Cara Kerja AI di Cuplikin: Dari Video Panjang ke Cuplikan Siap Unggah

Banyak orang membayangkan "AI di aplikasi" sebagai satu kotak ajaib: video masuk, cuplikan viral keluar. Kenyataannya lebih membumi, dan justru karena membumi, polanya bisa ditiru untuk kebutuhan bisnis lain. Artikel ini menjelaskan cara kerja AI di Cuplikin tahap demi tahap, dalam bahasa yang tidak membutuhkan latar belakang teknis.

Satu catatan sebelum mulai: kami membuka konsepnya, bukan resepnya. Prompt, cara kami menilai kualitas momen, dan detail optimasi adalah bagian yang kami simpan. Konsepnya sendiri bukan rahasia, dan memahaminya akan membantu kamu menilai proyek AI apa pun dengan lebih jernih. Untuk cerita bagaimana produknya dibangun, baca membangun Cuplikin dari ide sampai rilis.

Gambaran besar: lima tahap, satu prinsip

Alur Cuplikin terdiri dari lima tahap:

1. Video masuk, dari file lokal atau tautan YouTube.
2. Audio ditranskripsi menjadi teks dengan timestamp per kata.
3. AI menemukan dan menyarankan momen yang layak jadi cuplikan.
4. Pengguna memilih momen, merapikan transkrip, mengatur caption dan rasio.
5. Cuplikan dirender dengan caption dan disimpan ke perangkat.

Prinsip di baliknya: AI menyarankan, manusia memutuskan. AI dipakai di tahap yang paling membosankan dan memakan waktu, sedangkan keputusan kreatif dan akhir tetap di tangan pengguna.

Tahap 1: video masuk

Pengguna memilih file dari komputer atau ponsel, atau menempelkan tautan YouTube. Untuk tautan, aplikasi dari App Store tidak boleh menjalankan alat pengunduh sendiri, jadi pengunduhan dibantu layanan di server kami. File hasil unduhan bersifat sementara: setelah tersalin ke perangkat pengguna, salinan di server dihapus otomatis.

Pelajaran kecil di sini: batasan platform, seperti aturan sandbox App Store, sering menentukan arsitektur lebih kuat daripada preferensi teknis. Kami membahas dampaknya di artikel studi kasus.

Tahap 2: transkripsi di perangkat

Audio diubah menjadi teks oleh Whisper, model speech-to-text yang berjalan langsung di perangkat pengguna, bukan di cloud. Hasilnya bukan sekadar teks, melainkan setiap kata lengkap dengan waktu mulai dan selesai.

Timestamp per kata inilah fondasi semua tahap berikutnya. Dengan itu, momen bisa dipotong secara presisi, caption bisa muncul kata demi kata mengikuti suara, dan pengguna bisa mengklik satu kata untuk melompat ke bagian video itu.

Transkripsi lokal punya dua konsekuensi yang sudah kami terima sadar: butuh perangkat yang cukup kuat (Mac versi Cuplikin hanya mendukung Apple silicon), dan di ponsel prosesnya lebih lambat dibanding server. Imbalannya adalah privasi dan biaya yang bisa diprediksi, yang kami bahas di biaya menjalankan produk AI.

Tahap 3: AI mencari momen yang layak jadi cuplikan

Di sinilah AI bekerja. Tugasnya menemukan bagian yang layak berdiri sendiri sebagai cuplikan: ada pembuka yang menarik, ada isi yang utuh, dan ada penutup yang wajar. Hasilnya daftar kandidat, masing-masing dengan rentang waktu, judul usulan, skor, dan alasan singkat kenapa bagian itu dinilai menarik.

Dua hal yang kami anggap penting dalam merancang tahap ini:

• Video tidak diunggah untuk analisis momen. Proses berat tetap di perangkat, dan yang dikirim ke server hanya data minimum yang dibutuhkan. Ini menjaga privasi dan menekan biaya sekaligus.
• AI harus memberi alasan. Skor tanpa alasan sulit dipercaya dan sulit dikoreksi. Alasan singkat membuat pengguna bisa menilai apakah AI "mengerti" videonya atau tidak.

