Video affiliate tidak harus memakai suara sendiri. Kalau kamu malas merekam suara, suaramu tidak percaya diri, atau kamu ingin produksi banyak video dalam satu sesi, voiceover AI bisa mengisi bagian narasi. Kamu menulis naskah, tool mengubahnya jadi suara, lalu kamu gabungkan audio itu ke video produk.
Hasilnya bisa terdengar rapi dan enak didengar, asal naskahnya ditulis untuk dibacakan, bukan untuk dibaca. Di sinilah kebanyakan kreator gagal. Mereka menempel naskah artikel ke tool teks jadi suara, lalu heran kenapa hasilnya terdengar kaku seperti robot membaca koran. Artikel ini membahas cara membuat voiceover AI, dari naskah sampai audio siap upload, plus aturan lisensi dan label AI yang wajib kamu patuhi.
Kenapa voiceover AI cocok untuk video affiliate tanpa tampil wajah
Video affiliate no-face biasanya terdiri dari tiga lapisan. Lapisan pertama adalah visual, bisa berupa foto produk, rekaman layar, atau klip pemakaian produk. Lapisan kedua adalah narasi yang menjelaskan apa yang penonton lihat. Lapisan ketiga adalah teks dan musik yang mendukung suasana.
Voiceover AI mengisi lapisan kedua. Keuntungannya praktis. Kamu bisa memperbaiki naskah tanpa rekaman ulang, cukup edit teks dan generate ulang audionya.
Kamu juga bisa memakai suara yang sama di puluhan video, sehingga kontenmu terdengar konsisten. Dan kamu bisa bekerja kapan saja tanpa khawatir suara berisik dari lingkungan sekitar.
Tapi ada batasnya. Voiceover AI cocok untuk narasi produk yang informatif, seperti menjelaskan fitur, cara pakai, dan isi paket. Untuk cerita personal, misalnya pengalamanmu memakai produk selama berminggu-minggu, suara manusia tetap lebih meyakinkan.
Kalau naskahmu mengarang pengalaman yang tidak pernah kamu alami, masalahnya bukan di suaranya, melainkan di kejujuran kontennya. Itu akan dibahas di bagian aturan main.
Cara membuat voiceover AI: tiga jalur, pilih sesuai kebutuhan
Ada tiga jalur yang umum dipakai kreator. Jalur pertama adalah fitur teks jadi suara bawaan aplikasi, seperti TTS di TikTok dan CapCut. Jalur kedua adalah layanan TTS web seperti Ondoku.
Jalur ketiga adalah platform TTS khusus seperti ElevenLabs. Ketiganya bisa menghasilkan voiceover, tapi batas dan lisensinya berbeda.
Untuk mulai, jalur pertama biasanya sudah cukup. Kamu bisa membuat video pertamamu hari ini juga tanpa daftar ke layanan baru. Pindah ke jalur kedua atau ketiga ketika kamu butuh pilihan suara lebih banyak, kontrol pelafalan lebih baik, atau volume produksi yang lebih besar. Kalau kamu masih ragu memilih tool, panduan cara memilih tools AI membantu kamu menilai dari kebutuhan, bukan dari iklan.
Langkah 1: tulis naskah yang enak dibacakan, bukan dibaca
Naskah tulisan dan naskah ucap adalah dua hal berbeda. Kalimat tulisan yang panjang dengan banyak anak kalimat akan membuat suara AI tersengal-sengal. Naskah ucap memakai kalimat pendek, kata ganti yang jelas, dan jeda yang terasa natural saat didengar.
Pakai struktur sederhana ini untuk video affiliate berdurasi 30 sampai 60 detik. Buka dengan hook masalah dalam satu kalimat. Lanjutkan dengan satu kalimat yang memperjelas masalahnya.
Hadirkan produk sebagai jawaban, bukan sebagai bintang utama. Tambahkan satu bukti yang bisa diperiksa, misalnya isi paket atau cara pakai. Tutup dengan ajakan yang jelas.
Contoh naskah sekitar 75 kata untuk sebuah botol minum:
Botol minum kamu bocor terus di dalam tas? Isi tas jadi basah, dokumen ikut lembap, dan akhirnya botolnya cuma jadi pajangan di rumah. Botol ini tutupnya dikunci putar dua lapis, jadi aman dibawa naik motor atau ditaruh di samping laptop. Kapasitasnya 750 mililiter, cukup untuk seharian tanpa isi ulang berkali-kali. Di dalam paketnya ada botol, sikat pembersih, dan sedotan cadangan. Kalau kamu sering bawa bekal minum dari rumah, cek keranjang kuning untuk lihat harganya.
