Tag: ai content creation

• 

  Lumen5 Agent: Video AI dengan Umpan Balik Lebih Cerdas dari Rekan Kerja

  Membuat video dengan neural network telah menjadi hal biasa, tetapi hingga saat ini, proses menyempurnakan draf pertama membutuhkan waktu berjam-jam. Tidak lagi. Lumen5 Agent adalah alat revolusioner yang tidak hanya menghasilkan video, tetapi juga secara efektif memproses umpan balik, membuat proses iterasi secepat dan seintuitif mungkin.

  Masalah Video AI: Bukan pada Generasi, tetapi pada Iterasi

  Kita semua pernah melihat “trik” ini: Anda memasukkan tautan, berkedip, dan neural network menghasilkan video dalam satu menit. Tetapi kemudian, berjam-jam pengeditan dimulai: adegan terlalu panjang, judul tidak terbaca dengan latar belakang terang, klip pantai dalam video laporan triwulanan.

  Mengubah “video apa pun” menjadi “video yang dapat dikirim oleh tim” – di sinilah waktu berharga terbuang. Agent menutup celah ini, dan sudah tersedia di Lumen5.

  Bagaimana Agent Mengubah Aturan Main dalam Produksi AI

  Lumen5 Agent adalah cara dialog untuk membuat dan mengedit video. Anda menjelaskan apa yang Anda inginkan dalam bahasa sederhana, mengamati bagaimana ia membangun video adegan demi adegan, dan kemudian membuat perubahan langsung di editor hingga hasilnya sempurna.

  Sebagian besar alat AI untuk video menghasilkan draf pertama dan “menghilang”. Agent tetap ada untuk draf kedua, ketiga, dan keempat. Ini bukan “ini video Anda, semoga berhasil”, tetapi “oke, apa yang kita ubah?”

  “Dulu, kesepakatan dengan video AI seperti ini: Anda memberikan tautan, dan Anda mendapatkan apa yang kembali. Seperti mesin penjual otomatis, tetapi untuk rekaman. Agent membutuhkan lebih banyak, karena begitulah cara Anda mendapatkan sesuatu yang dapat digunakan.”

  • Panjang, gaya, media: Tentukan durasi, gaya, dan media yang sesuai untuk audiens Anda, dan Agent akan membangun video berdasarkan brief ini.
  • Pertanyaan cerdas: Jika permintaan Anda meninggalkan sesuatu yang penting terbuka, Agent tidak menebak, tetapi mengajukan pertanyaan klarifikasi melalui kuesioner baru. Hanya yang tidak dapat ia temukan dari informasi yang sudah diberikan, sehingga Anda tidak mengisi deklarasi pajak untuk promosi 30 detik.

  Peluang Baru untuk Startup dan Tim

  Sekarang di halaman “Buat” ada enam cara untuk memulai. Jika tim Anda bekerja dengan PDF dan slide, ini untuk Anda. Agent memahami nomor halaman, termasuk yang dicetak di halaman itu sendiri.

  Ketika Anda meminta diagram di halaman 12, Anda mendapatkan diagram di halaman 12, bukan di halaman 11 atau “sesuatu yang mirip diagram dari suatu tempat di tengah”.

  integrasi dengan dokumen dan percepatan alur kerja

  • Cuplikan Halaman: Agent dapat mengambil gambar halaman dari PDF, PowerPoint, atau Word dan menyisipkannya langsung ke video Anda. Ini berguna ketika dokumen itu sendiri adalah elemen kunci, seperti sampul laporan atau slide penting.
  • Percepatan: Menurut pengujian pemimpin produk kami, alur kerja dokumen sekitar 50% lebih cepat dari sebelumnya. Ini adalah efisiensi yang dapat diskalakan yang menghemat waktu dan sumber daya.

  Transparansi Proses dan Umpan Balik Instan

  Saat Agent bekerja, jendela pembuatan sekarang menampilkan setiap adegan saat dibuat dan diperbarui. Selamat tinggal bilah pemuatan dan doa dalam hati. Halo, pemahaman nyata tentang apa yang terjadi.

  Ini terdengar seperti peningkatan kosmetik, tetapi sebenarnya tidak. Jika Anda melihat adegan kedua tidak berjalan dengan baik saat adegan kelima masih dibangun, Anda dapat segera campur tangan, daripada menemukan masalah di akhir dan memulai semuanya dengan desahan berat.

  Mekanisme Rekomendasi Baru: Kualitas, Bukan Otomatisasi

  Di balik layar, mekanisme rekomendasi yang sama sekali baru bekerja, membuat pilihan. Kami bangga dengan fitur-fiturnya:

  • Sinkronisasi Teks dan Ikon: Teks dan ikon muncul saat diucapkan, sehingga tidak ada yang muncul terlalu cepat atau tertunda setelah frasa diucapkan.
  • Deteksi Kontras: Memeriksa keterbacaan teks pada latar belakang apa pun, tidak mengasumsikan bahwa setiap foto gelap dengan nyaman.
  • Pembungkus Teks Cerdas: Judul dipecah di tempat yang masuk akal dan mengubah ukuran dengan cara yang tidak terlalu canggung. Tidak ada lagi kata-kata tunggal yang tersisa di baris terpisah.
  • Mendengarkan Durasi: Permintaan untuk membuat video lebih panjang atau lebih pendek sekarang jauh lebih akurat dalam mencapai durasi yang ditentukan.
  • Penggantian Klip Sesuai Permintaan: “Ganti klip ini dengan sesuatu dari kantor” — dan Agent mengerti.

  Detail-detail ini secara kolektif membedakan video yang terlihat otomatis dari video yang terlihat dibuat oleh manusia yang peduli. Ini adalah kunci untuk efisiensi AI versus UGC nyata.

