Seadistamine: Ora 2 pildimudeli esitlusfilm

Küsi minult: minu toote nime, üherealist esitlust, minu logo, 3–6 toote ekraanipilti, üle 40 pildi sellest, mida see loob (või fotosid sellest), minu brändi värve ja fonti, ElevenLabsi API-võtit ja hääle ID-d ning tasuta rada selge heliribaga (helifail ja heliriba ajatempliga). Kui ma midagi vahele jätan, kasutage järgmisi vaikesätteid: "Ora 2", "maitse järgi loodud pildimudel", tasuta pildid Unsplashist ja Pixabayst, Geist, tint #111214, hääl Samara X (19STyYD15bswVz51nqLf) eleven_v4-l ja Pixabay "Cascade Breathe" (129,83 BPM, heliriba 75,39 sekundi juures).

<script>
Kirjutage 9-realine hääleülekanne selles vormingus ja kohandage iga rida minu tootega:
"See on [nimi]. [kategooria]... loodud [väärtus]. [Verb] jaoks MIS TAHES stiilis. Anna sellele [sisend] - ja see lihtsalt... saab aru. Mida rohkem sa seda kasutad, seda PAREMAKS see muutub. Muuda selle [sätet]. Selle [sätet]. Selle [sätet]. Iga [väljundit] - täpselt nii, nagu sa seda ette kujutasid. [Nimi]. Nüüd saadaval."
Kasuta emotsioonimärke säästlikult: [pehmelt] vaiksetel ridadel ja [erutunult] [verb] real. Ära märgista avajat ja lõpeta see lihtsa punktiga.
</script>

Kutsu ElevenLabs API otse minu võtme abil, ilma MCP. Genereeri ühe korraga 4 täisskripti arvutuskäiku ja lase mul valida. Kui mõni rida ei kõla õigesti, genereeri see rida 4 korda uuesti ja liida parim versioon minu arvutuskäiku.
Lühenda pause, mis on pikemad kui 0,28 sekundit, 0,2 sekundini ja seejärel nihuta iga fraasi 85% ulatuses mediaantaseme poole, reguleerides võimendust ainult pauside ajal.
Sõnade ajastuse määramiseks jagage lugemine pausidega vähemalt 100 ms, transkribeerige iga segment eraldi Whisperiga ja joondage selle esimene sõna mõõdetud algusega. Üks Whisperi läbimine võib sõnu kuni pool sekundit hiljem lugeda.

22-sekundiline ruudukujuline esitlusfilm, resolutsiooniga 1440x1440, kiirusega 60 kaadrit sekundis, tehisintellekti labori esitlusstiilis: valge lõuend, üks kirjatüüp, must tint, päris pildid ja pealdised, mis on trükitud sõna-sõnalt täpselt sel hetkel, kui need ette loetakse.
Iga juhtelement (vihjete riba, sätete paneel, pealdisepilt) kasutab vedelklaasi: härmasta selle taga olevat stseeni, painuta seda serva mööda nagu paksu klaasi, seejärel lisa pealmine läige, hele ääris ja pehme varjutus. Klaas kaob tavalisel valgel pinnal ära, seega lisa minu brändivärvides aeglane pastelne aura või selle taga oleva foto ähmane värvilaik.
See, millel rõhutati sõnatüüpe minu brändi värvide gradiendis, oli taga nõrk kuma.
Liikumisreeglid: hoia kaamerat triivimas (lükka kiirust 1,0-lt 1,04-le stseeni kohta; kui sisu liigub järgmisse stseeni, alusta suumiga sealt, kus eelmine stseen lõppes). Miski ei ilmu koheselt: kasuta vähemalt 0,3 sekundilisi sujuvaid üleminekuid. Vaheta pilte kuueteistkümnendiknootidel, iga noodi puhul klõpsuga. Maanda stseenivahetused fraasi alguses ja joonda muusika langus [verbi] reaga. Ära näita ekraanil punkte.
Keelatud: valikukasti esiletõstmised, rütmihäired, valged välgatused, 3D, mallid.

