtitle yang layak pakai” harus memenuhi tiga syarat sekaligus. Pertama, tulisannya benar: tidak ada salah ketik, kata yang hilang, atau karakter langka yang berubah jadi kode acak. Kedua, waktu munculnya selaras dengan dialog. Ketiga, setelah jadi, teksnya masih bisa diedit dan diterjemahkan ke bahasa lain. Tulisan yang dibakar ke piksel paling banter hanya memenuhi dua syarat pertama. Syarat ketiga mustahil dipenuhi: untuk membetulkan satu salah ketik, kita harus membuat ulang seluruh videonya, dan untuk versi bahasa Inggris pun harus dibuat ulang.
Panduan petunjuk dari Volcano Engine (火山引擎) juga memakai sudut pandang yang sama. Di sana, “subtitle” dimasukkan sebagai salah satu jenis teks di dalam gambar, satu bagian dengan slogan iklan dan balon dialog. Panduan itu tidak menyinggung SRT, VTT, ataupun trek subtitle terpisah. Kalau sudah paham hal ini, pertanyaan “model video mana yang subtitle-nya lebih bagus?” bisa diganti menjadi: yang kamu butuhkan itu tulisan di dalam gambar, atau file subtitle yang bisa diedit?
2 Cara Menambahkan Subtitle pada Video AI: Perbedaan Intinya
Perbedaan kedua jalur ini bukan soal kualitas gambar atau kelas modelnya, melainkan di mana subtitle akhirnya disimpan. Jalur pertama menyimpan subtitle di dalam piksel, sedangkan jalur kedua menyimpannya dalam file terpisah. Tabel berikut membandingkan keduanya berdasarkan tiga standar “subtitle yang layak pakai”.
| Dimensi perbandingan | Jalur 1: Subtitle dibakar lewat petunjuk | Jalur 2: Subtitle dari transkripsi audio video jadi | Unggul |
|---|---|---|---|
| Apakah teksnya akurat | Bergantung pada hasil pembuatan model; panduan menyarankan memakai karakter umum dan menghindari karakter langka serta simbol khusus | Berasal dari pengenalan suara pada audio, dan bisa dikoreksi manual | Jalur 2 |
| Kesesuaian dengan dialog | Petunjuk bisa menulis “sinkron penuh dengan ritme audio”, tetapi hasilnya untung-untungan | Diselaraskan lewat stempel waktu transkripsi atau perangkat lunak penyuntingan, dan bisa disetel halus | Jalur 2 |
| Ubah teks/terjemahan setelah jadi | Tidak bisa; mengubah teks berarti harus membuat ulang seluruh video | Bisa, cukup ubah file-nya, dan bisa membuat versi multibahasa | Jalur 2 |
| Model yang didukung | Hanya panduan resmi Seedance yang menyebut kemampuan ini | Video apa pun yang punya audio | Jalur 2 |
| Langkah tambahan | Tidak ada, video langsung jadi dengan subtitle | Perlu layanan transkripsi atau perangkat lunak penyuntingan | Jalur 1 |
| Saat ingin menghilangkan subtitle | Penjelasan resmi menyebut subtitle nyasar tidak bisa dihindari 100% | Masalah ini tidak ada | Jalur 2 |
Jalur Pertama: Membakar Subtitle Video AI lewat Petunjuk Seedance
Di antara seri yang tersedia saat ini, Seedance satu-satunya yang panduan petunjuk resminya menyebut dua hal sekaligus: “bisa membuat subtitle” dan “bisa memunculkan subtitle secara acak”. Bagian pembuatan teks di panduan itu menjelaskan bahwa model mendukung pembuatan teks yang umum dipakai, dengan warna, gaya, cara muncul, waktu muncul, dan posisi yang bisa ditentukan. Skenario penggunaannya mencakup slogan iklan, subtitle, dan balon dialog. Perlu dicatat, panduan ini ditujukan untuk seri 2.0 dan tidak menyatakan kemampuan subtitle 2.5 berbeda dari 2.0, jadi pembakaran subtitle tidak bisa disebut sebagai fitur eksklusif 2.5.
