સેટઅપ: ખોરાકની લાલસાની લોન્ચ ફિલ્મ

મને પૂછો: મારી પ્રોડક્ટ, વપરાશકર્તા તેમાં લખેલી ચોક્કસ વિનંતી, પરિણામ કાર્ડ માટે 6 થી 8 ફોટા, સ્પષ્ટ ડ્રોપ સાથે 130 BPM ની આસપાસ રોયલ્ટી-મુક્ત ગીત (મિક્સકિટ, વ્યાપારી ઉપયોગ માટે મફત), અને અંતિમ કાર્ડ માટે મારો બ્રાન્ડ માર્ક. જો હું કંઈપણ છોડી દઉં, તો ડિફોલ્ટનો ઉપયોગ કરો: નીચે આપેલ ફૂડ-ઓર્ડરિંગ સ્ટોરી, પેક્સલ્સના ફૂડ ફોટા (ફાયર નૂડલ્સ, બિરિયા ટાકોઝ, હોટ ચિકન, બફેલો વિંગ્સ, સ્મેશ બર્ગર, સ્પાઇસી રામેન), અને મિક્સકિટ "કેટ વોક".

૧૫ સેકન્ડની પ્રોડક્ટ લોન્ચ ફિલ્મ, ૧૯૨૦x૧૦૮૦ ૬૦fps પર. ૨ડીમાં ફક્ત એક જ વાર, સતત એક વાર. કોઈ ઝાંખું, ઝાંખું કે કાપ નહીં: દરેક દ્રશ્ય છેલ્લા દ્રશ્યથી વધે છે. ટેક્સ્ટ માસ્ક લાઇનમાંથી ઉપર આવે છે, બટનો પૃષ્ઠોમાં વિસ્તરે છે, અને એક ઑબ્જેક્ટમાંથી બીજા ઑબ્જેક્ટમાં રંગ પૂર આવે છે. કેમેરાને દરેક દ્રશ્યમાં એક સરળ ચાલ આપો, અને ક્યારેય સળંગ ઝૂમ ઇન અને આઉટ કરશો નહીં.

દેખાવ: ગરમ સફેદ કેનવાસ (#f5f5f2), કાળો UI (#0e0e10), ચૂનો ઉચ્ચાર (#cdf24f), નારંગી (#ff6a2a), અને વાદળી મોકલો બટન (#2f6bff). ઇનપુટની આસપાસ એપલ ઇન્ટેલિજન્સ-શૈલીનો બહુરંગી ગ્લો ઉમેરો: ગુલાબી, નારંગી, ચૂનો, વાદળી અને વાયોલેટમાં ફરતો ઝાંખો કોનિક ગ્રેડિયન્ટ. શ્યામ કાર્ડ્સ પર વાસ્તવિક ફૂડ ફોટોગ્રાફી, UI માટે Geist અને અંતિમ કાર્ડ પર ઉત્પાદન નામ માટે સેરીફનો ઉપયોગ કરો.

પ્રતિબંધિત: ક્રોસફેડ્સ, બ્લર-ઇન્સ, 3D, કણો, કેમેરાની ચાલ જે વિરુદ્ધ દિશામાં જાય છે, 1 સેકંડ કરતા વધુ સમય સુધી પકડી રાખે છે, કંઈપણ જે ટેમ્પલેટ જેવું લાગે છે.

