Film peluncuran model gambar Ora 2

Minta saya untuk: nama produk saya, uraian singkat satu baris, logo saya, 3 hingga 6 tangkapan layar produk, 40+ gambar hasil karya (atau foto produk), warna dan font merek saya, kunci API ElevenLabs dan ID suara, ditambah trek bebas royalti dengan drop yang jelas (file audio dan stempel waktu drop). Jika saya melewatkan sesuatu, gunakan pengaturan default berikut: "Ora 2", "model gambar yang dibuat sesuai selera", gambar gratis dari Unsplash dan Pixabay, Geist, ink #111214, suara Samara X (19STyYD15bswVz51nqLf) di eleven_v4, dan Pixabay "Cascade Breathe" (129,83 BPM, drop pada 75,39 detik).

<script>
Tulis narasi suara sepanjang 9 baris dalam format ini dan sesuaikan setiap barisnya dengan produk saya:
"Ini [nama]. Sebuah [kategori]... dirancang untuk [nilai]. [Kata kerja] dalam gaya APA PUN. Berikan [masukan] - dan ia akan... mengerti. Semakin sering Anda menggunakannya, semakin BAIK hasilnya. Sesuaikan [pengaturannya]. [Pengaturannya]. [Pengaturannya]. Setiap [keluaran] - persis seperti yang Anda bayangkan. [Nama]. Tersedia sekarang."
Gunakan tag emosi secukupnya: [dengan lembut] pada baris yang tenang dan [gembira] pada baris [Kata Kerja]. Jangan beri tag pada kalimat pembuka, dan akhiri dengan titik biasa.
</script>

Panggil API ElevenLabs secara langsung menggunakan kunci saya, tanpa MCP. Hasilkan 4 rekaman skrip lengkap dalam satu kali proses dan biarkan saya memilih. Jika sebuah baris terdengar tidak tepat, hasilkan ulang baris tersebut sebanyak 4 kali dan gabungkan versi terbaik ke dalam rekaman saya.
Persingkat jeda yang lebih lama dari 0,28 detik menjadi 0,2 detik, lalu bawa setiap frasa hingga 85% mendekati level median, sesuaikan gain hanya selama jeda.
Untuk pengaturan waktu kata, bagi bacaan pada jeda 100ms atau lebih lama, transkripsikan setiap segmen secara terpisah dengan Whisper, dan sejajarkan kata pertama dengan awal yang terukur. Satu kali proses Whisper dapat menempatkan kata hingga setengah detik lebih lambat.

Film peluncuran berdurasi 22 detik berbentuk persegi, berukuran 1440x1440 pada 60fps, dengan gaya peluncuran laboratorium AI: kanvas putih, satu jenis huruf, tinta hitam, gambar asli, dan keterangan yang diketik kata demi kata tepat pada saat diucapkan.
Setiap kontrol (bilah perintah, panel pengaturan, kotak keterangan) menggunakan kaca cair: buramkan pemandangan di belakangnya, tekuk pemandangan itu di sepanjang tepinya seperti kaca tebal, lalu tambahkan kilau atas, tepian cerah, dan bayangan lembut. Kaca menghilang di atas warna putih polos, jadi tambahkan aura pastel yang lembut dengan warna merek saya atau sapuan buram pada foto di belakangnya.
Salah satu kata yang ditekankan menggunakan gradien warna merek saya, dengan cahaya samar di belakangnya.
Aturan pergerakan: jaga agar kamera terus bergerak (dorong dari 1,0 hingga 1,04 per adegan; ketika konten berpindah ke adegan berikutnya, mulailah pada zoom di mana adegan sebelumnya berakhir). Tidak ada yang muncul secara instan: gunakan fade yang halus minimal 0,3 detik. Ganti gambar pada not seperenambelas, dengan bunyi klik untuk setiap pergantian. Tempatkan pergantian adegan pada awal frasa, dan sejajarkan jatuhnya musik dengan baris [Kata Kerja]. Jangan tampilkan titik di layar.
Dilarang: sorotan kotak pilihan, hentakan ketukan yang tiba-tiba, kilatan putih, 3D, templat.