Tabel berikut merangkum penulisan terkait subtitle dari panduan petunjuk resmi, sehingga bisa langsung dipakai sebagai acuan menyusun petunjuk:
| Kegunaan | Penulisan di panduan petunjuk resmi | Catatan |
|---|---|---|
| Menentukan isi subtitle | 「Subtitle muncul di bagian bawah layar, isinya adalah 「……」, dan subtitle harus sinkron sepenuhnya dengan ritme audio.」 | Usahakan isi subtitle memakai karakter yang umum |
| Subtitle mengikuti dialog | 「Subtitle muncul di bagian bawah layar sesuai dialog」「Subtitle dialog yang bersesuaian muncul di bagian bawah layar」 | Hasilnya tetap berupa teks piksel, tanpa file timeline |
| Tanpa subtitle | 「Pertahankan tanpa subtitle」「Hindari membuat teks atau subtitle apa pun」 | Menurut keterangan resmi, saat ini belum bisa dihindari 100% |
| Gaya teks | Warna, gaya, cara muncul, waktu, dan posisi bisa ditentukan | Hindari karakter langka dan simbol khusus |
Keunggulan jalur ini adalah tidak ada langkah tambahan: video yang jadi sudah langsung bersubtitle, cocok untuk video vertikal pendek di platform video pendek. Kekurangannya juga jelas: kalau ada teks yang salah, satu-satunya jalan adalah membuat ulang, dan setiap percobaan sebelum hasilnya memuaskan tetap dikenai biaya pembuatan video. Kalau butuh versi bahasa lain, videonya pun harus dibuat dari awal lagi.
Dari sisi pemanggilan, ada beberapa jebakan yang mudah terlewat. Saat membuat token di konsol APIYI apiyi.com, pilih grup SeeDance2 (rasio 0.18x), dan mode penagihan harus berupa prioritas bayar sesuai pemakaian atau bayar sesuai pemakaian. Gunakan endpoint /seedance/api/v3/..., jangan /v1/videos. Halaman khusus Seedance menjelaskan bahwa endpoint umum akan salah meneruskan resolusi, padahal tagihannya tetap dihitung berdasarkan video yang benar-benar dihasilkan. Selain itu, generate_audio secara default bernilai true, jadi untuk menghasilkan video tanpa suara, Anda harus mengirim false secara eksplisit.
Jalur Kedua: Transkripsi Audio Video Jadi untuk Membuat Subtitle Video AI
Pembagian tugas pada solusi pasca-produksi ini cukup jelas: model video hanya bertugas menghasilkan satu video jadi lengkap dengan trek audio, sedangkan subtitle diserahkan ke layanan transkripsi tersendiri atau perangkat lunak penyuntingan. Hasil transkripsi berupa berkas subtitle dengan timeline, yang bisa dipakai dengan dua cara. Pertama, subtitle ditanam langsung ke dalam gambar (hardcode) untuk platform yang tidak mendukung subtitle eksternal. Kedua, subtitle didistribusikan sebagai berkas sidecar bersama video, sehingga pemutar bisa menyalakan atau mematikannya, bahkan berganti bahasa.
Soal pilihan layanan transkripsi, perhatikan dulu status terbarunya. Panduan speech-to-text OpenAI saat ini merekomendasikan gpt-transcribe untuk transkripsi berkas, dengan endpoint POST /v1/audio/transcriptions. Endpoint ini mengembalikan teks beserta bahasa yang terdeteksi, dengan batas ukuran berkas 25 MB. Contoh timestamp tingkat kata atau kalimat masih mengarah ke parameter timestamp_granularities milik whisper-1, dan parameter ini hanya didukung oleh whisper-1. Model-model seperti whisper-1, gpt-4o-transcribe, dan gpt-4o-mini-transcribe sudah ditandai deprecated, dengan tanggal penghentian 2027-02-26.
Ada satu hal lagi yang perlu dicatat: pada daftar lengkap model APIYI per 2026-11-10 pukul 15:40, tidak ada whisper-1 maupun gpt-transcribe. Langkah pasca-produksi ini tidak termasuk dalam daftar model video kali ini, jadi Anda perlu memakai layanan transkripsi tersendiri atau fitur pengenalan suara bawaan perangkat lunak penyuntingan. Penyelarasan timeline juga bisa diserahkan ke perangkat lunak penyuntingan, sementara transkripsi cukup difokuskan pada akurasi pengenalan teks.