૧૩૦ BPM, ૩૨ બીટ્સ (૧૪.૮ સેકન્ડ). ગીત બંધ થાય તે પહેલાં ૧૨ બીટ્સથી શરૂ કરો.

૦-૬ બીટ્સ, પૂછો: ગ્લોઇંગ કમ્પોઝરમાં ધીમે ધીમે દબાણ કરો, લગભગ ૩x ઝૂમ કરો. કુદરતી કીસ્ટ્રોક લય સાથે ત્રણ નિશ્ચિત રેખાઓ પર વિનંતી લખો:
"મને ખરેખર ભૂખ લાગી છે, મને ખબર નથી.
મને શું જોઈએ છે પણ કંઈક
મસાલેદાર, કડક અને ભરપૂર"

બીટ 6, મોકલો: મોકલો બટન દબાવો. તેમાંથી એક ચૂનો લહેર ફેલાય છે અને સંદેશને ચેટ બબલમાં પરિવર્તિત કરે છે. ફોનની આસપાસ દેખાવા માટે તેને એકવાર પાછળ ખેંચો (428x900 સ્ક્રીન, 11px કાળો ફરસી, 9:41 સ્ટેટસ બાર).

૬-૧૨ ના ધબકારા, વિચારો: સેન્ડ બટન નારંગી રંગના વોકમાં પરિવર્તિત થાય છે, પાતળા હેન્ડલ સાથેની અડધી ડિસ્ક. તે "તમારા માટે કંઈક શોધી રહ્યું છે..." ના ચમકતા લખાણની નીચે બીટ્સ ૮, ૯, ૧૦ અને ૧૧ પર ૬ રંગબેરંગી ઘટકો ફેંકે છે.

બીટ ૧૨, ડ્રોપ: વોકમાંથી એક ચૂનો વર્તુળ વિસ્તરે છે અને લગભગ ૦.૩૫ સેકન્ડમાં ફ્રેમ ભરી દે છે. ડાર્ક ફૂડ કાર્ડ્સ (૩૩૦x૪૪૦, ત્રિજ્યા ૨૮, ઉપર ફોટો, નામ, એક-લાઇન વર્ણન, કિંમત અને રેટિંગ) મધ્યમાંથી ફૂટે છે. સ્ટ્રીપને ત્રણ કાર્ડ પર સ્લાઇડ કરો અને "ફાયર નૂડલ્સ" પર ઉતરો, જે "બેસ્ટ મેચ" ગોળીથી ઉપાડે છે.

૧૬-૨૧ બીટ્સ, ચેટ: ચૂનો વપરાશકર્તાના બબલમાં પાછો સંકોચાય છે, પસંદ કરેલ કાર્ડ તેના સ્લોટમાં ઉડે છે તેમ તેના શબ્દો સાથે. "મળી ગયું. વોક એન્ડ ફાયરના ફાયર નૂડલ્સ, સ્મોકી, સ્પાઇસી અને ગંભીરતાથી ભરપૂર." અવાજ આવે છે, ત્યારબાદ "શું હું તમારા માટે ઓર્ડર કરવા માંગુ છું?" બે ગોળીઓ બતાવે છે: કાળા રંગમાં "હમણાં ઓર્ડર કરો" અને "વધુ વિકલ્પો" દર્શાવેલ છે. કર્સર હમણાં ઓર્ડર કરો → સ્પિનર → "✓ ઓર્ડર કરેલ" પર ક્લિક કરે છે.

૨૧-૩૨ બીટ્સ, આઉટરો: કાળું બટન પેજમાં વિસ્તરે છે, કેમેરા તેમાં દબાણ કરે છે ત્યારે તે કિનારીઓ સુધી પહોંચે છે તેમ ગોળીના આકારનું રહે છે. તેનું લેબલ હેડલાઇન કદ સુધી વધે છે, પછી સરકી જાય છે. "તમે નૂડલ્સની લાલસામાં હતા." અને "હવે તે રસ્તા પર છે." શબ્દ-દર-શબ્દ લાવો (૯૨ પિક્સેલ, કાળા પર સફેદ). કુરિયર ડોટ પિન તરફના માર્ગને અનુસરે છે. પિન બ્રાન્ડ માર્ક બની જાય છે, અને તેની પાછળથી વર્ડમાર્ક ભૂંસી નાખવામાં આવે છે, ઉપર "મેઇડ વિથ" અને નીચે ઉત્પાદન નામ સાથે.

