فيلم إطلاق نموذج Ora 2

اطلب مني: اسم منتجي، وصفًا موجزًا (سطر واحد)، شعاري، من 3 إلى 6 لقطات شاشة للمنتج، أكثر من 40 صورة لما يُنتجه (أو صورًا له)، ألوان علامتي التجارية ونوع الخط، مفتاح API ومعرف الصوت من ElevenLabs، بالإضافة إلى مقطع موسيقي مجاني مع إيقاع واضح (ملف الصوت وتوقيت الإيقاع). إذا لم أقم بتضمين أي شيء، فاستخدم هذه الإعدادات الافتراضية: "Ora 2"، "نموذج صورة مُصمم حسب الذوق"، صور مجانية من Unsplash وPixabay، Geist ، الحبر رقم 111214، صوت Samara X (19STyYD15bswVz51nqLf) على eleven_v4، وPixabay "Cascade Breathe" (129.83 BPM ، الإيقاع عند 75.39 ثانية).

<script>
اكتب تعليقًا صوتيًا من 9 أسطر بهذا الشكل، وقم بتكييف كل سطر مع منتجي:
هذا هو [الاسم]. [الفئة]... مصمم لـ [القيمة]. [الفعل] بأي نمط. أعطه [المدخل] - وسيفهمه ببساطة. كلما استخدمته أكثر، كلما أصبح أفضل. اضبط [إعداداته]. [إعداداته]. [إعداداته]. كل [مخرجاته] - تمامًا كما تخيلته. [الاسم]. متوفر الآن.
استخدم عبارات التعبير عن المشاعر باعتدال: [بهدوء] في الأسطر الهادئة و[بحماس] في سطر [الفعل]. لا تستخدم عبارة التعبير عن المشاعر في بداية الجملة، واختمها بنقطة.
</script>

استخدم واجهة برمجة تطبيقات ElevenLabs مباشرةً باستخدام مفتاحي، دون الحاجة إلى MCP. أنشئ أربعة تسجيلات كاملة في عملية واحدة، ودعني أختار منها. إذا لم يكن أحد المقاطع مناسبًا، فأعد إنشاء ذلك المقطع فقط أربع مرات، ثم ادمج أفضل نسخة في التسجيل الذي اخترته.
قم بتقصير فترات التوقف التي تزيد عن 0.28 ثانية إلى 0.2 ثانية، ثم اجعل كل عبارة تصل إلى 85% من المستوى المتوسط، مع تعديل مستوى الصوت فقط أثناء فترات التوقف.
لضبط توقيت الكلمات، قسّم القراءة عند فترات توقف مدتها 100 مللي ثانية أو أكثر، وانسخ كل مقطع على حدة باستخدام برنامج Whisper، ثم قم بمحاذاة الكلمة الأولى مع بداية المقطع المقاسة. يمكن لعملية واحدة باستخدام Whisper أن تضع الكلمات متأخرة بما يصل إلى نصف ثانية.

فيلم إطلاق مربع الشكل مدته 22 ثانية، بدقة 1440 × 1440 بمعدل 60 إطارًا في الثانية، على غرار إطلاق مختبر الذكاء الاصطناعي: لوحة بيضاء، ونوع خط واحد، وحبر أسود، وصور حقيقية، وتعليقات مكتوبة كلمة بكلمة في الوقت المحدد الذي يتم فيه نطقها.
تستخدم جميع عناصر التحكم (شريط التنبيهات، لوحة الإعدادات، زر التعليق) تقنية الزجاج السائل: قم بتغطية المشهد خلفها بطبقة شفافة، ثم قم بثني هذا المشهد على طول الحافة كما لو كان زجاجًا سميكًا، ثم أضف لمعة علوية، وحافة لامعة، وظلًا خفيفًا. يختفي الزجاج على خلفية بيضاء سادة، لذا أضف هالة باستيل هادئة بألوان علامتي التجارية أو طبقة ضبابية للصورة الموجودة خلفها.
أبرزت إحدى الكلمات أنواع الكلمات بتدرج ألوان علامتي التجارية، مع توهج خافت خلفها.
قواعد الحركة: حافظ على حركة الكاميرا بانسيابية (انتقل من 1.0 إلى 1.04 لكل مشهد؛ عند الانتقال إلى المشهد التالي، ابدأ من مستوى التكبير/التصغير الذي انتهى عنده المشهد السابق). لا يظهر أي شيء فورًا: استخدم تلاشيًا تدريجيًا لمدة 0.3 ثانية على الأقل. غيّر الصور على النوتات السادسة عشرة، مع نقرة لكل تغيير. اجعل تغييرات المشهد تبدأ مع بداية الجملة الموسيقية، وقم بمحاذاة بداية الموسيقى مع سطر الفعل. لا تُظهر النقاط على الشاشة.
الممنوع: تمييز مربعات الاختيار، والضربات السريعة المتقطعة، والومضات البيضاء، والتقنية ثلاثية الأبعاد، والقوالب.

