Настройка: Фільм пра прэзентацыю мадэлі Ora 2 Image

Спытайце мяне пра: назву майго прадукту, аднарадковую прэзентацыю, мой лагатып, ад 3 да 6 скрыншотаў прадукту, больш за 40 малюнкаў таго, што ён стварае (ці фотаздымкаў), колеры і шрыфт майго брэнда, ключ API ElevenLabs і ідэнтыфікатар голасу, а таксама бясплатную дарожку з выразным падзеннем тэмпаў (аўдыёфайл і часовая метка падзення). Калі я што-небудзь прапускаю, выкарыстоўвайце наступныя значэнні па змаўчанні: «Ora 2», «мадэль выявы, створаная для густу», бясплатныя выявы з Unsplash і Pixabay, Geist, ink #111214, голас Samara X (19STyYD15bswVz51nqLf) на eleven_v4 і Pixabay «Cascade Breathe» (129.83 BPM, падзенне на 75.39 с).

<script>
Напішыце закадравы тэкст з 9 радкоў у такім фармаце і адаптуйце кожны радок да майго прадукту:
Гэта [імя]. [катэгорыя]... створаная для [значэнне]. [Дзеяслоў] у ЛЮБЫМ стылі. Дайце яму [уваход] - і ён проста... зразумее. Чым больш вы ім карыстаецеся, тым ЛЕПШ ён становіцца. Адкарэктуйце яго [наладу]. Яго [наладу]. Яго [наладу]. Кожны [выхад] - менавіта так, як вы яго ўяўлялі. [Імя]. Ужо выйшаў.
Выкарыстоўвайце эмацыйныя тэгі ўмерана: [ціха] у ціхіх радках і [узбуджана] у радку [дзеяслоў]. Не дадавайце эмацыйныя тэгі ў пачатковую частку і заканчвайце яе простай кропкай.
</script>

Выклікаць API ElevenLabs непасрэдна, выкарыстоўваючы мой ключ, без MCP. Згенераваць 4 поўныя дублі сцэнарыя за адзін праход і дазволіць мне выбраць. Калі радок гучыць няправільна, перагенераваць толькі гэты радок 4 разы і ўставіць найлепшую версію ў мой дубль.
Скараціце паўзы даўжэйшыя за 0,28 с да 0,2 с, затым падоўжыце кожную фразу на 85% ад сярэдняга ўзроўню, рэгулюючы ўзмацненне толькі падчас паўз.
Для вымярэння часу чытання слоў падзяляйце чытанне на паўзы 100 мс або больш, транскрыбуйце кожны сегмент асобна з дапамогай Whisper і выраўноўвайце яго першае слова з вымераным пачаткам. Адзін праход Whisper можа размясціць словы на паўсекунды пазней.

22-секундны квадратны фільм пра запуск, 1440x1440 пры 60 кадрах у секунду, у стылі запуску лабараторыі штучнага інтэлекту: белае палатно, адзін шрыфт, чорныя чарніла, рэальныя выявы і подпісы, набраныя слова за словам у той самы момант, калі яны прамаўляюцца.
Кожны элемент кіравання (панэль падказак, панэль налад, таблетка подпісаў) выкарыстоўвае вадкае шкло: замарозьце сцэну за ім, згініце яе па краях, як тоўстае шкло, а затым дадайце верхні бляск, яркі край і мяккі цень. Шкло знікае на звычайным белым фоне, таму дадайце павольную пастэльную аўру ў маіх фірмовых колерах або размыты размыты бляск фатаграфіі за ім.
Адзін падкрэсліваў тыпы слоў градыентам колераў майго брэнда з слабым ззяннем на фоне.
Правілы руху: камера павінна дрэйфаваць (націскайце ад 1,0 да 1,04 на сцэну; калі кантэнт пераходзіць да наступнай сцэны, пачніце з таго месца, дзе скончылася папярэдняя сцэна). Нічога не з'яўляецца імгненна: выкарыстоўвайце паступовыя згасанні працягласцю не менш за 0,3 секунды. Змяняйце выявы на 16-х нотах, пстрыкнуўшы мышшу для кожнай. Змены сцэн на пачатку фразы і выраўноўвайце падзенне нот з лініяй [Дзеяслоў]. Не паказвайце кропкі на экране.
Забаронена: падсветка ў поле выбару, слэмы, зробленыя з дапамогай рытм-снапаў, белыя ўспышкі, 3D, шаблоны.

