Ora 2 ôfbyldingsmodel lansearringsfilm
Oanfraach
Freegje my om: myn produktnamme, in ien-rigel pitch, myn logo, 3 oant 6 skermôfbyldings fan it produkt, 40+ ôfbyldings fan wat it makket (of foto's derfan), myn merkkleuren en lettertype, in ElevenLabs API-kaai en stim-ID, plus in royaltyfrije track mei in dúdlike drop (it audiobestân en de drop-tiidstempel). As ik wat oerslaan, brûk dan dizze standertynstellingen: "Ora 2", "in ôfbyldingsmodel makke foar smaak", fergese ôfbyldings fan Unsplash en Pixabay, Geist, ink #111214, de stim Samara X (19STyYD15bswVz51nqLf) op eleven_v4, en Pixabay "Cascade Breathe" (129.83 BPM, drop op 75.39s). <script> Skriuw in voice-over fan 9 rigels yn dit formaat en pas elke rigel oan myn produkt oan: "Dit is [namme]. In [kategory]... boud foar [wearde]. [Tiidwurd] yn ELKE styl. Jou it in [ynfier] - en it... begrypt it gewoan. Hoe mear jo it brûke, hoe BETTER it wurdt. Pas de [ynstelling] oan. Syn [ynstelling]. Syn [ynstelling]. Elke [útfier] - krekt sa't jo it foarsteld hawwe. [Namme]. No út." Brûk emoasje-tags sparjend: [sêft] op 'e rêstige rigels en [optein] op 'e [Tiidwurd]-rigel. Tag de iepener net, en einigje it mei in gewoane punt. </script> Rop de ElevenLabs API direkt oan mei myn kaai, sûnder in MCP. Generearje 4 folsleine skripttakes yn ien kear en lit my kieze. As in rigel net goed klinkt, generearje dan allinich dy rigel 4 kear en splits de bêste ferzje yn myn take. Koarte pauzes langer as 0.28s yn nei 0.2s, bring dan elke frase 85% fan 'e wei nei it mediaannivo, wêrby't de fersterking allinich tidens pauzes oanpast wurdt. Foar wurdtimings, ferdiel it lêzen yn pauzes fan 100ms of langer, transkribearje elk segmint apart mei Whisper, en rjochtsje it earste wurd ôf op it mjitten begjin. Ien Whisper-pass kin wurden oant in heale sekonde te let pleatse. In fjouwerkante lansearfilm fan 22 sekonden, 1440x1440 mei 60fps, yn 'e styl fan in lansearring fan in AI-laboratoarium: wyt doek, ien lettertype, swarte inket, echte ôfbyldings en ûnderskriften wurd foar wurd typt op it krekte momint dat se útsprutsen wurde. Elke kontrôle (promptbalke, ynstellingspaniel, ûnderskriftpil) brûkt floeiber glês: matearje de sêne derachter, bûg dy sêne lâns de râne lykas dik glês, en foegje dan in topglâns, heldere râne en sêfte liftskaad ta. Glês ferdwynt op gewoan wyt, dus foegje in stadige pastel aura ta yn myn merkkleuren of in wazige wask fan 'e foto derachter. De iene beklamme wurdtypen yn in gradiënt fan myn merkkleuren, mei in swakke gloed derachter. Bewegingsregels: hâld de kamera driuwend (druk fan 1.0 nei 1.04 per sêne; as ynhâld nei de folgjende sêne giet, begjin dan by de zoom dêr't de foarige sêne einige). Neat ferskynt direkt: brûk fersnelde fades fan teminsten 0.3s. Wikselje ôfbyldings op 16e noaten, mei in klik foar elk. Lân sênewikselingen by it begjin fan 'e frase, en rjochtsje de muzykdrop út mei de [Tiidwurd]-line. Lit gjin punten sjen op it skerm. Ferbean: seleksjefak-highlights, beat-snapped slams, wite flitsen, 3D, sjabloanen. Sân sênes, timed op 'e stim: 1. "Dit is [namme]": in kollaazje fan myn ôfbyldings ferskynt as de namme yn grut formaat typt wurdt, en makket dan plak foar de kategoryline. 2. "makke foar [wearde]": folslein-skerm flitsen fan myn bêste ôfbyldings skeakelje 16e noaten yn 'e drop, mei de line yn wyt deroerhinne typt. 3. De drip: in glêzen promptbalke typt in koarte prompt. De resultaatkaart feroaret fan styl elke 16e noat, wylst in swarte stylchip rôlet nei elke nije namme boppe in miniatuerstrip. 