Materyal aramak, kurgu kârının tamamını yiyip bitiriyor

Video işi yapan herkesin ortak kabusu şu: materyal arşivi büyüdükçe büyüyor ama gerçekten işe yarayan kısım azalıyor. Üç saatlik bir röportaj çekiyorsun, sonunda kullanılabilir kısım üç dakika. Daha da kötüsü, o üç dakikayı bulmak için üç saatlik materyali baştan sona zaman çizelgesinde taraman gerekiyor; bir yandan izleyip bir yandan not alıyorsun, kaçırdığın bir an olmasın diye.

Çok sayıda kurgucu ve içerik üreticisinin günlük çalışma düzeni şöyle: kurgu yazılımını aç, materyali içe aktar, sonra o uzun, mekanik, insanı çileden çıkaran materyal eleme sürecine başla. Kaynak gönderiye göre, olgun bir video üreticisinin materyal arama ve seçme süresi, toplam proje mesaisinin %60’ını bulabiliyor (kaynak gönderiye göre, bağımsız doğrulama yapılmadı). Bu da demek oluyor ki 12.000 TL’lik bir kurgu işi aldığında (kaynak gönderiye göre, bağımsız doğrulama yapılmadı), bunun 7.200 TL’lik zaman maliyeti (kaynak gönderiye göre, bağımsız doğrulama yapılmadı) en düşük teknik değere sahip tekrarlı işe gidiyor.

Geleneksel AI video araçları bu sorunu çözmüyor. Piyasadaki “akıllı materyal yönetimi” yazılımları özünde ekran görüntüsü kare yakalama ve nesne tanımaya dayanıyor. Sana “bu videoda bir araba var” diyebiliyor ama arabanın kaçıncı dakika kaçıncı saniyede göründüğünü, çekimin ne kadar sürdüğünü, önceki ve sonraki sahnelerle anlatısal ilişkisini söyleyemiyor. Bu bilgi derinliği, gerçekten ince kurgu yapan biri için neredeyse hiçbir işe yaramıyor.

Ama işler değişiyor. Kaynak gönderiye göre, yeni çıkan çok modlu model Ling-3.0-flash-VL daha akıllı bir mimari tasarım kullanıyor. Bir benzetme yapalım: bu model, videonun tamamını aynı anda izleyip önceki ve sonraki bağlamı hatırlayan akıllı bir asistan gibi; tek tek ekran görüntülerine bakan aptal bir araç değil. Videonun zaman boyutu ile mekân boyutu arasındaki ilişkiyi gerçekten anlıyor, birbirinden kopuk kareler dizisine bakmıyor.

Öne çıkan an çıkarma, çok modlu modelin asıl altın madeni

Sıradan bir çok modlu model sana “bu bir saatlik konuşma videosu ne anlatıyor” diyebilir. Ama içerik üreticisinin asıl ihtiyacı şu: bu bir saatin içinde hangi dakikalar kullanılmaya değer? Nasıl kullanılır? Kullanıldığında hangi konuma yerleştirilirse en büyük yayılma etkisini yaratır?

Kaynak gönderiye göre, yazar Ling-3.0-flash-VL’yi test ettikten sonra modelin çıktısının basit bir video özeti değil, eksiksiz bir kurgu uygulama listesi olduğunu gördü. Öne çıkan zaman aralıklarını, her aralığın çekirdek fikrini, seçilme gerekçesini, önerilen başlığı, açılış kancasını, hatta geçiş önerisini ve BGM tavsiyesini veriyor. Bu, AI’ın artık videoyu yalnızca “anlamadığını”, videoyu “planladığını” gösteriyor.