Ringkasan Kemampuan Subtitel pada Model Video AI yang Tersedia
Tabel di bawah merangkum cara setiap halaman khusus model video menjelaskan soal suara dan subtitel. Kolom parameter subtitel diisi dari hasil pencarian teks lengkap di setiap halaman khusus pada 2026-11-11, dengan kata kunci “subtitel”, SRT, subtitel tertanam (burn-in), dan track subtitel.
| Seri | ID Model | Terkait suara (sesuai halaman khusus) | Parameter subtitel | Poin pemanggilan |
|---|---|---|---|---|
| Seedance | doubao-seedance-2-5-260628, doubao-seedance-2-0-260128, doubao-seedance-2-0-fast-260128, doubao-seedance-2-0-mini-260615 |
generate_audio aktif secara default |
Tidak ada file subtitel; bisa ditanam lewat petunjuk mengikuti panduan Volcano | Grup SeeDance2, lewat /seedance/api/v3/... |
| Wan3.0 | wan3.0-video, wan3.0-video-prime |
audio default true, hasilnya sudah berisi track audio |
Tidak ada | Kirim ke /wan/api/v1/services/aigc/video-generation/video-synthesis dengan header X-DashScope-Async: enable |
| Wan2.7 | wan2.7-t2v, wan2.7-i2v, wan2.7-r2v, wan2.7-videoedit |
Hanya wan2.7-i2v yang mendukung driving_audio untuk sinkronisasi bibir |
Tidak ada | Hanya 720P / 1080P, durasi 2–15 detik |
| HappyHorse 1.1 | happyhorse-1.1-t2v, happyhorse-1.1-i2v, happyhorse-1.1-r2v, happyhorse-1.0-video-edit |
Gambar ke video tidak mendukung driving_audio, halaman khusus tidak menyebut dialog default |
Tidak ada | Durasi 2–15 detik; untuk sinkronisasi bibir, pakai Wan2.7 |
| MiniMax H3 | MiniMax-H3 |
Sudah berisi track audio stereo dan tidak bisa dimatikan | Tidak ada | Hanya membuka 768P, lewat /hailuo/v2/video_generation |
| Oxygen | oxygen-1.0 |
Hasil video sudah berisi track audio | Tidak ada | Kompatibel dengan OpenAI Videos, POST /v1/videos |
| Grok Imagine | grok-imagine-video, grok-imagine-video-1.5, grok-imagine-video-1.5-lite |
Default sudah berisi track audio, mematikan audio tidak menurunkan harga | Tidak ada | Perlu mengaktifkan grup GrokOfficial |
Poin utama dari tabel ini: selain Seedance, halaman khusus model lain tidak memuat apa pun soal subtitel, jadi kita tidak bisa menyimpulkan bahwa model-model itu “juga bisa memunculkan subtitel lewat petunjuk”. Semua model di atas bisa dipanggil dengan satu akun yang sama di APIYI (apiyi.com). Tipe model dan grup yang tersedia mengikuti daftar model di platform.
Ada beberapa detail yang perlu dibahas tersendiri. driving_audio pada Wan2.7 membuat gerakan bibir mengikuti audio, jadi ini kemampuan sinkronisasi bibir dan tidak berhubungan dengan subtitel. Saran dari halaman khususnya sendiri: kalau butuh sinkronisasi bibir yang digerakkan audio, pakai 2.7; kalau butuh track audio default, durasi lebih panjang, dan harga lebih murah, pakai Wan3.0. MiniMax H3 di APIYI berupa bobot terbuka yang di-deploy sendiri, bukan hasil meneruskan API dari pabrik aslinya. Track audionya tidak bisa dimatikan; kalau mengirim generate_audio=false, hasilnya error 400 dengan field error unsupported field generate_audio, dan permintaan resolusi 2K juga akan ditolak.
Kasus tiga model Grok Imagine agak khusus: halaman khususnya sudah mencantumkan harga, tetapi di tabel model lengkap per 2026-11-10 pukul 15:40 ketiga baris ini tidak ada. Bukan berarti modelnya belum tersedia; sebelum memanggil, pastikan dulu di konsol bahwa grup GrokOfficial sudah diaktifkan.
