Pel·lícula de llançament del model d'imatges Ora 2

Demana'm: el nom del meu producte, una presentació d'una línia, el meu logotip, de 3 a 6 captures de pantalla del producte, més de 40 imatges del que crea (o fotos), els colors i la font de la meva marca, una clau API i un identificador de veu d'ElevenLabs, a més d'una pista lliure de drets d'autor amb una sortida clara (el fitxer d'àudio i la marca de temps de la sortida). Si em salto alguna cosa, utilitza aquests valors per defecte: "Ora 2", "un model d'imatge fet per al gust", imatges gratuïtes d'Unsplash i Pixabay, Geist, tinta #111214, la veu Samara X (19STyYD15bswVz51nqLf) a eleven_v4 i Pixabay "Cascade Breathe" (129.83 BPM, sortida a 75.39s).

<script>
Escriu una veu en off de 9 línies en aquest format i adapta cada línia al meu producte:
"Això és [nom]. Una [categoria]... creada per a [valor]. [Verb] en QUALSEVOL estil. Dóna-li una [entrada] i simplement... ho entén. Com més l'utilitzis, MILLOR es torna. Ajusta la seva [configuració]. La seva [configuració]. La seva [configuració]. Cada [sortida], exactament com te l'havies imaginat. [Nom]. Ja disponible."
Feu servir les etiquetes d'emoció amb moderació: [suaument] a les línies tranquil·les i [excitat] a la línia [verb]. No etiqueteu la frase inicial i acabeu-la amb un punt final.
</script>

Crida l'API d'ElevenLabs directament utilitzant la meva clau, sense un MCP. Genera 4 preses de guió complet en una sola passada i deixa'm triar. Si una línia no sona bé, regenera només aquesta línia 4 vegades i empalma la millor versió a la meva presa.
Escurceu les pauses de més de 0,28 s a 0,2 s i, a continuació, porteu cada frase un 85% cap al nivell mitjà, ajustant el guany només durant les pauses.
Per a les temporitzacions de paraules, dividiu la lectura en pauses de 100 ms o més, transcriu cada segment per separat amb Whisper i alinea la seva primera paraula amb l'inici mesurat. Una sola passada de Whisper pot col·locar les paraules fins a mig segon de retard.

Una pel·lícula de llançament quadrada de 22 segons, 1440x1440 a 60 fps, a l'estil d'un llançament d'un laboratori d'IA: llenç blanc, una tipografia, tinta negra, imatges reals i subtítols escrits paraula per paraula en el moment exacte en què es diuen.
Tots els controls (barra de comandaments, panell de configuració, píndola de subtítols) utilitzen vidre líquid: glaceu l'escena que hi ha al darrere, doblegueu aquesta escena al llarg de la vora com si fos un vidre gruixut i, a continuació, afegiu-hi una brillantor superior, una vora brillant i una ombra suau. El vidre desapareix sobre el blanc llis, així que afegiu-hi una aura pastel lenta amb els colors de la meva marca o un rentat borrós de la foto que hi ha al darrere.
L'un amb tipus de paraules emfatitzades en un degradat dels colors de la meva marca, amb una brillantor tènue al darrere.
Regles de moviment: mantingueu la càmera a la deriva (impulseu d'1.0 a 1.04 per escena; quan el contingut es mogui a l'escena següent, comenceu al zoom on va acabar l'escena anterior). No apareix res instantàniament: utilitzeu esvaïments suaus d'almenys 0.3s. Canvieu les imatges a les sevences, amb un clic per a cadascuna. Feu aterrar els canvis d'escena a l'inici de la frase i alineeu la caiguda de la música amb la línia [Verb]. No mostreu punts a la pantalla.
Prohibits: ressaltats de quadre de selecció, slams amb ritme, flaixos blancs, 3D, plantilles.