  Agent untuk Tim: Demokratisasi Produksi Video

  Tab Agent baru telah muncul di editor. Setelah membuat draf pertama, Anda dapat terus membuat permintaan dalam bahasa sederhana, tanpa meninggalkan editor. Video Anda disesuaikan sesuai permintaan, bukan dengan “bersembunyi” dengan panel kanan.

  Semua kontrol manual tetap ada, sehingga pengguna berpengalaman dapat terus bekerja dengan cara yang biasa. Intinya bukan Anda berhenti mengedit, tetapi jalur tercepat untuk perubahan tertentu hanyalah deskripsinya.

  Konsistensi Merek dengan “Resep”

  Untuk tim, ini adalah perubahan besar. Alih-alih satu orang yang tahu editor luar dalam (dan menerima semua “permintaan cepat” di kantor), setiap orang dapat merilis video.

  Halaman Buat sekarang dimulai dengan Resep, masing-masing dengan pratinjau tentang apa yang dihasilkannya. Ini bagus untuk inspirasi jika Anda baru memulai. Tetapi kekuatan super mereka yang sebenarnya adalah konsistensi. Ketika empat orang di tim yang sama memilih Ringkasan Laporan, Anda mendapatkan empat video yang jelas-jelas berasal dari merek yang sama, bukan empat interpretasi kreatif, ditambah manajer merek yang mencari parasetamol.

  
  

  Masa Depan Video AI: Fokus pada Iterasi

  Jika Anda mengikuti video AI, Anda akan melihat bahwa percakapan telah berubah tahun ini. Pertanyaan yang menarik bukan lagi “bisakah model membuat klip?” dan menjadi “bisakah model mengikuti arahan?”. Pengeditan selalu memakan sebagian besar waktu produksi. Pembuatan rekaman yang lebih cepat tidak memperbaiki hal itu.

  Sebaliknya, itu bisa memperburuk keadaan, karena sekarang Anda memiliki sepuluh versi untuk dipilih daripada satu, dan tidak ada jam tambahan di kalender. Ini sesuai dengan apa yang kita lihat di tim pemasaran setiap hari. Hambatan bukan pada pembuatan video, tetapi pada revisi tanpa akhir setelah video dibuat, dan berapa banyak orang di tim yang benar-benar dapat mengelola proses itu.

  Jadi kami membangun Agent di sekitar siklus revisi, bukan hanya di sekitar generasi pertama. Membuat video itu mudah sekarang. Membuat video Anda, yang benar-benar siap untuk dikirim, itulah yang ingin kami sederhanakan.

  Lumen5 Agent: Produksi Neuro Baru Anda dengan Langganan

  Agent sudah ada di Lumen5, menunggu di halaman Buat. Jika Anda hanya menggunakan kami dengan menempelkan tautan dan mengambil apa yang keluar, ini sepadan dengan sepuluh menit waktu tim Anda. Berikan ringkasan yang sebenarnya, dengan panjang, gaya, dan audiens. Kemudian katakan apa yang harus diperbaiki. Kemudian ubah pikiran Anda dan katakan lagi. Itu tidak akan menganggapnya secara pribadi.

  Dan kami dengan tulus ingin mendengar di mana ia tidak memenuhi harapan tim Anda. Kami masih menyempurnakan rekomendasi, dan cara tercepat untuk memperbaikinya adalah dengan mendengar apa yang Anda minta dan tidak dapatkan. Beri tahu kami. Kami siap.

  Ingin lebih banyak ide tentang cara mengubah konten yang sudah Anda miliki menjadi video yang lebih efektif? Berlangganan podcast Supercharge Marketing, di mana para pemimpin pemasaran berbagi apa yang benar-benar berhasil untuk tim mereka.

  Pertanyaan yang Sering Diajukan

  Apa itu Lumen5 Agent?

  Lumen5 Agent adalah alat percakapan untuk membuat dan mengedit video AI di dalam Lumen5. Anda menjelaskan video yang Anda inginkan, melihatnya dibangun adegan demi adegan, dan kemudian meminta perubahan dalam bahasa sederhana sampai siap.

  Apa perbedaan Agent dari generator video AI lainnya?

  Sebagian besar alat video AI berfokus pada draf pertama. Agent dibangun di sekitar siklus revisi, jadi setelah versi pertama dibuat, Anda dapat terus meminta revisi (misalnya, memotong adegan atau mengganti klip) langsung di editor.

  Apa yang bisa saya gunakan untuk memulai video dengan Agent?

  Anda bisa memulai dengan posting blog, skrip, dokumen, rekaman, rekaman layar, atau video yang sudah ada yang mirip dengan apa yang Anda inginkan.

  Bisakah Agent bekerja dengan file PDF, PowerPoint, dan Word?

  Ya. Agent memahami nomor halaman, termasuk yang tercetak di halaman, dan dapat mengubah halaman dari file PDF, PowerPoint, atau Word menjadi gambar di video Anda.

  Apakah saya masih memiliki kontrol pengeditan manual?

  Ya. Semua kontrol manual di editor Lumen5 tetap ada. Agent hanya menyediakan cara yang lebih cepat untuk membuat perubahan tertentu dengan mendeskripsikannya.

  Apakah Agent mengubah harga atau batas penggunaan Lumen5?

  Tidak. Harga dan batas penggunaan Anda, serta Blueprints dan Script Composer, berfungsi persis seperti sebelumnya. Ini memungkinkan Anda untuk menskalakan produksi konten AI Anda tanpa biaya tersembunyi.

  Bagaimana Agent membantu tim tetap sesuai merek?