Subtitle Video AI dan Biaya Pembuatan Video: Apa yang Dihemat Saat Ganti Model
Subtitle tidak ikut berubah saat model video diganti, jadi yang bisa dihemat dari ganti model hanyalah biaya pembuatan videonya. Tabel di bawah membandingkan harga dokumentasi untuk satu video berdurasi 5 detik. Satu hal perlu dijelaskan dulu: resolusi tiap baris berbeda, jadi tabel ini hanya cocok untuk membandingkan biaya, bukan kualitas gambar video yang sama.
| ID Model | Resolusi | Durasi | Video referensi | Harga dokumentasi | Sumber harga | Tanggal data |
|---|---|---|---|---|---|---|
oxygen-1.0 |
480p atau 768p (harga sama) | 5 detik | Tidak termasuk | $0.10 | Harga per detik di halaman khusus × 5 | Halaman khusus, diverifikasi 2026-11-11 |
grok-imagine-video-1.5-lite |
480p / 720p | 5 detik | Tidak termasuk (gambar input tidak dihitung) | $0.10 / $0.15 | Harga per detik di halaman khusus × 5 | Halaman khusus, diverifikasi 2026-11-11 |
wan3.0-video |
480P / 720P / 1080P | 5 detik | Tidak termasuk | $0.147 / $0.294 / $0.588 | Total harga 5 detik di halaman khusus | Halaman khusus, diverifikasi 2026-11-11 |
MiniMax-H3 |
768P | 5 detik | Tidak termasuk | $0.15 | Halaman khusus | Halaman khusus, diverifikasi 2026-11-11 |
grok-imagine-video |
480p / 720p | 5 detik | Tidak termasuk (gambar input tidak dihitung) | $0.25 / $0.35 | Harga per detik di halaman khusus × 5 | Halaman khusus, diverifikasi 2026-11-11 |
wan2.7-* |
720P / 1080P | 5 detik | Tidak termasuk | $0.42 / $0.70 | Total harga 5 detik di halaman khusus | Halaman khusus, diverifikasi 2026-11-11 |
doubao-seedance-2-0-mini-260615 |
720p | 5 detik | Tidak termasuk | $0.4508 | Daftar harga di halaman khusus | Halaman khusus, diverifikasi 2026-11-11 |
happyhorse-1.1-* |
720P / 1080P | 5 detik | Tidak termasuk | $0.63 / $1.12 | Total harga 5 detik di halaman khusus | Halaman khusus, diverifikasi 2026-11-11 |
doubao-seedance-2-0-fast-260128 |
720p | 5 detik | Tidak termasuk | $0.7253 | Daftar harga di halaman khusus | Halaman khusus, diverifikasi 2026-11-11 |
doubao-seedance-2-0-260128 |
720p | 5 detik | Tidak termasuk | $0.9074 | Daftar harga di halaman khusus | Halaman khusus, diverifikasi 2026-11-11 |
grok-imagine-video-1.5 |
1080p | 5 detik | Tidak termasuk (gambar input tidak dihitung) | $1.25 | Harga per detik di halaman khusus × 5 | Halaman khusus, diverifikasi 2026-11-11 |
doubao-seedance-2-5-260628 |
720p | 5 detik | Tidak termasuk | $1.3721 | Daftar harga di halaman khusus (dihitung dari luas × durasi, selisih ±5% masih wajar) | Halaman khusus, diverifikasi 2026-11-11 |
Untuk spesifikasi yang sama, yaitu 720p, 5 detik, tanpa video referensi (dicek di halaman khusus pada 2026-11-11), harga Seedance 2.5 sebesar $1,3721 kira-kira 4,7 kali harga wan3.0-video ($0,294) dan sekitar 3,0 kali harga mini ($0,4508). Angka kelipatan ini hanya menunjukkan biaya pembuatan video, bukan kualitas subtitle yang lebih baik. Halaman khusus juga punya satu bagian FAQ yang menulis harga 2.5 sedikit berbeda dari daftar harga. Artikel ini mengikuti daftar harga.