Cuplikin menyediakan dua mode. AI bawaan memakai layanan kami dan dihitung dengan kredit, yang hanya terpakai kalau analisisnya berhasil. Mode kustom membiarkan pengguna menghubungkan penyedia AI sendiri yang kompatibel dengan format OpenAI, termasuk model lokal lewat Ollama di Mac, sehingga seluruh alur bisa berjalan tanpa data keluar perangkat sama sekali.

Catatan jujur: AI bisa salah menilai. Ada momen yang menurut AI menarik tapi datar saat ditonton, dan sebaliknya. Kami menguji kualitasnya dengan membandingkan saran AI terhadap pilihan kami sendiri pada kumpulan video nyata, lalu memperbaiki instruksinya berulang kali. Tidak ada versi yang "selesai". Siapa pun yang menjanjikan AI yang selalu tepat memilih momen sedang menjual mimpi. Yang realistis adalah AI yang cukup sering benar untuk menghemat waktu, dengan manusia tetap memegang keputusan akhir.

Tahap 4: manusia memilih dan merapikan

Pengguna melihat daftar kandidat, menonton pratinjaunya, dan memilih yang mau dipakai. Dari situ, pengguna bisa:

• Menggeser batas awal dan akhir cuplikan di timeline.
• Mengoreksi teks transkrip. Koreksi ini langsung memperbarui caption, karena caption dibangun dari transkrip yang sama.
• Memilih template caption dan rasio video (9:16 untuk Reels dan Shorts, 1:1, 16:9, 4:3).

Tahap ini sengaja tidak diotomatisasi. Ini bagian yang membuat hasilnya terasa "milik" penggunanya, dan juga bagian yang paling murah dari sisi komputasi karena tidak memanggil AI sama sekali.

Tahap 5: render dan ekspor di perangkat

Cuplikan akhir dirender dengan FFmpeg di perangkat: video dipotong, caption "dibakar" ke dalam gambar, dan hasilnya disimpan ke folder pilihan di Mac atau ke galeri foto di ponsel, tanpa watermark. Project dan hasilnya tidak kedaluwarsa karena memang tidak pernah disimpan di server kami.

Pola yang bisa dipakai bisnis kamu

Kalau kamu melepas konteks "video", alur di atas adalah pola umum yang berguna untuk banyak kebutuhan bisnis:

Olah dulu, baru kirim ke AI. Rekaman mentah itu besar dan mahal untuk diproses di cloud. Kerjakan bagian berat seperti transkripsi sedekat mungkin dengan sumbernya, lalu kirim ke AI hanya bagian yang benar-benar dibutuhkan untuk tugasnya. Untuk rekaman rapat, panggilan layanan pelanggan, webinar, dan wawancara, transkrip bertimestamp sering sudah cukup: lebih murah, lebih cepat, dan lebih mudah diperiksa.

AI menyarankan, manusia memutuskan. Untuk hampir semua kasus bisnis, ini rancangan yang paling aman. Ringkasan rapat yang disetujui notulis. Penilaian kualitas panggilan yang dikonfirmasi supervisor. Draf konten yang disunting tim marketing. Kami membahas alasannya lebih jauh di panduan AI untuk UMKM.

Tentukan sadar apa yang keluar dari perangkat atau perusahaan. Di Cuplikin, video tidak diunggah untuk analisis momen; yang keluar perangkat hanya data minimum yang dibutuhkan. Bisnis dengan data sensitif bisa memakai pola yang sama: proses sebanyak mungkin di dalam, kirim keluar seminimal mungkin, atau pakai model yang dijalankan sendiri. Pilihan ini kami ulas di artikel RAG untuk dokumen bisnis.

Hitung pemakaian per keberhasilan. Mengaitkan biaya dengan pekerjaan yang berhasil, bukan dengan percobaan, membuat pengguna percaya dan membuat biaya bisa diprediksi.

Beberapa contoh penerapan pola ini yang pernah kami diskusikan dengan calon klien:

Langkah selanjutnya

Kalau bisnismu punya rekaman, dokumen, atau percakapan yang menumpuk dan ingin diolah dengan pola seperti ini, kami bisa bantu merancang alurnya, termasuk keputusan apa yang diproses lokal dan apa yang ke cloud. Mulai dari konsultasi gratis atau chat lewat WhatsApp. Layanan AI engineering kami ada di halaman layanan.