  “Resep” di halaman “Buat”, seperti “Ringkasan Laporan” atau “Kisah Merek”, memberi semua anggota tim Anda titik awal yang sama, sehingga video yang dibuat oleh orang yang berbeda tetap terlihat seperti milik merek yang sama. Ini penting untuk video AI untuk periklanan dan AI UGC untuk proyek kripto, di mana konsistensi sangat penting.

  Lumen5 membantu tim pemasaran mengubah konten yang sudah mereka miliki menjadi video yang dipoles, sesuai merek, lebih cepat, dan dengan sebagian kecil dari biaya produksi tradisional. Pelajari lebih lanjut atau minta demo.

  25.10.2026

• 

  Google Merekrut Insinyur untuk Membuat Konten AI di Discover

  Google membuka cakrawala baru dalam dunia konten yang dipersonalisasi, dengan merekrut insinyur untuk mengembangkan dan mengimplementasikan kecerdasan buatan ke dalam layanan Discover-nya. Keputusan strategis ini bertujuan untuk menciptakan aliran informasi yang dinamis dan terus berubah, yang akan memenuhi minat terdalam pengguna. Jika Anda pernah bertanya-tanya bagaimana cara membuat 100 hal unik dari satu sumber, Google tampaknya telah menemukan jawabannya dalam AI.

  Menurut pengumuman lowongan pekerjaan, tim Rekomendasi Umpan Discover akan “merekomendasikan konten yang dihasilkan AI (AIGC) untuk memenuhi minat pengguna”. Ini bukan hanya rekomendasi, tetapi seluruh sistem yang mampu mengakali algoritma yang biasa dan menawarkan sesuatu yang sama sekali baru, unik untuk setiap pengguna.

  Bagaimana Google Berencana Mengubah Discover dengan AI

  Pengumuman lowongan pekerjaan mengungkapkan rencana ambisius Google untuk mengubah Discover menjadi “layanan konsier yang proaktif dan hiper-personalisasi”. Ini berarti bahwa platform tidak hanya akan menampilkan konten kepada Anda, tetapi juga mengantisipasi kebutuhan Anda, menawarkan informasi yang akan membantu Anda mencapai tujuan Anda.

  Peran dan Tugas Spesialis Baru

  • Staff ML Engineer: Peran ini mencakup kontrol kualitas, penemuan topik, dan pemahaman konten untuk konten yang dihasilkan AI oleh tim Discover. Tugasnya meliputi pembuatan alur agen yang menghasilkan konten untuk “permukaan proaktif” seperti Discover dan Notifikasi. Perhatian khusus diberikan pada pemeriksaan fakta, relevansi, koherensi, dan nada, serta mekanisme umpan balik untuk menemukan dan menyampaikan cerita menarik di seluruh dunia.
  • Senior Staff ML Software Engineer: Pekerjaan serupa, tetapi pada tingkat yang lebih tinggi, dengan fokus pada kualitas konten yang dihasilkan AI, yang digunakan di semua platform utama Google.
  • Principal UX (Direktur+): Posisi kepemimpinan dalam desain ini bertujuan untuk mengubah Discover menjadi “pengalaman konsier” yang akan membantu pengguna mencapai tujuan mereka. Gaji untuk posisi ini berkisar antara $275.000 hingga $382.000 USD ditambah bonus dan saham. Spesialis akan bekerja dengan tim YouTube, Shopping, Chrome, dan Android, menskalakan format AI dalam umpan, sambil tetap menjaga suara manusia dan sumber daya sebagai fokus utama.

  “Tujuan kami adalah membantu orang mendalami minat mereka dan beralih dari inspirasi ke tindakan,” kata salah satu pengumuman lowongan pekerjaan.

  Ini bukan hanya penggunaan kembali konten, ini adalah pengemasan ulang dan adaptasi lengkapnya untuk kebutuhan individu, hampir seperti membuat “DNA video” untuk setiap pengguna.

  Google sudah secara aktif mengintegrasikan AI ke dalam Discover. Pada Oktober 2023 (diduga ada kesalahan ketik dalam aslinya), pratinjau AI tentang topik yang sedang tren diluncurkan di AS, Korea Selatan, dan India, masing-masing merujuk pada konten di internet. Ini adalah contoh yang sangat baik tentang bagaimana keunikan video dan artikel dapat membantu menghindari plagiarisme dan menarik audiens baru.

  Fungionalitas yang sudah tersedia atau sedang diuji:

  • Kustomisasi Discover: Sejak Agustus, pengguna dapat menyesuaikan feed mereka, menunjukkan apa yang ingin mereka lihat lebih banyak atau lebih sedikit.
  • Tombol “Selami Lebih Dalam”: Pada bulan September, Robbie Stein, Wakil Presiden Produk Google Search, mengumumkan pengujian tombol yang membuka ringkasan singkat topik dengan tautan ke cerita terkait, dimulai dengan video. Ini adalah semacam “video matryoshka,” di mana dari satu bagian konten besar, Anda bisa mendapatkan banyak bagian kecil, yang disesuaikan untuk TikTok, Shorts, dan Reels.

  Tim Discover Experience, yang bertanggung jawab atas bagian pengguna dari feed, termasuk integrasi AI, melayani lebih dari 500 juta pengguna aktif per hari, menjadikan Discover salah satu produk terbesar di dunia.

  
  

  Laporan Search Console dan kontrol atas konten AI

  Search Console sudah menyediakan laporan tentang kapan tautan ke situs Anda muncul dalam fitur AI generatif Discover. Ini memungkinkan webmaster untuk melacak efektivitas halaman mereka dalam “matriks” rekomendasi baru Google.