Ada beberapa sel di tabel ringkasan yang gampang disalahartikan. Sel-sel Seedance berisi harga dasar per sejuta token yang belum dikalikan pengali grup 0,18, jadi bukan berapa dolar untuk satu video. wan3.0-video hanya punya satu sel harga per detik di tabel ringkasan, dan sel itu berlaku untuk 480P, bukan harga satuan untuk semua resolusi. HappyHorse di tabel ringkasan tertulis sebagai harga dasar bayar sesuai pemakaian, bukan harga per detik. Untuk hitungan per detik, lihat halaman khususnya. Saat mencocokkan harga, sebaiknya gunakan daftar model di APIYI apiyi.com beserta harga per tingkatan di halaman khusus tiap model sebagai acuan.
Rekomendasi Skenario Menambahkan Subtitle pada Video Hasil AI
Skenario Satu: Subtitle yang harus bisa diedit dan diterjemahkan
Video tutorial, demo produk, dan konten yang perlu dirilis dalam beberapa bahasa termasuk kategori ini. Subtitle untuk video seperti ini cepat atau lambat pasti diubah: klien menemukan salah ketik, istilah perlu diseragamkan, atau tim pemasaran butuh versi bahasa Inggris. Satu-satunya cara yang aman adalah transkripsi di tahap pascaproduksi, sedangkan model video cukup menghasilkan video jadi lengkap dengan trek audionya.
Dalam skenario ini, pilih model video berdasarkan kebutuhan visual dan anggaran saja, karena subtitle bukan faktor penentu. Hanya saja, video jadi tidak boleh sudah terlanjur “dibakar” dengan subtitle acak, sebab subtitle pascaproduksi nanti akan bertumpuk dengan teks yang sudah ada di gambar. Kalau memakai Seedance, tambahkan batasan “tanpa subtitle” di petunjuk. Untuk seri lain, halaman khususnya memang tidak menyebut kemampuan subtitle, tetapi tetap periksa gambarnya setelah video jadi.
Skenario Dua: Video pendek yang hanya butuh teks dialog di bagian bawah dan boleh diulang
Kalau hanya untuk video vertikal pendek di platform, cukup dengan satu baris teks dialog di bagian bawah, dan Anda bisa menerima kesalahan sesekali lalu membuat ulang, Anda bisa memakai Seedance saja dengan subtitle bakar (burned-in) sesuai templat Volcengine. Tulis isi subtitle dengan jelas di petunjuk, minta agar sinkron dengan ritme audio, dan tetap gunakan karakter yang umum, hindari karakter langka dan simbol khusus.
Perlu dipahami bahwa ini bukan hasil yang stabil. Kalau ketemu salah tulis, biaya membuat ulang berarti satu kali biaya video lagi. Jadi sesuaikan dulu petunjuk dengan mini atau fast, pastikan cara penulisan subtitlenya stabil, baru pertimbangkan tingkatan yang lebih tinggi. Jangan langsung memakai 2.5 hanya demi hasil subtitle.
Skenario Tiga: Video jadi tidak boleh ada subtitle sama sekali
Video brand, bahan yang akan diedit ulang, dan footage dasar yang akan diberi subtitle multibahasa di pascaproduksi semuanya menuntut gambar yang bersih. Kalau memakai Seedance, Anda harus menulis di petunjuk “pertahankan tanpa subtitle” dan “hindari menghasilkan teks atau subtitle apa pun”. Selain itu, hapus dulu teks yang ada di gambar referensi atau video referensi, dan sebisa mungkin buat dalam format lanskap. Panduan resminya menyebutkan bahwa kemungkinan subtitle acak muncul di video lanskap jauh lebih rendah daripada di video vertikal, dan untuk video vertikal masalahnya bisa diakali dengan memotong (crop) saat editing.
Meski ketiga langkah itu sudah dilakukan, pernyataan resminya tetap bahwa kemunculan subtitle tidak bisa dihindari 100%. Karena itu, hasil video wajib diperiksa secara manual. Untuk proyek yang menuntut kebersihan gambar sangat tinggi, Anda bisa menyisakan ruang untuk crop sejak di komposisi gambar.