سبعة مشاهد، متزامنة مع الصوت:

1. "هذا هو [الاسم]": مجموعة من صوري تظهر مع كتابة الاسم بحجم كبير، ثم تفسح المجال لسطر الفئة.
2. "صُنع من أجل [القيمة]": ومضات ملء الشاشة لأفضل صوري تتحول إلى نغمات 16 في المقطع، مع كتابة السطر باللون الأبيض فوقها.
3. لحظة الإسقاط: شريط زجاجي يُظهر رسالة قصيرة. تتغير بطاقة النتيجة كل 16 نغمة، بينما تتدحرج شريحة سوداء اللون إلى كل اسم جديد فوق شريط الصور المصغرة.
4. "أرها لوحة مزاجية": 9 صور تطير إلى شبكة 3x3، ثم قم بتحديد النتيجة بدائرة بينما يكتب "إنها تجذبك" على الشاشة.
5. "كلما استخدمته أكثر، كلما أصبح أفضل": اكتب سطرين، مع وضع الكلمة المميزة في التدرج اللوني.
٦. الإعدادات: اعرض لوحة زجاجية بثلاثة منزلقات، يتحرك كل منها عند تسميتها. غيّر لون الصورة، وأضف بذورًا جديدة على أجزاء من ستة عشر، ثم حوّلها إلى ملصق. انقل طبقة ضبابية من ألوانها خلف الزجاج بالتزامن مع ذلك.
7. "كل [مخرج]، تمامًا كما تراه": قم بإخراج 120 صورة من صوري من المركز خلف لوحة زجاجية لعرض التعليقات، ثم اجمعها معًا لتشكيل شعاري أثناء كتابة الاسم. ضع عبارة "متوفر الآن" أسفلها واضغط لمدة ثانيتين.

استبدل شريط التوجيه والنتائج والمؤشرات المنزلقة بمدخلات ومخرجات وإعدادات منتجي الحقيقية.

اضبط الأغنية بحيث يقع المقطع الموسيقي على سطر [الفعل]، وثبّت شبكة الإيقاع هناك.
قم بخفض مستوى صوت الموسيقى أسفل مستوى الصوت باستخدام سلسلة جانبية ثلاثية النطاقات (الترددات المنخفضة 30%، الترددات المتوسطة 85%، ترددات الهواء 55%؛ مدة التثبيت 0.3 ثانية، مدة التنبؤ 50 مللي ثانية، مدة التحرير 0.5 ثانية). ثم اضبط الترددات المتوسطة لكل عبارة حتى يصبح مستوى صوت الموسيقى أعلى من مستوى الموسيقى بحوالي 9 ديسيبل بين 300 هرتز و4 كيلوهرتز.
استخدم مؤثرًا صوتيًا واحدًا من Mixkit لكل حدث، مع تحديد موضعه بناءً على ذروته المقاسة: نقرة لكل تغيير صورة، صوت مفتاح لكل حرف مكتوب، هبوط سلس على الكلمة المُشددة، أصوات أزيز، وتأثيرات على نهاية المقطع والشعار. قص كل مؤثر حول ذروته (معظم المؤثرات التصاعدية تستغرق 4 ثوانٍ). خفّض مستوى صوت الموسيقى تدريجيًا على طول منحنى ديسيبل أسفل شاشة النهاية. اضبط مستوى الصوت الطبيعي على -14 LUFS.

1. لوحة HTML واحدة. كل إطار هو دالة خالصة للوقت داخل seek(t)، وكل تعليق وقص يتبع جدول الكلمات.
2. الزجاج: التقط اللوحة القماشية خلف الشكل، وقم بتشويشها بمقدار 14 بكسل للجسم، وارسم نسخة مشوشة قليلاً مكبرة بمقدار 1.06 مرة في شريط 12 بكسل على طول الحافة، ثم أضف الحليب واللمعان والحافة والظل.
3. قم بالمعالجة باستخدام Playwright بمعدل 60 إطارًا في الثانية باستخدام 8 إطارات فرعية لتأثير ضبابية الحركة، ثم قم بالترميز باستخدام ffmpeg.
4. قبل أن تريني أي شيء، قم بعمل ورقة اتصال للصور الثابتة، وافحص اختلافات الإطارات بحثًا عن قفزات الإطارات الفردية (قد تقفز فقط مقاطع النوتة السادسة عشرة)، وتحقق من نسبة الصوت إلى الموسيقى لكل عبارة.

قد تبدو العبارة الافتتاحية [الدافئة] هامسة، بينما قد تبدو العبارة [المتحمسة] مصطنعة. يبدو مربع التمييز خلف الكلمة كأنه تحديد نص في نظام ويندوز. إذا عادت الكاميرا إلى 1.0 أثناء عملية التسليم، فإن التكبير/التصغير يحدث فجأة. يبدو التلاشي لمدة 0.05 ثانية كأنه ظهور مفاجئ.

اطلب مني المدخلات، واكتب النص، وأرسل لي 4 تسجيلات صوتية للاختيار من بينها، ثم أرني 8 صور ثابتة قبل العرض النهائي.