  • Laporan menunjukkan tayangan tautan ke situs Anda dalam fitur AI generatif Discover, dikelompokkan berdasarkan halaman, negara, dan tanggal.
  • Tampilan “Halaman” mencantumkan URL kanonis yang menyediakan informasi yang ditampilkan dalam fitur-fitur ini.

  Penting untuk dicatat bahwa penyertaan situs Anda dalam fitur AI generatif Discover diatur melalui kontrol Search generative AI, yang juga mencakup AI Overviews dan AI Mode. Mengecualikan situs dari fitur-fitur ini mencegah tautan dan kontennya muncul dalam AI Search generatif.

  Pertanyaan yang Sering Diajukan

  Apa itu repurposing konten dalam istilah sederhana?

  Repurposing konten adalah proses mengolah kembali konten yang sudah ada ke dalam format baru atau untuk audiens baru. Misalnya, mengubah webinar menjadi 50 klip pendek untuk media sosial atau mengadaptasi artikel menjadi infografis. Ini memungkinkan skalabilitas konten dan mendapatkan lebih banyak keuntungan dari sumber daya yang diinvestasikan.

  Apakah sebaiknya memesan keunikan atau membuat yang baru?

  Ini tergantung pada tujuan dan anggaran Anda. Unikalisasi video dan konten lainnya bisa jauh lebih murah dan lebih cepat daripada membuat yang baru dari awal, terutama jika Anda sudah memiliki sumber yang berkualitas. Untuk menghindari pemblokiran iklan atau untuk menghasilkan varian untuk pengujian A/B, unikalisasi adalah alat yang ampuh.

  Bagaimana AI membantu dalam menghindari anti-plagiarisme?

  AI dapat menganalisis teks atau video, mengidentifikasi elemen kunci, dan memparafrasekannya, mengubah struktur, latar belakang, nada suara, menciptakan versi baru yang unik. Ini memungkinkan Anda untuk mendapatkan paket unikalisasi yang lolos pemeriksaan orisinalitas, sambil mempertahankan makna dan pesan utama.

  Kesimpulan

  Google secara aktif berinvestasi dalam pengembangan konten yang dihasilkan AI untuk Discover, bertujuan untuk menciptakan pengalaman pengguna yang paling personal dan proaktif. Ini membuka peluang baru bagi pembuat konten di bidang repurposing dan unikalisasi. Ikuti laporan Search Console dan bereksperimenlah dengan mengadaptasi konten Anda untuk memaksimalkan inovasi ini. Mulailah mengadaptasi konten Anda untuk berbagai jejaring sosial hari ini untuk menjadi yang terdepan dalam transformasi digital ini!

  12.10.2026

• 

  Melius: Dari Insinyur Ramp hingga $25 Juta untuk Generasi Video AI

  Di dunia di mana kecepatan dan efisiensi memainkan peran kunci, Melius, sebuah platform untuk membuat kampanye iklan, gambar, dan video menggunakan kecerdasan buatan, membuat terobosan nyata. Perusahaan mengumumkan telah mengumpulkan investasi sebesar $25 juta, yang menyoroti potensi besar generasi video AI dalam industri modern. Aliran dana yang signifikan ini mencakup putaran Seri A sebesar $20 juta yang dipimpin oleh CRV dan putaran awal sebesar $5 juta dari General Catalyst. Didirikan oleh mantan insinyur Ramp, Melius menunjukkan pertumbuhan yang mengesankan, mencapai lebih dari $1 juta pendapatan tahunan hanya dalam dua bulan setelah keluar dari mode tersembunyi pada bulan Juli.

  Melius mengumpulkan $25 juta: revolusi dalam generasi iklan AI

  Dari ide hingga skala: bagaimana Melius menemukan kembali dirinya

  Salah satu pendiri Melius, Juwon Kim, mengakui bahwa perjalanan perusahaan tidak mulus. Awalnya, lebih dari setahun yang lalu, tim yang terdiri dari Juwon Kim, Yang Kim, dan Arnav Ramu (ketiganya adalah mantan insinyur Ramp) berfokus pada pembuatan alat untuk mengoptimalkan pengeluaran iklan.

  Namun, seperti yang dicatat Kim, setelah enam bulan menjadi jelas bahwa ide awal tidak “memiliki prospek.”

  “Kami benar-benar menghancurkan seluruh basis kode; kami membakar semuanya,” kata Kim kepada TechCrunch.

  Langkah tegas ini memungkinkan Melius untuk mengalihkan fokus ke tugas yang jauh lebih besar: mengembangkan alat untuk menghasilkan aset kreatif dan kampanye iklan itu sendiri. Ini menandai awal era baru bagi perusahaan, menciptakan “laboratorium agen untuk pekerjaan kreatif.”

  Melius dalam lingkungan kompetitif produksi AI

  Pasar generasi kreatif AI berkembang pesat. Di antara pesaing Melius adalah proyek-proyek seperti Higgsfield, yang pada bulan Agustus dinilai $5,4 miliar dan menunjukkan pendapatan tahunan lebih dari $700 juta. Ada juga pemain yang lebih kecil, seperti Krea dan Flora AI. Juwon Kim tidak melihat ini sebagai masalah, menekankan potensi pasar yang sangat besar.

  • Higgsfield: Penilaian $5,4 miliar, pendapatan tahunan $700+ juta.
  • Krea: Startup muda di bidang generasi AI.
  • Flora AI: Pemain lain yang membuat kreatif dengan AI.

  “Ada banyak pemain, dan itu cukup menarik,” kata Kim. “Ini berarti ada pelanggan yang harus dimenangkan, dan ada permintaan di ruang ini.” Ini menegaskan posisi kami bahwa biaya satu kreatif AI saat ini jauh lebih rendah daripada produksi tradisional, yang membuka peluang besar untuk generasi video massal oleh jaringan saraf.