Saran Keputusan Menambahkan Subtitle pada Video Hasil AI
Rangkuman di atas saya padatkan jadi satu tabel keputusan. Tinggal cocokkan dengan kasus video yang sedang kamu garap:
| Kebutuhanmu | Jalur yang dipilih | Arah model video | Hindari |
|---|---|---|---|
| Subtitle harus bisa diedit, diterjemahkan, dan sinkron dengan waktu | Jalur 2: transkripsi pascaproduksi | Pilih sesuai visual dan anggaran, asal ada audio | Berharap model video mana pun menghasilkan file subtitle |
| Video pendek perlu teks dialog di bagian bawah, dan siap diulang pembuatannya | Jalur 1: Seedance dengan teks tertanam (burn-in) | Susun petunjuk dulu dengan mini / fast | Naik ke 2.5 hanya demi hasil subtitle |
| Video jadi tidak boleh ada subtitle | Jalur 2, atau Seedance dengan batasan “tanpa subtitle” | Utamakan format landscape, bersihkan teks dari materi referensi lebih dulu | Percaya bahwa kata batasan bisa menghilangkan teks 100% |
| Butuh sinkronisasi bibir | Jalur 2 plus subtitle | driving_audio pada wan2.7-i2v |
Memakai gambar ke video HappyHorse untuk sinkronisasi bibir |
| Butuh audio bawaan dan harga murah | Jalur 2 plus subtitle | Oxygen, Wan3.0 480P, Grok 1.5-lite, MiniMax H3 | Mengira kelas murah tidak punya kemampuan subtitle |
Kedua jalur bisa diringkas dalam satu kalimat. Teks tertanam lewat petunjuk unggul di sisi “video langsung jadi dengan teks, tanpa langkah tambahan”. Tapi teksnya menyatu dengan piksel, jadi tidak bisa diedit, tidak bisa diterjemahkan, dan kalau mau dihilangkan pun tidak bersih. Transkripsi pascaproduksi memang menambah satu langkah, tetapi menang telak dalam akurasi subtitle, sinkronisasi waktu, dan pemakaian ulang untuk banyak bahasa. Jadi jalur ini cocok untuk semua video yang akan dikirim sebagai hasil akhir.
Dari sini, cara menghemat biaya uji coba juga jadi jelas. Kalau durasi di bawah 15 detik dan 720p sudah cukup, lihat dulu Seedance mini atau Wan3.0 versi standar. Kalau butuh audio bawaan dengan harga murah, lihat Oxygen, Wan3.0 480P, Grok 1.5-lite, dan MiniMax H3. Soal perbedaan hasil antara Grok, Hailuo, dan Seedance, halaman khususnya belum pernah membuat perbandingan subtitle dengan soal yang sama. Jadi pertanyaan “model mana yang subtitle-nya lebih bagus” tidak perlu dijadikan alasan untuk pindah model.
💡 Saran pemilihan: Tentukan dulu cara subtitle-nya, baru pilih model video. Di APIYI (apiyi.com), kamu bisa memakai satu kunci API yang sama untuk menjalankan dua atau tiga tingkat model dengan soal yang sama, lalu bandingkan hanya visual dan audionya. Subtitle diserahkan seluruhnya ke pascaproduksi, sehingga yang dibandingkan benar-benar bagian yang memakan biaya.
Ada dua saluran lagi yang tidak masuk rekomendasi. Menurut pengumuman APIYI tertanggal 2026-11-09, Google sudah menghentikan veo-3.1-generate-preview dan veo-3.1-fast-generate-preview pada 2026-10-22, sehingga saluran resmi VEO 3.1 di APIYI ikut berhenti, dan untuk sementara tidak ada saluran video dari keluarga Google. Pengumuman yang sama menyebutkan bahwa saluran terkait Sora 2 juga sudah diturunkan.
FAQ Soal Menambahkan Subtitle pada Video Buatan AI
Q1: Apa yang dimaksud dengan subtitle “yang layak pakai” untuk video buatan AI?
Subtitle yang layak pakai harus memenuhi tiga syarat sekaligus: teksnya benar, waktunya selaras dengan dialog, dan teksnya masih bisa diedit atau diterjemahkan setelah video jadi. Model video menghasilkan trek audio, sedangkan teks yang sudah “dibakar” ke dalam piksel tidak bisa diubah terpisah. Karena itu, teks semacam ini tidak dihitung sebagai subtitle yang layak pakai.