Сем сцэн, прымеркаваных да агучвання:

1. «Гэта [імя]»: калаж з маіх малюнкаў з’яўляецца на першы погляд, імя друкуецца буйнымі літарамі, а потым саступае месца радку катэгорыі.
2. «зроблена для [value]»: поўнаэкранныя ўспышкі маіх найлепшых здымкаў пераключаюцца на 16-я ноты ўніз, а лінія набіраецца белым колерам над імі.
3. Паданне: шкляная панэль падказак друкуе кароткую падказку. Картка з вынікам змяняе стыль кожную 16-ю ноту, а чорны фішка стылю коціцца да кожнай новай назвы над паласой мініяцюр.
4. «Пакажыце дошку настрою»: 9 малюнкаў злятаюць у сетку 3x3, а затым абвядзіце вынік, пакуль на экране не напішацца «Гэта цябе зачароўвае».
5. «Чым больш вы гэтым карыстаецеся, тым лепш яно становіцца»: напішыце два радкі, зрабіўшы выдзеленае слова ў градыенце.
6. Налады: пакажыце шкляную панэль з трыма паўзункамі, кожны з якіх рухаецца па назве. Змяніце адценне выявы, дадайце новыя зерні на 16-х, а затым ператварыце яе ў плакат. Сінхранізавана зрушце размыты след колераў за шкло.
7. «Кожны [вывад] менавіта так, як вы яго бачыце»: размясціце 120 маіх малюнкаў ад цэнтра за шкляной таблеткай з подпісам, а затым аб'яднайце іх у мой лагатып, пакуль набіраецца імя. Напішыце пад ім «Выход зараз» і ўтрымлівайце 2 секунды.

Замяніць панэль падказак, вынікі і паўзункі рэальнымі ўваходнымі, выхаднымі дадзенымі і наладамі майго прадукту.

Размясціце песню так, каб кропля прызямлілася на радку [Verb], і замацуйце там сетку рытмаў.
Прыглушыце музыку пад голас з дапамогай трохпалоснага сайдчэйна (нізкія частоты 30%, сярэднія 85%, паветра 55%; 0,3 с утрыманне, 50 мс прагноз, 0,5 с рэліз). Затым адрэгулюйце сярэднія частоты кожнай фразы, пакуль голас не будзе знаходзіцца прыкладна на 9 дБ вышэй за музыку ў дыяпазоне ад 300 Гц да 4 кГц.
Выкарыстоўвайце адзін загружаны эфект Mixkit SFX на падзею, пазіцыянаваны па вымераным піку: пстрычка для кожнай змены выявы, гук клавішы для кожнай набранай літары, мяккая пасадка на выдзеленае слова, свіст і ўдары па падзенні і лагатыпу. Абрэжце кожны вакол яго піку (шматлікія ўздымы доўжацца 4 секунды). Змяняйце гучнасць уздоўж крывой дБ пад канчатковай картай. Loudnorm да -14 LUFS.

1. Адно HTML палатно. Кожны кадр з'яўляецца чыстай функцыяй часу ўнутры seek(t), а кожны подпіс і выразанне ідуць пасля табліцы слоў.
2. Шкло: зрабіце здымку палатна за фігурай, размыйце яго прыкладна на 14 пікселяў для цела, намалюйце злёгку размытую копію, павялічаную прыкладна ў 1,06 раза, паласой 12 пікселяў уздоўж краю, затым дадайце малако, бляск, аблямоўку і цень.
3. Рэндэруйце з дапамогай Playwright з частатой 60 кадраў у секунду, выкарыстоўваючы 8 падкадраў з размыццём у руху, а затым закадуйце з дапамогай ffmpeg.
4. Перш чым паказваць мне што-небудзь, зрабіце кантактны ліст стоп-кадраў, праскануйце адрозненні ў кадрах на наяўнасць асобных выбухаў (толькі 16-я нота можа вылучацца) і праверце суадносіны голасу і музыкі для кожнай фразы.

Цёплае пачатак можа гучаць як шэпт, а ўзбуджанае — як фальшыва. Рамка падсветкі за словам выглядае як вылучэнне тэксту ў Windows. Калі падчас перадачы дадзеных камера скідаецца да 1.0, маштаб рэзка змяняецца. Змяненне на 0.05 секунды выглядае як імгненнае з'яўленне аб'екта.

Папрасіце мяне прадаставіць інфармацыю, напішыце сцэнар, дашліце мне 4 агучванне на выбар, а потым пакажыце 8 стоп-кадраў перад поўным рэндэрынгам.

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.

Прампт узяты з паста @rossaxbt.