  
  

  Dari impian YouTube hingga avatar AI: motivasi pribadi pendiri

  Menariknya, di balik keputusan mantan insinyur Ramp untuk terlibat dalam generasi iklan adalah kisah pribadi Juwon Kim. Dia menggambarkan dirinya sebagai influencer media sosial dan sejak kecil bermimpi membuat video pendek. “Saya berusaha keras untuk membuat vlog,” kenang Kim. “Ayah saya sangat mahir dengan FinalCut Pro, tetapi saya tidak.”

  Upaya awal ini tidak berhasil, tetapi ketertarikannya pada media digital tetap ada. Sekarang, dengan Melius, Kim membangun alat yang selalu dia impikan: sebuah platform di mana siapa pun, dari direktur kreatif berpengalaman hingga pemula, dapat mewujudkan ide-ide mereka, menggunakan generasi video dari teks.

  Ini akan memungkinkan penskalaan pembuatan konten dengan cara yang sebelumnya tidak mungkin, membuat produksi saraf berbasis langganan tersedia bagi siapa saja yang mencari efisiensi AI versus UGC nyata.

  Pertanyaan yang Sering Diajukan

  Pertanyaan	Jawaban
  Apa itu Melius dan layanan apa yang ditawarkannya?	Melius adalah platform AI untuk menghasilkan kampanye iklan, gambar, dan video. Ini memungkinkan pengguna untuk membuat aset kreatif menggunakan kecerdasan buatan, yang secara signifikan menyederhanakan dan mempercepat proses produksi konten.
  Berapa banyak investasi yang telah dikumpulkan Melius?	Melius telah mengumpulkan total $25 juta: $20 juta dalam putaran Seri A dan $5 juta dalam putaran awal.
  Siapa yang mendirikan Melius?	Melius didirikan oleh mantan insinyur Ramp: Juwon Kim, Yang Kim, dan Arnav Ramu.
  Berapa pendapatan tahunan Melius?	Melius mencapai lebih dari $1 juta pendapatan tahunan hanya dalam dua bulan setelah keluar dari mode tersembunyi pada bulan Juli.
  Apakah Melius memiliki pesaing di pasar generasi iklan AI?	Ya, Melius memiliki pesaing, seperti Higgsfield, Krea, dan Flora AI. Namun, para pendiri Melius yakin bahwa pasar cukup besar untuk beberapa pemain.

  Kesimpulan

  Kisah Melius adalah contoh cemerlang tentang bagaimana fleksibilitas dan visi ke depan dapat mengarah pada kesuksesan di dunia teknologi yang berubah dengan cepat. Dengan meninggalkan ide awal, tim menciptakan platform yang tidak hanya menarik investasi signifikan, tetapi juga menjanjikan untuk merevolusi video AI untuk iklan. Kami melihat bagaimana jaringan saraf mengubah pembuatan konten, memungkinkan jalur produksi AI 500 video per hari dan menawarkan peluang baru untuk menskalakan proses kreatif.

  Jika Anda ingin tahu di mana memesan UGC AI untuk proyek kripto atau bagaimana menghasilkan 100 video menggunakan jaringan saraf, Melius menunjukkan bahwa masa depan sudah ada di sini. Bergabunglah dengan revolusi saraf ini dan hubungi kami untuk mengetahui bagaimana AI dapat menskalakan produksi konten Anda!

  07.10.2026

• 

  MrBeast dan Google: Kemitraan Bertahun-tahun untuk Mempromosikan Gemini, Health, dan Fitbit

  YouTuber terbesar MrBeast, yang nama aslinya Jimmy Donaldson, telah menandatangani perjanjian multi-tahun dengan Google. Kemitraan ini bertujuan untuk mempromosikan produk-produk utama perusahaan: chatbot Gemini, platform Google Health, dan perangkat yang dapat dikenakan Fitbit. Bagi banyak bisnis yang menghadapi masalah dalam memilih kontraktor untuk promosi yang komprehensif, pendekatan ini menunjukkan model “satu atap”, di mana semua layanan dapat dipesan di satu tempat.

  Menurut pengumuman resmi Google, Donaldson, sebagai kreator pertama yang mencapai 500 juta pelanggan di YouTube, terus memperluas batas-batas kemungkinan. Sekarang ia akan menggunakan Gemini untuk mewujudkan ide-ide ambisiusnya, menunjukkan kepada audiens bagaimana kecerdasan buatan dapat membantu mewujudkan konsep-konsep yang paling luar biasa. Selain itu, blogger tersebut akan menunjukkan bagaimana Google Health mendukung tujuan kebugaran dan kesejahteraan.

  Detail kolaborasi: bagaimana MrBeast akan mempromosikan Google

  Kemitraan ini akan dimulai pada 5 September dengan sebuah video di mana MrBeast dan timnya akan mencoba bertahan hidup di kondisi paling ekstrem di Bumi: Arktik, hutan, dan gurun. Dalam tantangan ini, mereka akan mengandalkan Gemini, yang akan membantu mereka mengidentifikasi bahaya, mengatasi perubahan cuaca yang tiba-tiba, dan selangkah lebih maju. Ini adalah contoh bagus tentang bagaimana outsourcing konten untuk media sosial dapat digunakan, menyerahkan produksi proyek-proyek besar kepada spesialis eksternal.

  Gemini sebagai alat untuk logistik dan kelangsungan hidup

  • Identifikasi bahaya: Chatbot akan memberikan informasi tentang potensi ancaman dalam kondisi ekstrem.
  • Prakiraan cuaca: Gemini akan membantu tim beradaptasi dengan perubahan kondisi cuaca.
  • Logistik proyek: Donaldson juga akan menjadi wajah kampanye Gemini yang baru, menunjukkan bagaimana aplikasi tersebut membantunya dalam mengatur dan melaksanakan aksi-aksi besarnya.