Q2: Kalau pindah ke Grok, Hailuo, atau Wanxiang, mana yang bisa langsung menghasilkan subtitle dengan baik?
Tidak ada. Halaman khusus Wan3.0, Wan2.7, HappyHorse, MiniMax H3, Oxygen, dan Grok Imagine hanya menyebut trek audio atau penggerak berbasis audio. Tidak ada parameter subtitle, dan belum ada pengujian perbandingan subtitle dengan soal yang sama. Berganti model hanya menghemat biaya pembuatan video, sedangkan subtitle tetap harus dibuat lewat transkripsi di tahap pascaproduksi.
Q3: Apakah subtitle bakar di Seedance 2.5 lebih bagus daripada 2.0?
Tidak ada dasar untuk mengatakan itu. Panduan petunjuk dari Volcano Engine berjudul seri 2.0, dan tidak ada pernyataan terpisah bahwa kemampuan subtitle 2.5 berbeda. Keunggulan 2.5 ada pada durasi 4–30 detik, lebih banyak gambar referensi, dan keluaran mov, bukan pada subtitle.
Q4: Grok Imagine tidak muncul di tabel total model. Apakah belum dirilis?
Bukan begitu. Ketiga varian Grok Imagine sudah punya harga di halaman khususnya, hanya saja tabel total model per 2026-11-10 15:40 tidak mencantumkan ketiga barisnya. Sebelum memanggilnya, pastikan grup `GrokOfficial` sudah aktif di konsol APIYI apiyi.com. Satu hal lagi: mematikan audio tidak membuat harganya turun.
Q5: Bagaimana cara cepat memanggil model video ini lewat API?
Daftar di APIYI untuk mendapatkan kunci API (pengguna baru mendapat kuota uji coba gratis), lalu panggil sesuai endpoint di masing-masing halaman khusus:
– base_url yang kompatibel dengan OpenAI adalah `https://api.apiyi.com/v1`, dan Oxygen memakai `POST /v1/videos` di bawahnya
– Seedance lewat `/seedance/api/v3/…`, pilih grup `SeeDance2` untuk tokennya
– Wan3.0 dikirim ke `/wan/api/v1/services/aigc/video-generation/video-synthesis`, dengan header `X-DashScope-Async: enable`
– MiniMax H3 lewat `/hailuo/v2/video_generation`
Jangan menerapkan `/v1/videos` untuk Seedance maupun Wan3.0.
Q6: Layanan apa yang dipakai untuk transkripsi di tahap pascaproduksi?
Di tabel total model APIYI saat ini tidak ada `whisper-1` maupun `gpt-transcribe`, jadi transkripsi perlu memakai layanan terpisah atau perangkat lunak penyunting video. OpenAI kini merekomendasikan `gpt-transcribe` untuk menghasilkan teks. Namun contoh timestamp tingkat kata di dokumentasinya masih mengarah ke `whisper-1`, yang akan dihentikan pada 2027-02-26. Batas ukuran per file adalah 25 MB, jadi untuk video panjang sebaiknya ekstrak trek audionya dulu sebelum ditranskripsi.
Q7: Apa saja keterbatasan yang sudah diketahui dari subtitle bakar lewat petunjuk?