Bu yetenek ticari senaryoya konduğunda değeri şaşırtıcı. Örnek: bir kurumsal tanıtım filmi kurgu işi aldın, müşteri sana 5 saatlik etkinlik kaydı verdi, 2 dakikalık bir özet video istiyor. Eskiden bütün gün materyali izler, hissiyatla on küsur olası öne çıkan an seçer, sonra yarım gün boyunca karşılaştırıp eleme yapardın. Şimdi materyali AI’a atıyorsun, zaman çizelgesine göre öne çıkan parça listesi çıkarsın, bu listenin üzerinde ikincil eleme ve ince kurgu yapıyorsun. Kaynak gönderiye göre, tüm süreç bir günden iki saatin altına indi (kaynak gönderiye göre, bağımsız doğrulama yapılmadı) ve AI’ın verdiği zaman kodu saniye hassasiyetinde; elle arama yapmana bile gerek kalmıyor.

Daha kritik olan maliyet. Kaynak gönderiye göre, Ling-3.0-flash-VL’nin çıkarım maliyeti aynı seviyedeki tam parametreli modellerden çok daha düşük (kaynak gönderiye göre, bağımsız doğrulama yapılmadı). Yüksek iş hacimli kurgu stüdyoları için maliyet doğrudan kârdır. Kaynak gönderiye göre, ayda 50 proje işliyorsan (kaynak gönderiye göre, bağımsız doğrulama yapılmadı), her projede materyal eleme süresinden %80 tasarruf ediyorsan (kaynak gönderiye göre, bağımsız doğrulama yapılmadı), üstüne ciddi API çağrı ücreti kurtarıyorsan, bu hesap nasıl bakarsan bak kârlı.

AI kurgu otomasyon hattını üç adımda kur

Şimdi asıl soru şu: bu yeteneği elinde gerçekten para kazandıran bir üretim aracına nasıl dönüştürürsün? Kendi otomasyon iş akışını şu üç adımla kurmanı öneriyorum.

Birinci adım, materyal giriş standardı oluştur. Dağınık ham materyali doğrudan AI’a atma, verim düşer. Önce kaba bir sınıflandırma yap: çekim sahnesine göre, kişiye göre, olaya göre. Örneğin bir etkinliğin materyalini önce “açılış konuşması”, “panel tartışması”, “sahne içi etkileşim”, “konuk röportajı” diye birkaç ana sınıfa ayır, sonra her birini ayrı ayrı AI’a verip öne çıkan an çıkart. Kaynak gönderiye göre, yazar testlerinde sınıflandırılmış materyalden AI’ın çıkardığı öne çıkan anların kalitesinin, ham videoyu doğrudan vermeye göre belirgin şekilde yüksek olduğunu gördü (kaynak gönderiye göre, bağımsız doğrulama yapılmadı).

İkinci adım, istem şablonunu tasarla. Tüm süreçte en çok kafa yorman gereken yer burası. “Bana öne çıkan anları bul” gibi belirsiz bir komut kullanma; AI’a eksiksiz, yapılandırılmış bir görev tanımı ver. Test ettiğim bir şablon iyi sonuç verdi, doğrudan kopyalayıp kullanabilirsin:

1
2
3
4
5
6
7
8
9
10

Sen profesyonel bir video kurgucusun. Aşağıdaki video materyalini analiz et ve korunmaya değer tüm öne çıkan parçaları zaman sırasına göre listele. Her parça için şunları ver:
1. Zaman kodu (saniye hassasiyetinde)
2. Çekirdek fikir veya içerik özeti
3. Seçilme gerekçesi (bu parça neden korunmalı)
4. Önerilen başlık (kısa video başlığı olarak uygun)
5. Açılış kancası (ilk 3 saniyede izleyici nasıl yakalanır)
6. Yayın metni (50 karakter içinde)
7. Geçiş önerisi (önceki ve sonraki parçalarla nasıl bağlanır)
8. BGM önerisi (tarz + tempo)
Hedef platform: TikTok (tempo hızlı olmalı, ilk 3 saniye vurucu olmalı, altyazı büyük ve kalın olmalı)

Üçüncü adım, otomasyon araç zincirine bağla. AI yeteneğini üretkenliğe dönüştürmenin en kritik adımı bu. Kaynak gönderiye göre, yazarın öngördüğü iş akışı şöyle: videoyu oku → içeriği anla → öne çıkan anı konumlandır → zaman kodunu çıkar → aracı çağırıp kes → başlık ve yayın metni üret. Bu akış n8n veya Make gibi otomasyon araçlarıyla rahatça zincirlenebilir. AI’ın verdiği zaman kodları doğrudan FFmpeg betiğine beslenip toplu kesim yapılır, kesilen parçalar önceden hazırlanmış metin şablonlarına otomatik doldurulur, sonunda eksiksiz bir teslimat paketi çıkar. Sana kalan tek şey son bir insan kontrolü: bağlam bütünlüğüne ve estetik tercihe bakarsın, sonra müşteriye teslim edersin.