  “Jimmy Donaldson, lebih dikenal sebagai MrBeast, selalu mendorong batas-batas kemungkinan. Sekarang ia menggunakan Gemini untuk mewujudkan konsep-konsep paling berani, menunjukkan kepada para penggemarnya bagaimana mereka dapat menggunakan AI untuk mewujudkan ide-ide yang sangat besar,” kata Google.

  Promosi Fitbit dan Google Health

  Dalam salah satu video mendatang di salurannya, MrBeast akan menggunakan perangkat Fitbit Air, yang akan menyoroti fungsionalitasnya dalam kehidupan sehari-hari dan selama tantangan yang sulit. Ini menunjukkan promosi komprehensif melalui video pendek, di mana setiap produk diintegrasikan ke dalam konteks alami konten.

  Pilihan MrBeast sebagai mitra bukanlah kebetulan. Dia adalah kreator konten paling populer di YouTube dengan lebih dari 515 juta pelanggan dan menghasilkan 4 hingga 6 miliar tampilan per bulan di saluran utamanya. Keterlibatannya dalam kampanye iklan merek seperti Disney, Lowe’s, dan Jack Links, serta partisipasinya dalam iklan Salesforce di Super Bowl, menyoroti pengaruhnya.

  Signifikansi Strategis Kemitraan bagi Google

  Meskipun Google terkadang bekerja sama dengan YouTuber untuk mempromosikan produk atau acara, tingkat komitmen jangka panjang ini tidak biasa. Ini mungkin bagian dari strategi YouTube untuk mempertahankan kreator konten terkemuka yang mungkin beralih ke platform lain, seperti Netflix, yang menawarkan penawaran yang menguntungkan. Bagi bisnis, ini adalah pelajaran tentang pentingnya hubungan jangka panjang dengan mitra utama dan investasi di dalamnya.

  
  

  Prospek Kolaborasi dan ROI

  Google berjanji bahwa ini hanyalah awal dari kerja sama mereka dengan MrBeast. Kemitraan semacam itu memastikan jangkauan audiens yang tinggi dan menunjukkan potensi siklus produksi video pendek yang lengkap untuk mempromosikan produk teknologi yang kompleks. Bagi mereka yang bertanya-tanya, mana yang lebih murah – AI atau kliping nyata, atau apakah unikasi atau produksi baru itu sepadan, contoh Google menunjukkan bahwa investasi dalam konten berkualitas tinggi yang terintegrasi secara organik selalu membuahkan hasil.

  Pertanyaan yang Sering Diajukan

  Bagaimana cara memilih kontraktor untuk membuat konten video?

  Saat memilih kontraktor untuk produksi video, terutama untuk siklus produksi video pendek yang lengkap, perhatikan portofolio, pengalaman dengan proyek serupa, serta kemampuan untuk menawarkan solusi komprehensif mulai dari ide hingga posting. Penting bagi kontraktor untuk memahami tujuan bisnis Anda dan dapat menyediakan pengganti tim SMM, mengambil alih seluruh proses.

  Mana yang lebih baik: menggunakan AI untuk membuat konten atau merekam dari awal?

  Pilihan antara pembuatan AI dan perekaman dari awal tergantung pada tujuan dan anggaran Anda. AI dapat efektif untuk menghasilkan volume konten yang besar dengan cepat atau repurposing, tetapi untuk cerita yang unik, berkualitas tinggi, dan kaya emosi, seperti MrBeast, perekaman dari awal atau unikasi mendalam tetap lebih disukai. Penting untuk menemukan keseimbangan antara penghematan dan kualitas agar konten benar-benar menarik audiens.

  Evaluasi efektivitas mass-posting mencakup analisis metrik seperti jangkauan, keterlibatan, rasio klik-tayang, dan konversi. Penting untuk melacak jenis konten dan platform mana yang memberikan hasil terbaik untuk mengoptimalkan strategi. Kualitas konten, bahkan dalam distribusi massal, memainkan peran kunci dalam mencapai indikator tinggi.

  Kesimpulan

  Kemitraan Google dan MrBeast adalah contoh nyata bagaimana perusahaan besar menggunakan pengaruh tokoh populer untuk mempromosikan produk mereka. Bagi bisnis yang mencari solusi efektif untuk memesan semuanya di satu tempat — mulai dari pembuatan video hingga promosinya, model ini menunjukkan potensi pendekatan yang komprehensif. Ingatlah bahwa investasi dalam konten berkualitas dan kemitraan strategis dapat secara signifikan meningkatkan kesadaran merek dan loyalitas audiens. Jika Anda merasa tim SMM Anda saat ini tidak mampu mengatasi tugas-tugas, pertimbangkan outsourcing konten untuk media sosial untuk mendapatkan hasil maksimal dari upaya pemasaran Anda.

  08.09.2026

• 

  Massive Video Posting: How an AI Model Created a Pipeline for 127 n8n Nodes for $4

  Posting video massal dan publikasi otomatis video pendek adalah impian banyak pembuat konten. Bayangkan Anda dapat mengatur jadwal penundaan otomatis sehingga publikasi ke 5 platform terjadi tanpa kerja manual, sementara Anda melakukan hal lain. Artikel ini adalah analisis terperinci tentang bagaimana model AI misterius, yang kemudian diidentifikasi sebagai Z.ai GLM 5.3 Flash, menghasilkan layanan posting massal yang kompleks dari 127 node di n8n, hanya dengan biaya 4 dolar.