૧. એક HTML ફાઇલ, ૧૯૨૦x૧૦૮૦. seek(t) ની અંદર દરેક શૈલીની ગણતરી સમય પ્રમાણે કરો: ફ્રેમ વચ્ચે કોઈ CSS ટ્રાન્ઝિશન, ટાઈમર કે સ્ટેટ નહીં.
2. કન્ટેનર પર એક કેમેરા ટ્રાન્સફોર્મનો ઉપયોગ કરો, જે [સમય, ઝૂમ, x, y] દ્વારા કી કરેલ હોય અને લોગ સ્પેસમાં હળવા સેગમેન્ટ્સ અને ઝૂમ ઇન્ટરપોલેટેડ હોય.
3. દરેક પોપ અને સેટલ માટે બંધ-સ્વરૂપ સ્ટેપ-રિસ્પોન્સ સ્પ્રિંગ્સનો ઉપયોગ કરો.
4. દરેક હેન્ડઓફને એક શેર કરેલ તત્વ બનાવો: લાઈમ ફ્લડ બબલના શબ્દોની નકલ વહન કરે છે, અને બટન તેના લેબલને પૃષ્ઠ પર લઈ જાય છે.
૫. સાઉન્ડ: દરેક ઇવેન્ટ માટે ડાઉનલોડ કરેલ મિક્સકીટ SFX નો ઉપયોગ કરો - ટાઇપિંગ, સેન્ડ પોપ, દરેક ટોસ, ડ્રોપ ઇમ્પેક્ટ, કાર્ડ સ્વૂશ, ક્લિક, સક્સેસ ટોન, પેજ-ફિલ વ્હૂશ અને માર્ક સ્પાર્કલ. દરેકને તેના માપેલા પીક અને લાઉડનોર્મ દ્વારા -૧૪ LUFS પર મૂકો.
6. ffmpeg tmix સાથે મિશ્રિત, દરેક ફ્રેમમાં 8 સબફ્રેમનો ઉપયોગ કરીને 60fps પર Playwright સાથે રેન્ડર કરો. દરેક ઝડપી ક્ષણની ફ્રેમ દ્વારા ફ્રેમની સમીક્ષા કરો અને સિંગલ-ફ્રેમ પોપ્સ માટે સંપૂર્ણ વિડિઓ સ્કેન કરો.

ચાર સબફ્રેમ્સ ઝડપી ચાલ પર ઘોસ્ટ કોપી છોડી દે છે, તેથી 8 રેન્ડર કરો અને ચાલ ધીમી કરો. ફ્લડ સૌથી દૂરના ખૂણા સુધી પહોંચવો જોઈએ અને લગભગ 0.35 સેકન્ડ લેવો જોઈએ, નહીં તો તે ફ્લેશ જેવું દેખાય છે. દરેક સ્તર પર z-ઇન્ડેક્સ સેટ કરો જેથી કાર્ડ્સ ફ્લડ ઉપર તરતા ન રહે. ટાઇપ કરેલી વિનંતીને નિશ્ચિત રેખાઓ પર રાખો જેથી કેમેરાને ક્યારેય રેપિંગ કર્સરને અનુસરવાની જરૂર ન પડે. પ્રથમ seek() કોલ પહેલાં દરેક ચલ જાહેર કરો.

મને ઇનપુટ્સ માટે પૂછો, પછી સંપૂર્ણ ફિલ્મ લખતા પહેલા મને બીટ મેપ અને 4 સ્ટિલ (પૂછો, છોડો, ચેટ કરો, આઉટરો) બતાવો.

Ask me for: my product, the exact request a user types into it, 6 to 8 photos for the result cards, a royalty-free song around 130 BPM with a clear drop (Mixkit, free for commercial use), and my brand mark for the end card. If I skip anything, use the defaults: the food-ordering story below, food photos from Pexels (fire noodles, birria tacos, hot chicken, buffalo wings, smash burger, spicy ramen), and Mixkit "Cat Walk".