4. "Lit in moodboard sjen": 9 ôfbyldings fleane yn in 3x3 raster, en sirkelje dan it resultaat wylst "It krijt dy" op it skerm typt. 5. "Hoe mear jo it brûke, hoe better it wurdt": typ twa rigels, mei it beklamme wurd yn it kleurferrin. 6. De ynstellings: lit in glêzen paniel sjen mei 3 sliders, elk beweecht as se it neamt. Feroarje de kleur fan 'e ôfbylding, rôlje nije siedden op 16e, en meitsje der dan in poster fan. Feroarje in wazige wask fan syn kleuren efter it glês yn syngronisaasje. 7. "Elke [útfier], krekt sa't jo it sjogge": set 120 fan myn ôfbyldings út it sintrum nei bûten efter in glêzen ûnderskriftpil, en bring se dan byinoar yn myn logo as de namme derop typt. Set "No út" derûnder en hâld 2 sekonden fêst. Ferfang de promptbalke, resultaten en sliders mei de echte ynfier, útfier en ynstellings fan myn produkt. Set it ferske sadat de drip op 'e [Tiidwurd]-line lânt, en anker it beatraster dêr. Dûk de muzyk ûnder de stim mei in 3-bands sidechain (leech 30%, midden 85%, lucht 55%; 0.3s hold, 50ms look-forward, 0.5s release). Pas dan de middentonen fan elke frase oan oant de stim sawat 9 dB boppe de muzyk sit tusken 300 Hz en 4 kHz. Brûk ien downloade Mixkit SFX per barren, posysjonearre troch syn mjitten pyk: in klik foar elke ôfbyldingswikseling, in kaaizûd foar elke typte letter, in sêfte lâning op it beklamme wurd, whoosh's, en ynfloeden op 'e drop en it logo. Trim elk om syn pyk hinne (in protte risers binne 4 sekonden). Fade de muzyk lâns in dB-kromme ûnder de einkaart. Loudnorm nei -14 LUFS. 1. Ien HTML doek. Elk frame is in suvere funksje fan tiid binnen seek(t), en elke ûnderskrift en knip folget de wurdtabel. 2. Glês: fange it doek efter de foarm, wazigje it sawat 14px foar it lichem, tekenje in licht wazige kopy fergrutte sawat 1.06x yn in 12px bân lâns de râne, foegje dan de molke, glâns, râne en skaad ta. 3. Renderje mei Playwright op 60fps mei 8 subframes foar bewegingswazigens, en kodearje dan mei ffmpeg. 4. Foardat jo my wat sjen litte, meitsje in kontaktblêd fan stills, scan frameferskillen foar pops yn ien frame (allinich de 16e-noat runs meie springe), en kontrolearje de stim-nei-muzykferhâlding foar elke frase. In [waarm] iepener kin flústere klinke, wylst [optein] nep oanfiele kin. In markearringsfak efter in wurd liket op in Windows-tekstseleksje. As de kamera weromset wurdt nei 1.0 tidens in oerdracht, snapt de zoom. In fade fan 0.05 sekonden liket op in direkte pop-in. Freegje my om de ynput, skriuw it skript, stjoer my 4 stimopnames om út te kiezen, en lit my dan 8 stills sjen foar de folsleine render.
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.
Oanfraach nommen fan peal @rossaxbt.
- Model
- Opus 5.5
- Steapelje
- HTML canvas + Playwright + ffmpeg
- Publisearre
Meitsje in fideo lykas dit
Meitsje sels fideo's lykas dizze - 7 kear goedkeaper as de API - mei ús Google Chrome útwreiding.. Wurket mei Claude fia MCP: jo beskriuwe de taak, en de útwreiding behannelet it generaasjeproses fan 'e prompt oant it foltôge bestân. It genereart fideo's, set se gear, sprekt se út en oerset se.
Automation — MCP для Google Flow, Google Vids и Claude
TikTok Symphony Creative Studio MCP Claude Code
SeedFlow — Seedance 2.5 в Dreamina, Qwen-Audio-3.1-TTS и Claude MCP