Ask me for: my product name, a one-line pitch, my logo, 3 to 6 screenshots of the product, 40+ images of what it creates (or photos of it), my brand colors and font, an ElevenLabs API key and voice ID, plus a royalty-free track with a clear drop (the audio file and the drop timestamp). If I skip anything, use these defaults: "Ora 2", "an image model made for taste", free images from Unsplash and Pixabay, Geist, ink #111214, the voice Samara X (19STyYD15bswVz51nqLf) on eleven_v4, and Pixabay "Cascade Breathe" (129.83 BPM, drop at 75.39s).

<script>
Write a 9-line voiceover in this format and adapt every line to my product:
"This is [name]. A [category]... built for [value]. [Verb] in ANY style. Give it a [input] - and it just... understands. The more you use it, the BETTER it gets. Adjust its [setting]. Its [setting]. Its [setting]. Every [output] - exactly as you pictured it. [Name]. Out now."
Use emotion tags sparingly: [softly] on the quiet lines and [excited] on the [Verb] line. Don't tag the opener, and end it with a plain full stop.
</script>

Call the ElevenLabs API directly using my key, without an MCP. Generate 4 full-script takes in one pass and let me choose. If a line doesn't sound right, regenerate just that line 4 times and splice the best version into my take.
Shorten pauses longer than 0.28s to 0.2s, then bring each phrase 85% of the way toward the median level, adjusting gain only during pauses.
For word timings, split the read at pauses of 100ms or longer, transcribe each segment separately with Whisper, and align its first word to the measured onset. A single Whisper pass can place words up to half a second late.

A 22-second square launch film, 1440x1440 at 60fps, in the style of an AI lab launch: white canvas, one typeface, black ink, real images, and captions typed word by word at the exact time they're spoken.
Every control (prompt bar, settings panel, caption pill) uses liquid glass: frost the scene behind it, bend that scene along the edge like thick glass, then add a top sheen, bright rim and soft lift shadow. Glass disappears on plain white, so add a slow pastel aura in my brand colors or a blurred wash of the photo behind it.
The one emphasized word types in a gradient of my brand colors, with a faint glow behind it.
Motion rules: keep the camera drifting (push from 1.0 to 1.04 per scene; when content moves to the next scene, start at the zoom where the previous scene ended). Nothing appears instantly: use eased fades of at least 0.3s. Change images on 16th notes, with a click for each. Land scene changes on phrase starts, and align the music drop with the [Verb] line. Don't show full stops on screen.
Banned: selection-box highlights, beat-snapped slams, white flashes, 3D, templates.

Seven scenes, timed to the voice:

1. "This is [name]": a collage of my images drifts out as the name types in large, then gives way to the category line.
2. "made for [value]": full-screen flashes of my best images switch on 16th notes into the drop, with the line typed in white over them.
3. The drop: a glass prompt bar types a short prompt. The result card changes style every 16th note, while a black style chip rolls to each new name above a thumbnail strip.
4. "Show it a moodboard": 9 images fly into a 3x3 grid, then circle the result as "It gets you" types on screen.
5. "The more you use it, the better it gets": type two lines, with the emphasized word in the gradient.
6. The settings: show a glass panel with 3 sliders, each moving as she names it. Shift the image's hue, roll new seeds on 16ths, then turn it into a poster. Shift a blurred wash of its colors behind the glass in sync.
7. "Every [output], exactly how you see it": burst 120 of my images outward from the center behind a glass caption pill, then bring them together into my logo as the name types on. Put "Out now" underneath and hold for 2s.

Replace the prompt bar, results and sliders with my product's real input, outputs and settings.

Set the song so the drop lands on the [Verb] line, and anchor the beat grid there.
Duck the music under the voice with a 3-band sidechain (lows 30%, mids 85%, air 55%; 0.3s hold, 50ms look-ahead, 0.5s release). Then adjust the mids of each phrase until the voice sits about 9 dB above the music between 300 Hz and 4 kHz.
Use one downloaded Mixkit SFX per event, positioned by its measured peak: a click for each image change, a key sound for every typed letter, a soft landing on the emphasized word, whooshes, and impacts on the drop and logo. Trim each around its peak (many risers are 4 seconds). Fade the music along a dB curve under the end card. Loudnorm to -14 LUFS.

1. One HTML canvas. Every frame is a pure function of time inside seek(t), and every caption and cut follows the word table.
2. Glass: capture the canvas behind the shape, blur it about 14px for the body, draw a lightly blurred copy magnified about 1.06x in a 12px band along the edge, then add the milk, sheen, rim and shadow.
3. Render with Playwright at 60fps using 8 motion-blur subframes, then encode with ffmpeg.
4. Before showing me anything, make a contact sheet of stills, scan frame differences for single-frame pops (only the 16th-note runs may jump), and check the voice-to-music ratio for every phrase.

A [warmly] opener can sound whispered, while [excited] can feel fake. A highlight box behind a word looks like a Windows text selection. If the camera resets to 1.0 during a handoff, the zoom snaps. A 0.05s fade looks like an instant pop-in.

Ask me for the inputs, write the script, send me 4 voice takes to choose from, then show me 8 stills before the full render.

تم اقتباس هذا النص من بريد @rossaxbt.