Seitse stseeni, hääle järgi ajastatud:

1. „See on [nimi]”: minu piltide kollaaž triivib välja, kui nimi suurte tähtedega trükib, seejärel annab teed kategooriareale.
2. „made for [value]”: täisekraanil välgatavad minu parimad pildid lülituvad kuueteistkümnendiknootidele ja nende kohal on valge joon.
3. Tilk: klaasist viibariba tipib lühikese teate. Tulemuskaardi stiil muutub iga 16. noodi järel, samal ajal kui must žetoon veereb iga uue nime juurde pisipildiriba kohal.
4. „Näita sellele meeleolutahvlit”: 9 pilti lendab 3x3 ruudustikku ja seejärel ringita tulemus ringi, kui ekraanile ilmub tekst „See sind köidab”.
5. „Mida rohkem sa seda kasutad, seda paremaks see muutub”: kirjuta kaks rida, rõhutatud sõna gradienti sisse.
6. Seadistused: näita klaasist paneeli kolme liuguriga, millest igaüks liigub vastavalt tema nimele. Muuda pildi tooni, veereta uued seemned 16-osalistele ja seejärel muuda see plakatiks. Nihuta selle värvide ähmane kiht sünkroonis klaasi taha.
7. „Iga [väljund] täpselt nii, nagu sa seda näed”: lasen 120 pilti keskelt väljapoole klaasist pealkirjapilli taha ja seejärel ühendan need nime ilmumise ajal minu logoks. Kirjutan alla „Kohe välja” ja hoian 2 sekundit all.

Asenda viibariba, tulemused ja liugurid minu toote tegelike sisendite, väljundite ja sätetega.

Seadista laul nii, et tilk langeks [Verb] reale ja ankurda löögiruudustik sinna.
Vähenda muusika taset hääle all 3-ribalise külgahelaga (madalad sagedused 30%, keskmised sagedused 85%, õhk 55%; 0,3 s hoidmisaeg, 50 ms ettevaatusaeg, 0,5 s vabastusaeg). Seejärel reguleeri iga fraasi keskmisi sagedusi, kuni hääl on umbes 9 dB muusikast kõrgemal sagedusvahemikus 300 Hz kuni 4 kHz.
Kasuta iga sündmuse kohta ühte allalaaditud Mixkiti heliefekti, mis on positsioneeritud selle mõõdetud tipu järgi: klõps iga pildi muutuse korral, klahviheli iga trükitud tähe korral, pehme maandumine rõhutatud sõnal, viuhinad ja löögid langusel ja logol. Kärpi igaüht oma tipu ümber (paljud tõusjad on 4 sekundit). Sujuvusta muusikat mööda dB-kõverat lõpukaardi all. Loudnorm kuni -14 LUFS.

1. Üks HTML lõuend. Iga kaader on puhas ajafunktsioon seek(t) sees ning iga pealdis ja lõige järgnevad sõnatabelile.
2. Klaas: jäädvusta kuju taga olev lõuend, hägusta seda umbes 14 piksli võrra keha jaoks, joonista serva äärde 12 pikslise ribana kergelt hägustatud koopia, mida on suurendatud umbes 1,06 korda, seejärel lisa piim, läige, ääris ja vari.
3. Renderda Playwright kiirusel 60 kaadrit sekundis, kasutades 8 liikumise hägususe alamkaadrit, seejärel kodeeri ffmpeg.
4. Enne kui mulle midagi näitad, tee fotodest kontaktpilt, skanni kaadrite erinevusi üksikute kaadrite hüppamiste suhtes (hüppata võivad ainult 16. noodi jooksud) ja kontrolli iga fraasi hääle ja muusika suhet.

[Soojalt] algav sõna võib kõlada sosinal, samas kui [erutunult] võib tunduda võlts. Sõna taga olev esiletõstetud kast näeb välja nagu Windowsi tekstivalik. Kui kaamera üleandmise ajal lähtestab särituse 1.0, siis suum rakendub klõpsuga. 0,05 sekundiline sujuv kaja näeb välja nagu hetkeline ilmumine ekraanile.

Küsi minult sisendit, kirjuta stsenaarium, saada mulle valida 4 hääleülekannet ja seejärel näita mulle enne täielikku renderdamist 8 kaadrit.

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.

Vihje võetud saidilt postitus @rossaxbt.