Tujuh adegan, disinkronkan dengan suara:

1. "Ini [nama]": kolase gambar saya muncul saat nama diketik besar, lalu memberi jalan pada baris kategori.
2. "dibuat untuk [nilai]": kilatan layar penuh dari gambar-gambar terbaik saya berganti pada not seperenambelas sebelum bagian klimaks, dengan baris tersebut diketik dengan warna putih di atasnya.
3. Drop: sebuah bilah petunjuk kaca mengetikkan petunjuk singkat. Kartu hasil berubah gaya setiap not ke-16, sementara sebuah chip gaya hitam bergulir ke setiap nama baru di atas strip gambar mini.
4. "Tampilkan moodboard": 9 gambar terbang ke dalam grid 3x3, lalu lingkari hasilnya saat "Ini cocok untukmu" diketik di layar.
5. "Semakin sering Anda menggunakannya, semakin baik hasilnya": ketik dua baris, dengan kata yang ditekan menggunakan gradien.
6. Pengaturan: tampilkan panel kaca dengan 3 penggeser, masing-masing bergerak saat dia menyebutkannya. Ubah rona gambar, gulirkan benih baru pada seperenambelasnya, lalu ubah menjadi poster. Geser sapuan warna yang buram di belakang kaca secara sinkron.
7. "Setiap [hasil], persis seperti yang Anda lihat": tampilkan 120 gambar saya ke arah luar dari tengah di belakang pil keterangan kaca, lalu satukan menjadi logo saya saat nama diketik. Tulis "Sudah keluar" di bawahnya dan tahan selama 2 detik.

Ganti bilah perintah, hasil, dan penggeser dengan input, output, dan pengaturan sebenarnya dari produk saya.

Atur lagu agar bagian klimaks (drop) jatuh pada baris [Verb], dan jadikan itu sebagai patokan pada grid ketukan.
Redupkan musik di bawah suara dengan sidechain 3-band (rendah 30%, tengah 85%, udara 55%; tahan 0,3 detik, lihat ke depan 50 ms, lepas 0,5 detik). Kemudian sesuaikan frekuensi tengah setiap frasa hingga suara berada sekitar 9 dB di atas musik antara 300 Hz dan 4 kHz.
Gunakan satu Mixkit SFX yang diunduh per acara, diposisikan berdasarkan puncak terukurnya: bunyi klik untuk setiap perubahan gambar, suara kunci untuk setiap huruf yang diketik, pendaratan lembut pada kata yang ditekankan, suara desisan, dan benturan pada bagian drop dan logo. Pangkas masing-masing di sekitar puncaknya (banyak riser berdurasi 4 detik). Redupkan musik mengikuti kurva dB di bawah kartu akhir. Gunakan Loudnorm ke -14 LUFS.

1. Satu kanvas HTML. Setiap frame adalah fungsi murni dari waktu di dalam seek(t), dan setiap caption dan cut mengikuti tabel kata.
2. Kaca: tangkap kanvas di belakang bentuk, buramkan sekitar 14px untuk bagian badannya, gambar salinan yang sedikit buram dengan perbesaran sekitar 1,06x dalam pita 12px di sepanjang tepinya, lalu tambahkan susu, kilau, bingkai, dan bayangan.
3. Render dengan Playwright pada 60fps menggunakan 8 subframe motion-blur, lalu encode dengan ffmpeg.
4. Sebelum menunjukkan apa pun kepada saya, buat lembar kontak gambar diam, pindai perbedaan bingkai untuk melihat adanya lonjakan pada satu bingkai (hanya bagian not seperenam belas yang mungkin mengalami lonjakan), dan periksa rasio suara terhadap musik untuk setiap frasa.

Pembukaan yang [hangat] bisa terdengar seperti bisikan, sementara [antusias] bisa terasa palsu. Kotak sorotan di belakang sebuah kata terlihat seperti seleksi teks Windows. Jika kamera kembali ke 1.0 selama peralihan, zoom akan langsung aktif. Pudar 0,05 detik terlihat seperti kemunculan instan.

Minta masukan dari saya, tulis naskahnya, kirimkan 4 rekaman suara untuk saya pilih, lalu tunjukkan 8 gambar diam sebelum rendering penuh.

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.

Petunjuk diambil dari pos @rossaxbt.