A 15-second product launch film, 1920x1080 at 60fps. 2D only, one continuous take. No fades, blurs or cuts: each scene grows from the last. Text rises from a mask line, buttons expand into pages, and color floods from one object before shrinking into another. Give the camera one eased move per scene, and never zoom in and out consecutively.

Look: warm white canvas (#f5f5f2), black UI (#0e0e10), lime accent (#cdf24f), orange (#ff6a2a), and a blue send button (#2f6bff). Add an Apple Intelligence-style iridescent glow around the input: a blurred conic gradient rotating through pink, orange, lime, cyan and violet. Use real food photography on dark cards, Geist for UI and a serif for the product name on the end card.

Banned: crossfades, blur-ins, 3D, particles, camera moves that reverse direction, holds longer than 1s, anything that feels like a template.

130 BPM, 32 beats (14.8s). Start the song 12 beats before its drop.

Beats 0-6, ask: push slowly into the glowing composer, about 3x zoom. Type the request over three fixed lines with a natural keystroke rhythm:
"I'm really hungry, I don't know
what I want but something
spicy, crispy and filling"

Beat 6, send: press the send button. A lime ripple spreads from it and transforms the message into a chat bubble. Pull back once to reveal the phone around it (428x900 screen, 11px black bezel, 9:41 status bar).

Beats 6-12, think: the send button grows into an orange wok, a half-disc with a thin handle. It tosses 6 colorful ingredients on beats 8, 9, 10 and 11 beneath the shimmering text "Finding something for you…".

Beat 12, the drop: a lime circle expands from the wok to fill the frame in about 0.35s. Dark food cards (330x440, radius 28, photo on top, name, one-line description, price and rating) burst in from the center. Slide the strip across three cards and land on "Fire Noodles", which lifts with a "Best match" pill.

Beats 16-21, chat: the lime contracts back into the user's bubble, carrying its words as the chosen card flies into its slot. "Found it. Fire Noodles from Wok & Fire, smoky, spicy and seriously filling." rises in, followed by "Want me to order it for you?" Then show two pills: "Order now" in black and "More options" outlined. The cursor clicks Order now → spinner → "✓ Ordered".

Beats 21-32, outro: the black button expands into the page, staying pill-shaped as it reaches the edges while the camera pushes into it. Its label grows to headline size, then slides away. Bring in "You were craving noodles." and "Now it's on the way." word by word (92px, white on black). A courier dot follows a route to a pin. The pin becomes the brand mark, and the wordmark wipes out from behind it, with "made with" above and the product name below.

1. One HTML file, 1920x1080. Compute every style from time inside seek(t): no CSS transitions, timers or state carried between frames.
2. Use one camera transform on a container, keyed by [time, zoom, x, y] with eased segments and zoom interpolated in log space.
3. Use closed-form step-response springs for every pop and settle.
4. Make every handoff a shared element: the lime flood carries a copy of the bubble's words, and the button carries its label into the page.
5. Sound: use a downloaded Mixkit SFX for each event - typing, send pop, each toss, drop impact, card swoosh, click, success tone, page-fill whoosh and mark sparkle. Place each by its measured peak and loudnorm to -14 LUFS.
6. Render with Playwright at 60fps using 8 subframes per frame, blended with ffmpeg tmix. Review every fast moment frame by frame and scan the full video for single-frame pops.

Four subframes leave ghost copies on fast moves, so render 8 and slow the move down. The flood must reach the farthest corner and take about 0.35s, or it looks like a flash. Set z-index on every layer so the cards don't float above the flood. Keep the typed request on fixed lines so the camera never has to follow a wrapping cursor. Declare every variable before the first seek() call.

Ask me for the inputs, then show me the beat map and 4 stills (ask, drop, chat, outro) before writing the full film.

પ્રોમ્પ્ટ અહીંથી લેવામાં આવ્યો છે પોસ્ટ @ultimaxbt.