Perhatikan tiga hal dari contoh itu. Pertama, angka ditulis dalam bentuk yang mudah dibaca, yaitu “750 mililiter” dan “dua lapis”. Kedua, tidak ada klaim yang tidak bisa dibuktikan, seperti “botol terbaik” atau “tidak akan pernah bocor”. Ketiga, ajakannya jelas, yaitu cek keranjang kuning.
Patokan kasar durasi: 1.000 karakter teks setara sekitar 150 kata atau sekitar satu menit bicara. Jadi naskah 74 kata di atas menghasilkan audio sekitar 30 detik. Kalau kamu belum punya naskah, kumpulan 25 prompt naskah video produk bisa menjadi titik awal yang tinggal kamu sesuaikan dengan produkmu.
Langkah 2: pilih suara dan generate audionya
Setelah naskah jadi, pilih suara yang cocok dengan produk dan penontonmu. Suara untuk produk bayi akan berbeda karakternya dengan suara untuk peralatan bengkel. Jangan memilih suara hanya karena terdengar keren. Pilih yang mudah dipahami saat didengar lewat speaker HP dengan volume sedang.
Uji dua sampai tiga suara dengan naskah yang sama sebelum memutuskan. Dengarkan 15 detik pertama dari masing-masing hasil. Perhatikan apakah pelafalan nama produk terdengar benar, apakah intonasinya naik turun secara wajar, dan apakah ada kata yang terdengar seperti terpotong. Suara yang bagus untuk satu naskah belum tentu bagus untuk naskah lain, jadi uji ulang saat kamu ganti jenis produk.
Untuk naskah panjang, pecah naskah menjadi beberapa potong sebelum generate. Satu potong sebaiknya berisi satu gagasan, misalnya satu potong untuk hook, satu potong untuk penjelasan fitur, dan satu potong untuk penutup.
Cara ini punya dua keuntungan. Pertama, kamu bisa mengulang generate hanya pada potongan yang hasilnya kurang bagus, tanpa menghabiskan jatah karakter untuk seluruh naskah. Kedua, potongan-potongan itu lebih mudah kamu atur posisinya di timeline video.
Langkah 3: cek kualitas sebelum dipakai
Jangan langsung menempel audio hasil generate ke video. Dengarkan dulu dari awal sampai akhir, idealnya dengan earphone dan sekali lagi lewat speaker HP. Lima hal ini wajib kamu cek.
- Pengucapan. Nama produk, nama merek, dan istilah asing harus terdengar benar. Kalau salah, ubah ejaannya di naskah. Misalnya tulis “keranjang kuning” dengan ejaan yang memancing pelafalan yang kamu mau, atau pecah kata sulit menjadi suku kata.
- Jeda. Jeda sebelum kata penting dan sesudah kalimat kunci harus terasa. Naskah tanpa jeda terdengar seperti dikejar waktu.
- Tempo. Terlalu cepat membuat penonton kehilangan informasi, terlalu lambat membuat mereka bosan. Untuk video affiliate, tempo percakapan santai biasanya paling aman.
- Volume dan kebersihan. Tidak ada bunyi desis, potongan aneh, atau perubahan volume tiba-tiba di tengah kalimat.
- Kesesuaian dengan visual. Audio harus cocok dengan apa yang terlihat. Kalau narasi menyebut “tutupnya dikunci putar”, video harus memperlihatkan tutup itu diputar, bukan memperlihatkan kemasan dari jauh.
Kalau ada satu kata yang selalu salah diucapkan, jangan memaksakan hasil generate yang sama berulang kali. Ubah ejaannya atau ganti kata itu dengan sinonim yang lebih mudah diucapkan. Ini perbaikan kecil yang sering mengubah hasil dari kaku menjadi natural.
Langkah 4: gabungkan audio ke video
Di editor seperti CapCut, impor audio voiceover ke timeline lalu letakkan di trek audio di bawah klip videomu. Potong jeda panjang di awal dan akhir audio supaya video langsung dimulai dengan isi. Lalu atur urutan klip video agar mengikuti narasi, bukan sebaliknya. Penonton lebih mudah memahami ketika yang mereka dengar dan lihat berjalan beriringan.
Tambahkan musik latar dengan volume rendah, cukup untuk mengisi keheningan tanpa menutupi suara narasi. Sebagai patokan awal, musik latar sebaiknya jauh lebih pelan dari suara narasi, dan tidak punya lirik yang bertabrakan dengan ucapan.