  Kami akan membahas arsitektur, ekonomi eksperimen, dan pelajaran penting yang diperoleh dalam prosesnya. Bersiaplah untuk mengetahui bagaimana kecerdasan buatan dapat secara radikal mengubah pendekatan terhadap pembuatan dan distribusi konten, menjadikannya tidak hanya efisien tetapi juga sangat ekonomis.

  Pengantar Eksperimen: AI Coder untuk Pipeline Kompleks

  Antara 20 dan 25 Agustus, OpenRouter menyediakan akses gratis ke model stealth/ox-alpha, yang kemudian dideanonimkan sebagai Z.ai GLM 5.3 Flash. Model ini, dengan konteks 1M token dan multimodalitas asli (teks, gambar, video), diposisikan untuk “pengkodean yang efisien dan tugas agen jangka panjang”.

  • Tujuan eksperimen: pengujian beban LLM baru sebagai coder untuk pipeline terdistribusi yang kompleks.
  • Skala tugas: lima API eksternal, aliran biner, tiga lusin kondisi percabangan, polling asinkron – semuanya dalam satu alur kerja.
  • Hasil: dalam tiga hari (21 hingga 23 Agustus), model “mengkodekan” alur kerja dari 127 node, yang mampu mengakses API, menghasilkan media dan mempublikasikan Reels.
  • Ekonomi: 60,9 juta token dihabiskan, di mana 85,3% adalah cache-hit. Biaya akhir dengan harga gabungan $0,07/1M sekitar $4.

  “Di pasar Barat, ada ledakan ikatan otonom dalam semangat ‘scraping-generasi foto/video-autoposting’. Saya tertarik pada pipeline dan toleransi kesalahan.”

  Arsitektur Alur Kerja: 5 Sirkuit dan 127 Node

  Awalnya, alur kerja terdiri dari 156 node, tetapi setelah refactoring, jumlahnya berkurang menjadi 127. Node kerja, tidak termasuk pemicu dan placeholder, berjumlah 113. Setiap sirkuit melakukan fungsi spesifiknya sendiri, memastikan distribusi video pendek.

  Sirkuit 1: “Pencarian” (23 node)

  Sirkuit ini bertanggung jawab untuk menemukan konten viral. Ini berjalan sesuai jadwal (24 jam) dan menganalisis Reels pesaing.

  • Skema: Jadwal (24 jam) → daftar pesaing → Reels melalui ScrapeCreators → matematika viralitas (views > rata-rata × 2,5) → tag TRENDING.
  • Untuk video trending, caption (/v1/TIDAK BOLEHgram/post) dan transkrip (/v2/instagram/media/transcript) ditarik.

Kontur 1.5: “Filter Semantik” (17 node)

Di sini, relevansi konten dievaluasi menggunakan LLM-reranker.

• Model: Qwen3 Reranker 8B melalui chat/completions.
• Logika: evaluasi pada skala 0-1. Konten di bawah ambang batas (misalnya, 0.75) disaring, mencegah publikasi video yang tidak relevan.

Kontur 2: “AI-Dispatcher” (17 node)

Model tidak menyalin konten, tetapi “memeras DNA viralitas” dan menghasilkan ide orisinal.

• Output: skema JSON yang ketat (angle, hooks, voice_script, video_prompt, НЕЛЬЗЯgram_caption).
• Draf yang valid disimpan di Google Sheets dengan status DRAFT.

Kontur 3: “Bengkel Media” (37 node)

Kontur ini bertanggung jawab untuk membuat file media.

• Video: seedance-2.0-mini dengan fullback ke veo-3.1-lite, polling asinkron (Tunggu 10 detik × 20 percobaan).
• Suara: TTS mengembalikan PCM mentah, dikonversi ke WAV dengan cepat.
• Sampul: image-generation dengan nuansa teknologi neon.
• Semua operasi dengan percobaan ulang, peringatan, dan status MEDIA_READY / MEDIA_FAILED.

Kontur 4: “Distribusi” (19 node)

Tahap akhir — cross-posting video dan publikasi konten.

• Penggabungan: video dengan suara melalui ffmpeg (Write-Exec-Read di /tmp). Suara opsional.
• Publikasi: Google Drive (unggah + bagikan secara publik) → Instagram Graph API (kontainer REELS – publikasikan) → permalink → pembaruan Sheets → laporan di Telegram.

Teknik Kunci untuk Interaksi Efektif dengan LLM

Keberhasilan eksperimen sangat bergantung pada perumusan prompt yang tepat. Panel terpadu untuk TikTok, YouTube, Instagram membutuhkan instruksi yang jelas.

• Peran alih-alih permintaan: penggunaan “Senior n8n solutions architect” mengubah nada generasi, membuat respons lebih terlindungi dan kurang bersifat percakapan.
• Larangan mengarang parameter: model harus menunjukkan “VERIFY MANUALLY” jika tidak yakin dengan parameter.
• Iterasi berdasarkan kontur: memproses satu kontur per pesan membantu model agar tidak bingung dengan dependensi.
• Output Contract: satu blok JSON, instruksi impor, dan daftar parameter yang meragukan.

Solusi Rekayasa dan Toleransi Kesalahan

Alur kerja berisi banyak solusi rekayasa yang memastikan stabilitas dan toleransi kesalahan.

PCM ke WAV dengan Cepat

Model TTS mengembalikan PCM mentah, yang tidak dipahami oleh n8n dan НЕЛЬЗЯgram. Model menghasilkan node Kode yang menambahkan header RIFF yang benar, menggunakan binary-helpers n8n bawaan.

Data Statis: akumulator siklus tanpa duplikat

Untuk mengumpulkan tren, digunakan $getWorkflowStaticData('global'), yang memungkinkan untuk menghindari pembengkakan konteks standar dan duplikasi data.