İşte doğrudan kullanabileceğin bir FFmpeg kesme komut şablonu:

1
2
3
4
5
6
7

# 2. dakika 30. saniyeden başlayıp 15 saniyelik parça kes
ffmpeg -i input.mp4 -ss 00:02:30 -t 00:00:15 -c copy output_1.mp4

# Toplu işleme: zaman kodu dosyasından başlangıç-bitiş oku
while IFS=',' read -r start end name; do
  ffmpeg -i input.mp4 -ss "$start" -to "$end" -c copy "$name.mp4"
done < timestamps.csv

Bu yetenekle hangi para türlerini kazanabilirsin

Birinci para türü, kurgu iş alma veriminin ikiye katlanmasından gelen doğrudan gelir. Eskiden ayda 10 iş almak sınırdı, şimdi aynı sürede 20 hatta daha fazla iş alabilirsin. “Süre yetişmez” diye geri çevirdiğin işlerin hepsi artık alınabilir. Kaynak gönderiye göre, yazar tek projede materyal eleme süresinin bir günden iki saate indiğini test etti (kaynak gönderiye göre, bağımsız doğrulama yapılmadı); bu verim artışı doğrudan iş hacminin ikiye katlanmasına dönüşüyor.

İkinci para türü, yüksek fiyatlı “AI hassas kurgu hizmeti” satmak. Normal kurgu işlerinin piyasa fiyatı birkaç yüz TL’ye kadar düşmüş durumda. Ama “AI öne çıkan an çıkarma + insan eliyle ince düzeltme + çok platforma uyarlama” paketini sunabilirsen fiyatı üç ila beş katına çıkarabilirsin (kaynak gönderiye göre, bağımsız doğrulama yapılmadı). Müşteri kurgu satın almıyor, kesinlik satın alıyor. “Beş saatlik materyalden iki saat içinde tüm öne çıkan anları hassas şekilde bulurum” demen bile başlı başına para eder. Kaynak gönderiye göre, bu yetenek özellikle konuşma videoları, toplantı kayıtları, eğitim kursları ve canlı yayın tekrarları gibi uzun materyallerde çok etkili (kaynak gönderiye göre, bağımsız doğrulama yapılmadı) ve bunlar tam da en yüksek fiyatlı kurgu talepleri.

Üçüncü para türü, iş akışını ürünleştirmek. İstem şablonunu, otomasyon betiklerini ve teslimat standartlarını olgunlaştırdıktan sonra bunu standart bir hizmet ürünü olarak paketleyebilirsin. Lemon8 ve Mercari’de “AI akıllı kurgu hizmeti” ilanı aç, parça başına veya süre başına ücretlendir. Kaynak gönderiye göre, yazar testlerinde AI’ın yalnızca storyboard ve metin değil, geçiş ve BGM önerisi de verdiğini gördü (kaynak gönderiye göre, bağımsız doğrulama yapılmadı). Bu da demek oluyor ki bu hizmeti bir katman daha bölüp tek başına “video planlama paketi” satabilirsin; kurgu yapmadan yalnızca uygulama listesi çıkarıp yine müşteri bulabilirsin.

Gerçek bir hesap yapalım

Bu akışın kâr alanını daha net görmen için kaynak gönderideki anlatıma dayanarak tipik bir projenin maliyet-gelir tablosunu çıkardım (aşağıdaki tüm veriler kaynak gönderiye göredir, bağımsız doğrulama yapılmadı):

Bu hesaba göre kâr beş kattan fazla artıyor. Elbette somut rakamlar kişisel yeteneğe ve müşteri kitlesine göre değişir ama yön net.

