Saat pengguna mengunggah video ke Adstacker, mereka mengharapkan satu hal: klip mereka harus berubah menjadi variasi iklan yang disempurnakan tanpa penantian yang membingungkan, ekspor yang rusak, atau subtitle yang tidak sinkron. Di balik alur kerja sederhana itu terdapat pipeline video bertenaga AI yang sengaja ditahap. Kami memvalidasi setiap aset sebelum masuk ke proyek, mengubah ucapan menjadi data subtitle yang akurat per bingkai, lalu me-render komponen kreatif yang dapat digunakan kembali sebelum merakit variasi akhir.
Ini adalah bagaimana Adstacker memproses video pengguna—dari unggah hingga ekspor—dan mengapa arsitekturnya dirancang untuk volume kreatif yang andal.
Tantangan: input video jarang siap produksi secara default
File video dapat terlihat serupa di file picker tetapi berperilaku sangat berbeda dalam pipeline rendering. Sebuah klip mungkin memiliki durasi yang tidak terduga, resolusi rendah, flag rotasi dari kamera ponsel, atau sama sekali tidak ada stream video yang dapat digunakan. Jika kami menemukan masalah tersebut setelah proyek mulai di-render, pengguna akan kehilangan waktu dan komputasi terbuang.
Subtitle menambah tantangan kedua. Transkrip saja tidak cukup untuk iklan sosial. Teks memerlukan pengaturan waktu tingkat kata agar muncul bersama pembicara, tetap dapat dibaca, dan tidak pernah tumpang tindih dengan baris berikutnya.
Terakhir, Adstacker dibangun untuk membuat banyak kombinasi dari satu set aset kecil. Me-render ulang klip berteks yang identik untuk setiap hook, body, CTA, dan kombinasi gaya subtitle akan memakan waktu dan biaya yang tidak perlu.
Solusi Kami: pipeline bertahap dengan tanggung jawab yang jelas
Kami memisahkan validasi, transkripsi, rendering overlay, dan perakitan akhir. Setiap tahap menghasilkan hasil yang tahan lama yang dapat digunakan tahap berikutnya, memungkinkan sistem untuk mencoba ulang langkah yang gagal tanpa memulai ulang seluruh proyek.
Arsitektur
1. FFprobe mendeteksi input yang buruk sebelum proyek dimulai
Sebelum Adstacker menggunakan klip yang diunggah ke proyek, ia menjalankan FFprobe—alat inspeksi media ringan—terhadap setiap file. Kami membaca detail yang penting untuk output yang andal:
- Stream video yang sebenarnya ada.
- Durasi berada dalam rentang yang diizinkan proyek.
- Resolusi efektif memenuhi standar kualitas minimum kami dan tidak melebihi maksimum yang dikonfigurasi.
- Frame rate tersedia untuk perhitungan waktu.
- Orientasi tampilan sudah benar, termasuk video ponsel yang rotasinya berada di metadata daripada dimensi piksel.
Ini adalah gerbang fail-fast. Jika aset tidak akan menghasilkan iklan yang dapat diandalkan, kreator akan mendapatkan pesan yang berguna sebelum rendering dimulai. Ini juga memungkinkan kami memilih resolusi dasar yang terikat untuk proyek, sehingga worker di bagian hilir beroperasi pada kanvas yang dapat diprediksi alih-alih menangani setiap ukuran sumber mentah secara independen.
2. AssemblyAI mengubah ucapan menjadi pengaturan waktu subtitle yang dapat digunakan
Untuk proyek yang menggunakan subtitle, kami mengirim audio sumber melalui AssemblyAI dan menerima lebih dari sekadar blok teks: kami menerima kata-kata individual dengan stempel waktu mulai dan berakhir. Stempel waktu tersebut adalah jembatan antara bahasa lisan dan pengaturan waktu visual.