Penanganan Kesalahan: 402 vs 5xx

Sistem membedakan antara kesalahan kritis (402 — tidak ada dana) dan kegagalan sementara (5xx — layanan sementara tidak tersedia).

• 402: peringatan di Telegram + StopAndError (tidak ada gunanya mencoba lagi tanpa dana).
• 5xx: coba lagi × 3 = fail-open (pegangan dilewati, pipeline terus berjalan).

Fail-open untuk reranker

Jika Qwen3 Reranker tidak merespons setelah tiga kali percobaan ulang, semua dokumen diberi skor netral 0,5, yang disaring. Pipeline tidak rusak, tetapi diam-diam melewati putaran.

Kesalahan Model dan Kesalahan Saya Sendiri

Meskipun hasilnya mengesankan, selama proses tersebut terungkap kesalahan model dan kekurangan dalam pendekatan saya.

Kesalahan model:

• require(‘crypto’) di Code-node (n8n tidak mendukung require).
• Google Drive menghapus biner, yang memerlukan node Rebuild Handoff Item.
• Node phantom dengan type/typeVersion yang tidak ada.
• Hardcode IG_USER_ID alih-alih menggunakan kredensial.

Kesalahan saya sendiri:

• Ambang batas reranker yang tidak sejajar (MIN_RELEVANCE_SCORE di stiker dan di node IF).
• Jumlah upaya polling video yang tidak mencukupi selama jam sibuk (20 × 10 detik).

Ekonomi Eksperimen: $4 untuk 60,9 Juta Token

Biaya 500 publikasi atau bahkan lebih, berkat eksperimen ini, ternyata minimal.

• Jendela gratis: model stealth sementara gratis.
• Prompt-caching: 85% permintaan adalah cache-hit karena pengembangan iteratif.
• Biaya akhir: sekitar $4 untuk 60,9 juta token.

Perbandingan harga dengan model lain (harga rata-rata per 1 juta token):

Model	Harga per 1 Juta (masuk/keluar)	Estimasi untuk 60,9 Juta
Anthropic: Claude Opus 4.8	$5 / $25	sekitar $426
OpenAI: GPT-5.6 Terra	$2 / $12	sekitar $183
Anthropic: Claude Sonnet 5	$2 / $10	sekitar $171
Qwen: Qwen3.8 27B	$0,35 / $2,75	sekitar $36
DeepSeek: V3.1 Terminus	$0,27 / $1	sekitar $21
stealth/ox-alpha + cache	gratis	sekitar $4

Paradoksnya adalah model gratis membangun pabrik yang menggunakan layanan murah, menghemat biaya yang signifikan untuk paket mass-posting selama sebulan.

Area Pertumbuhan Alur Kerja dan Pengembangan Lebih Lanjut

Pengembangan proyek lebih lanjut dapat mencakup:

• Pemisahan Monolit: menjadi tiga alur kerja (Radar / Generate / Publish).
• Bot Telegram: dengan manajemen human-in-the-loop (“Publikasikan / Buat Ulang”).
• Neuroavatar: integrasi model HeyGen: Avatar IV untuk membuat video dengan avatar.

Kesimpulan

Eksperimen dengan stealth/ox-alpha menunjukkan bahwa model AI mampu membuat pipeline yang kompleks dan toleran terhadap kesalahan untuk publikasi video pendek otomatis. Faktor kunci keberhasilan adalah spesifikasi teknis yang jelas dan pendekatan terstruktur untuk berinteraksi dengan LLM. Teknologi ini membuka peluang besar untuk unggah massal dengan proxy dan anti-deteksi, memungkinkan posting ke 10 akun dan lebih, secara signifikan mengurangi upaya.

Jika Anda mencari cara memilih layanan mass-posting, perhatikan solusi yang menggunakan pendekatan AI serupa. Mass-posting melalui API menjadi lebih mudah diakses dan efisien dari sebelumnya. Coba terapkan prinsip-prinsip ini dalam proyek Anda dan yakinkan diri Anda akan kekuatannya!

Pertanyaan yang Sering Diajukan

Apa itu stealth/ox-alpha?

stealth/ox-alpha adalah nama kode model AI yang kemudian dianonimkan sebagai Z.ai GLM 5.3 Flash. Model ini memiliki konteks 1 juta token dan multimodalitas asli, yang dirancang untuk pengkodean yang efisien dan tugas-tugas agen.

Berapa biaya eksperimen untuk membuat alur kerja?

Berkat periode uji coba gratis dan persentase hit cache yang tinggi (85%), biaya eksperimen sekitar 4 dolar untuk 60,9 juta token.

Platform apa saja yang didukung untuk cross-posting?

Dalam alur kerja ini, publikasi ke Instagram Reels melalui Graph API telah diterapkan. Namun, arsitektur memungkinkan perluasan daftar platform, termasuk TikTok dan YouTube, untuk membuat panel kontrol terpadu.

Bisakah 100 video dipublikasikan per hari menggunakan sistem seperti itu?

Ya, secara teoritis bisa. Sistem ini dirancang untuk publikasi video pendek otomatis dan mass-posting. Batasan akan tergantung pada throughput API dari platform yang digunakan dan sumber daya komputasi.

Bagaimana cara memastikan toleransi kesalahan dalam mass-posting?

Toleransi kesalahan dipastikan melalui logika perlindungan: pemisahan kesalahan 402 dan 5xx, strategi fail-open untuk node-node penting, serta polling dan percobaan ulang asinkron. Ini menjamin bahwa jadwal untuk 10+ akun akan berjalan mulus, bahkan saat terjadi kegagalan sementara.