Set escenes, sincronizades amb la veu:

1. "Aquest és [nom]": un collage de les meves imatges apareix a mesura que el nom s'escriu en gran i després dóna pas a la línia de categoria.
2. "fet per [valor]": flaixos a pantalla completa de les meves millors imatges activen semicorxeres a la llista de desplegables, amb la línia escrita en blanc a sobre.
3. La caiguda: una barra de vidre que indica un indicador curt escriu. La targeta de resultats canvia d'estil cada setzena nota, mentre que una xifra d'estil negra apareix fins a cada nom nou a sobre d'una tira de miniatures.
4. "Mostra-li un moodboard": 9 imatges volen en una quadrícula de 3x3 i, a continuació, encercla el resultat a mesura que escriu "T'enganxa" a la pantalla.
5. «Com més ho fas servir, millor es torna»: escriu dues línies, amb la paraula emfatitzada en el degradat.
6. La configuració: mostra un panell de vidre amb 3 controls lliscants, cadascun dels quals es mou com ella anomena. Canvia el to de la imatge, fes rodar noves llavors a les setzenes i després converteix-la en un pòster. Desplaça un rentat borrós dels seus colors darrere del vidre de manera sincronitzada.
7. "Cada [sortida], exactament com la veieu": projecto 120 de les meves imatges cap a fora des del centre darrere d'una píndola de subtítol de vidre, i després les ajunto al meu logotip a mesura que el nom s'escriu. Poso "Ara disponible" a sota i manteniu premut durant 2 segons.

Substitueix la barra de missatges, els resultats i els controls lliscants per les entrades, sortides i configuracions reals del meu producte.

Configura la cançó de manera que la gota caigui a la línia [Verb] i ancora la graella de ritme allà.
Amaga la música per sota de la veu amb una cadena lateral de 3 bandes (greus 30%, mitjans 85%, aire 55%; 0,3 s de retenció, 50 ms d'anticipació, 0,5 s de relleu). A continuació, ajusta els mitjans de cada frase fins que la veu estigui uns 9 dB per sobre de la música entre 300 Hz i 4 kHz.
Feu servir un Mixkit SFX descarregat per esdeveniment, posicionat pel seu pic mesurat: un clic per a cada canvi d'imatge, un so de tecla per a cada lletra escrita, un aterratge suau a la paraula emfatitzada, xiulets i impactes a la baixada i al logotip. Retalleu cadascun al voltant del seu pic (molts trams verticals duren 4 segons). Foneu la música al llarg d'una corba de dB sota la targeta final. Loudnorm a -14 LUFS.

1. Un llenç HTML. Cada fotograma és una funció pura del temps dins de seek(t), i cada peu de foto i tall segueix la taula de paraules.
2. Vidre: captura el llenç darrere de la forma, desenfoca-lo uns 14 px per al cos, dibuixa una còpia lleugerament desenfocada ampliada aproximadament 1,06x en una banda de 12 px al llarg de la vora i, a continuació, afegeix la llet, la brillantor, la vora i l'ombra.
3. Renderitza amb Playwright a 60 fps utilitzant 8 subfotogrames de desenfocament de moviment i després codifica amb ffmpeg.
4. Abans d'ensenyar-me res, fes una làmina de contactes amb imatges fixes, busca diferències entre fotogrames per detectar salts en un sol fotograma (només poden saltar les sevences) i comprova la relació veu-música de cada frase.

Un inici [càlid] pot sonar xiuxiuejat, mentre que [excitat] pot semblar fals. Un quadre de ressaltat darrere d'una paraula sembla una selecció de text de Windows. Si la càmera es reinicia a 1.0 durant un traspàs, el zoom s'apaga. Un esvaïment de 0.05s sembla un pop-in instantani.

Demana'm les aportacions, escriu el guió, envia'm 4 preses de veu per triar i després mostra'm 8 imatges fixes abans del renderitzat complet.

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.

Indicació extreta de publicació @rossaxbt.