Kami menormalisasi pengaturan waktu ke dalam detik, mengubahnya menjadi frame pada frame rate target proyek, dan mengelompokkan kata-kata menjadi potongan subtitle pendek. Pengelompokan ini disengaja: sebuah caption baru dimulai setelah jeda yang berarti atau setelah baris saat ini mencapai panjang yang dapat dibaca. Kami juga mengunci potongan yang berdekatan sehingga hanya satu yang terlihat di setiap frame, bahkan ketika pengaturan waktu kata sumber tumpang tindih.
Hasilnya adalah data subtitle yang ringkas, sadar frame, dan siap untuk gaya visual yang dipilih—bukan transkrip generik yang ditempelkan ke video.
3. Render overlay bersama sekali, lalu gunakan kembali
Kunci skala kreatif adalah menghindari pekerjaan duplikat. Sebuah proyek Adstacker dapat memasangkan klip hook yang sama dengan banyak klip body, CTA, lapisan teks, dan gaya subtitle. Kami me-render segmen berteks atau berlapis teks sekali untuk setiap resep unik, daripada sekali untuk setiap kombinasi akhir yang kebetulan menggunakannya. Ini mencerminkan pendekatan caption otomatis yang kami bangun untuk Ssemble, platform pembuatan video bentuk pendek dalam portofolio kami.
Seorang worker overlay menerima video sumber yang telah disiapkan, rasio aspek target, lapisan teks kustom, dan potongan subtitle. Ini me-render perlakuan visual pada kanvas yang konsisten dan menyimpan overlay yang telah selesai sebagai aset yang dapat digunakan kembali. Tahap penggabungan akhir kemudian memilih overlay hook, body, dan CTA yang benar dan merakit variasi yang telah selesai.
Pembagian ini memberikan kami dua manfaat praktis:
- Penggunaan kembali menurunkan beban kerja rendering ketika banyak kombinasi berbagi blok bangunan yang sama.
- Percobaan ulang independen memungkinkan kegagalan dalam satu overlay atau satu penggabungan akhir diperbaiki tanpa membuang pekerjaan yang telah selesai.
Contoh dunia nyata: satu sesi pemotretan produk, lusinan iklan yang dapat diuji
Bayangkan sebuah merek perawatan kulit mengunggah tiga hook, dua demonstrasi produk, dan dua CTA. Ia juga memilih dua gaya subtitle. Kemungkinan kreatif berkembang dengan cepat, tetapi beberapa video akhir menggunakan kembali segmen sumber dan perlakuan caption yang sama.
Adstacker memvalidasi ketujuh klip di awal, memperhitungkan metadata orientasi potret, dan membangun potongan subtitle berwaktu dari setiap segmen yang diucapkan. Kemudian, ia membuat setiap overlay yang diperlukan sekali. Ketika kombinasi akhir dirakit, sistem menggunakan kembali potongan-potongan yang telah disiapkan tersebut alih-alih membuatnya ulang berkali-kali.
Merek mendapatkan serangkaian iklan siap uji yang konsisten, sementara pipeline melakukan pekerjaan minimum yang diperlukan untuk membuatnya.
Dibangun untuk volume kreatif yang andal
Di Adstacker, pemrosesan video bukanlah satu tombol “render” yang buram. Ini adalah urutan langkah-langkah terfokus: validasi sumber, pahami ucapan, render lapisan yang dapat digunakan kembali, dan rakit kreatif akhir. Struktur itu membantu kami melindungi kualitas saat mengunggah, menjaga caption tetap sinkron, dan menskalakan variasi tanpa menskalakan pemborosan, berjalan di cloud infrastructure yang dibangun untuk workload elastis dan dalam container.
Unggah aset video Anda, pilih blok bangunan kreatif yang ingin Anda uji, dan biarkan Adstacker menangani production pipeline di balik layar.
Tumpukan teknologi: NestJS · FFprobe · AssemblyAI · AWS S3 · AWS ECS Fargate · Remotion · FFmpeg · MongoDB
Baca selengkapnya dari tim kami
1. Export Service vs. Video Editor Pipeline