Terakhir, tambahkan subtitle. Banyak penonton menonton tanpa suara, dan subtitle membantu mereka tetap mengikuti isi videomu. Cara mengambil dan mengolah visual video affiliate dari HP dibahas di panduan cara bikin video affiliate modal HP, sedangkan workflow lengkap dari foto sampai upload ada di panduan konten Shopee affiliate dengan AI.
Aturan main yang tidak boleh dilewati
Tiga aturan ini menentukan apakah voiceover AI-mu aman dipakai jangka panjang. Pertama, soal lisensi. Paket gratis sebuah tool belum tentu mengizinkan pemakaian komersial.
Sebagai contoh, paket gratis ElevenLabs yang memberi sekitar 10.000 kredit per bulan, sekitar 10 menit audio, berdasarkan ringkasan halaman harganya yang dicek pada September 2026, tidak termasuk hak komersial dan hasil publikasinya wajib diberi atribusi. Sementara itu, halaman resmi CapCut menyatakan audio dari fitur teks jadi suara CapCut dapat dipakai untuk tujuan komersial seperti iklan dan video YouTube, dengan catatan kamu tetap mematuhi ketentuan penggunaan CapCut. Ondoku memberi jatah gratis 1.000 karakter tanpa akun dan 5.000 karakter dengan akun.
Angka dan ketentuan ini bisa berubah, jadi cek halaman resmi masing-masing tool sebelum kamu memakai hasilnya untuk konten yang dimonetisasi. Artikel ini dicek pada 17 Oktober 2026.
Kedua, soal label konten AI. Platform mewajibkan kreator memberi label pada konten AI yang realistis. TikTok mewajibkan label konten AI yang berisi gambar, audio, atau video realistis. YouTube mewajibkan pengungkapan untuk konten sintetis yang realistis, misalnya suara yang terdengar seperti orang nyata mengatakan hal yang tidak pernah ia ucapkan.
Cara paling aman adalah mengaktifkan label AI saat upload dan menambahkan keterangan di caption bila videomu memakai voiceover AI. Label ini bukan hukuman. Label ini memberi tahu penonton bahwa narasi yang mereka dengar dihasilkan AI.
Ketiga, soal kejujuran isi. Jangan memakai voice cloning untuk meniru suara orang lain, apalagi suara figur publik, tanpa izin. Jangan membuat voiceover yang mengaku “sudah saya pakai sebulan” padahal kamu belum pernah memegang produknya.
Voiceover AI adalah alat produksi, bukan alat untuk mengarang pengalaman. Klaim yang tidak benar tetap tidak benar, apa pun suara yang membacakannya.
Kesalahan umum dan cara memperbaikinya
| Kesalahan | Akibatnya | Perbaikannya |
|---|---|---|
| Naskah artikel ditempel mentah ke TTS | Suara terdengar kaku dan kalimat terlalu panjang | Tulis ulang jadi kalimat pendek bergaya percakapan |
| Memakai satu suara untuk semua produk | Konten terasa monoton dan tidak cocok dengan produk | Uji 2 sampai 3 suara untuk tiap jenis produk |
| Generate naskah panjang sekaligus | Satu kesalahan kecil menghabiskan jatah karakter untuk generate ulang | Pecah naskah per gagasan lalu generate per potong |
| Audio langsung ditempel tanpa cek dengar | Salah ucap dan jeda aneh baru ketahuan setelah upload | Jalankan checklist 5 poin di Langkah 3 |
| Paket gratis dipakai untuk konten monetisasi tanpa cek lisensi | Pelanggaran ketentuan tool dan risiko konten bermasalah | Cek lisensi paketmu di halaman resmi sebelum publish |
Langkah berikutnya setelah voiceover pertamamu jadi
Buat satu video dengan workflow ini sampai selesai, lalu nilai hasilnya dengan jujur. Apakah ada penonton yang bertanya soal produk di kolom komentar? Apakah ada bagian video yang penonton tonton ulang?
Dua sinyal itu lebih berguna daripada sekadar merasa suaranya sudah bagus. Setelah satu video jadi, kamu bisa menaikkan volume produksi dengan cara membuat bank naskah dan bank suara. Simpan naskah yang berhasil dalam satu dokumen, catat suara yang cocok untuk tiap jenis produk, dan gunakan kembali struktur yang terbukti enak didengar.
Kalau video affiliate pertamamu sudah tayang, langkah berikutnya adalah memperbaiki visualnya. Pelajari cara mengambil foto dan klip produk yang bersih lewat panduan video affiliate modal HP, lalu kembangkan bank naskahmu lewat kumpulan prompt naskah video produk. Voiceover AI hanya satu bagian dari sistem produksi. Sistem yang rapi membuatmu bisa posting konsisten tanpa kehabisan tenaga.
4 Komentar