– Subtitle tersimpan di dalam piksel, jadi untuk mengubah teks atau menerjemahkan, seluruh video harus dibuat ulang
– Subtitle bisa muncul sendiri meski tidak diminta, dan menurut penjelasan resminya hal ini tidak bisa dicegah 100%
– Peluang munculnya subtitle liar lebih tinggi pada video vertikal dibanding horizontal, dan teks di materi referensi menambah risikonya
– Karakter langka dan simbol khusus mudah salah, jadi sebaiknya pakai karakter yang umum
Poin Utama: Menambahkan Subtitle pada Video Hasil AI
- Audio tidak sama dengan subtitle: model video menghasilkan suara yang sudah menyatu di dalam video jadi, bukan file subtitle
- Hanya Seedance yang menyebut burn-in: panduan Volcano Engine mendukung subtitle yang “dibakar” ke dalam piksel, tetapi tidak menyediakan file subtitle
- Menghapus subtitle tidak bisa 100%: perlu kata pembatas di petunjuk plus pembersihan teks pada materi referensi, dan format lanskap lebih diutamakan
- Seri lain tidak punya parameter subtitle: halaman khusus Wan, HappyHorse, MiniMax H3, Oxygen, dan Grok hanya menyebut audio
- Subtitle yang bisa diedit lewat pascaproduksi: transkripsikan audio video jadi, lalu bakar ke gambar atau simpan sebagai file sidecar
- Ganti model hanya menghemat biaya render: jangan upgrade ke 2.5 demi subtitle, coba dulu tier rendah seperti mini atau Wan3.0
- Cara mulai: jalankan beberapa tier sampel dengan satu Key di APIYI, harga mengikuti daftar model di platform
Kesimpulan
Soal cara menambahkan subtitle pada video hasil AI, intinya hanya tiga:
- Subtitle yang bisa diedit tidak datang langsung dari model: belum ada satu pun model video yang mengeluarkan file subtitle sebagai output. Kalau Anda butuh subtitle yang bisa diubah dan diterjemahkan, jalurnya lewat transkripsi di tahap pascaproduksi.
- Burn-in di Seedance hanya solusi darurat: berdasarkan panduan petunjuk dari Volcano Engine, teks memang bisa dibakar ke dalam gambar. Cara ini cocok untuk video pendek yang tidak masalah kalau harus digenerate ulang, tetapi bukan hasil yang stabil untuk dikirim ke klien, dan saat ingin menghilangkan subtitle pun hasilnya tidak bersih.
- Untuk berhemat, ganti tier render, bukan mengejar subtitle: dengan spesifikasi sama, yaitu 720p, 5 detik, tanpa video referensi (dicek pada halaman khusus per 2026-11-11), harga 2.5 sekitar 4,7 kali lipat Wan3.0 versi standar. Selisih harga itu tidak membeli subtitle yang lebih baik.
Saran langkah berikutnya: tentukan dulu skema subtitle, baru pilih model videonya. Kami sarankan memakai kuota uji coba gratis di APIYI apiyi.com untuk menjalankan sampel dari tier rendah seperti mini, Wan3.0, dan Oxygen guna memverifikasi gambar dan audionya, lalu serahkan urusan subtitle sepenuhnya ke pascaproduksi.
📚 Referensi
- Volcengine “Panduan Petunjuk Seri Doubao Seedance 2.0”: Penjelasan cara menulis teks dan subtitle, batasan tanpa subtitle, serta penanganan subtitle yang muncul sendiri
- Tautan:
docs.volcengine.com/docs/ark/seedance-2-0-prompt-guide -
Keterangan: Template subtitle pada Jalur 1 di artikel ini dan pernyataan “tidak bisa dihindari 100%” bersumber dari panduan ini, dibaca pada 2026-11-11
-
Panduan Speech-to-Text OpenAI: Penjelasan antarmuka transkripsi
gpt-transcribedan parameter timestamp - Tautan:
platform.openai.com/docs/guides/speech-to-text -
Keterangan: Sumber antarmuka, batas ukuran file, dan tanggal penghentian model yang sudah usang untuk solusi transkripsi pascaproduksi, dibaca pada 2026-11-11
-
Pusat Dokumentasi APIYI · Halaman Khusus Model Video: Parameter dan harga bertingkat untuk Seedance, Wan3.0, Wan2.7, HappyHorse, MiniMax H3, Oxygen, dan Grok Imagine
- Tautan:
docs.apiyi.com/api-capabilities/ - Keterangan: Sumber untuk tipe model, endpoint, pengelompokan, dan harga dokumen 5 detik; pengumuman penghentian VEO 3.1 ada di situs yang sama pada
/live/2026-11/veo-3-1-official-offline
Penulis: Tim Teknis APIYI
Diskusi teknis: Silakan hubungi kami lewat beranda situs APIYI. Parameter model dan panduan pemanggilan yang lebih lengkap tersedia di pusat dokumentasi docs.apiyi.com