Sıfırdan başlayanlar ne yapmalı

Henüz kurgu işi almıyorsan veya elinde hazır materyal arşivi yoksa panik yok. Şöyle başlayabilirsin:

1. Pexels, Pixabay gibi ücretsiz materyal sitelerinden birkaç uzun video indir, alıştırma malzemesi olarak kullan.
2. Ling-3.0-flash-VL’nin API’sine kaydol (edinme yöntemi aşağıda), ücretsiz kota ile öne çıkan an çıkarma akışını bir kez uçtan uca çalıştır.
3. Mercari’de “AI akıllı kurgu deneme işi” ilanı aç, fiyatı 39 TL yap, akışı test etmek için 3-5 düşük fiyatlı iş al.
4. Akış oturunca fiyatı kademeli artır: 39 TL’den 390 TL’ye, oradan 3.900 TL’ye.

Yeni başlayanlar için: Ling-3.0-flash-VL nasıl edinilir

Ling-3.0-flash-VL’nin edinme yöntemine gelince, kaynak gönderiye göre model şu anda API arayüzü üzerinden çağrılabiliyor (kaynak gönderiye göre, bağımsız doğrulama yapılmadı). Yapman gerekenler:

1. Model sağlayıcının resmi sitesine gir, geliştirici hesabı oluştur.
2. API anahtarı başvurusu yap; genellikle test için ücretsiz kota verilir.
3. Arayüzü çağırırken resmi dokümana göre video URL’si veya yerel dosya yolu ilet.
4. Asgari teknik eşik: Python betiği yazabilmek veya n8n gibi kodsuz araçları kullanabilmek yeterli.

Programlama temelin yoksa resmi tarafın sunduğu hazır web arayüzünü (varsa) kullanabilir veya üçüncü taraf araç entegrasyonlarını bekleyebilirsin.

Hemen tam otomasyona geçme, insan-makine iş birliği en iyi çözüm

Bir uyarı yapmam şart. AI’ın seçtiği materyal senin estetik anlayışına ve anlatı tercihine tam uymayabilir; zaman kodları ve bağlam bütünlüğü de insan kontrolü ister. Kaynak gönderiye göre, yazar açıkça “ideal olan hayal gibi” diyor (kaynak gönderiye göre, bağımsız doğrulama yapılmadı); AI ön elemesinden sonra insanın ikinci kez yargı vermesi hâlâ zorunlu.

Ama asıl koruyucu hendeğin tam da bu. Saf AI çıktısı ile AI ön eleme artı insan ince düzeltmesi arasındaki teslimat kalitesi farkı devasa. İlki “idare eder”, ikincisi “gerçekten iyi”. AI ile on projeyi toplu işleyebilirsin ama her projeye kendi estetik yargını katarsan, müşterinin sürekli ödeme yapmaya devam etmesinin sebebi budur.

Önerim şu: AI’ı “süper stajyerin” olarak konumlandır. En çok vakit yiyen kaba eleme işini o yapsın, profesyonelliğini en çok gösteren ince düzeltme işini sen yap. Kaynak gönderiye göre, tüm akışın çekirdek değeri “AI’ın materyal ön elemesini halletmesinde” (kaynak gönderiye göre, bağımsız doğrulama yapılmadı); nihai kalite kontrol yetkisini ise sıkı sıkıya kendi elinde tutmalısın.

Şimdi başla. Elinde birikmiş bir materyal bul, Ling-3.0-flash-VL testini bir kez çalıştır, çıkardığı öne çıkan an listesinin senin yargınla ne kadar örtüştüğüne bak. Sonra bunu günlük kurgu akışına bağla; önce tek projeyle başla, oturunca tüm projelere kopyala. AI ile materyal arama süresini geri kazan, kazandığın süreyi daha fazla iş alma kapasitesine ya da daha yüksek fiyatlı ürün geliştirme becerisine çevir. Bu yol daha önce yüründü, sana düşen arkadan gelmek.