Film di lancio del modello di immagine Ora 2

Chiedimi: il nome del mio prodotto, una breve presentazione, il mio logo, da 3 a 6 screenshot del prodotto, più di 40 immagini di ciò che crea (o foto del prodotto), i colori e il font del mio marchio, una chiave API di ElevenLabs e un ID vocale, oltre a una traccia royalty-free con un drop chiaro (il file audio e il timestamp del drop). Se devo omettere qualcosa, usa questi valori predefiniti: "Ora 2", "un modello di immagine creato per gusto", immagini gratuite da Unsplash e Pixabay, Geist, ink #111214, la voce Samara X (19STyYD15bswVz51nqLf) su eleven_v4 e Pixabay "Cascade Breathe" (129,83 BPM, drop a 75,39s).

<script>
Scrivi una voce fuori campo di 9 righe in questo formato e adatta ogni riga al mio prodotto:
"Questo è [nome]. Una [categoria]... creata per [valore]. [Verbo] in QUALSIASI stile. Dagli un [input] e lui... capisce. Più lo usi, MIGLIORA. Regola la sua [impostazione]. La sua [impostazione]. La sua [impostazione]. Ogni [output] - esattamente come l'hai immaginato. [Nome]. Disponibile ora."
Usate con parsimonia i tag emotivi: [dolcemente] sulle righe tranquille e [eccitato] sulla riga [Verbo]. Non usate tag all'inizio e terminate con un semplice punto.
</script>

Chiama direttamente l'API di ElevenLabs usando la mia chiave, senza un MCP. Genera 4 versioni complete della sceneggiatura in un'unica passata e lascia che scelga io. Se una battuta non suona bene, rigenera solo quella battuta 4 volte e inserisci la versione migliore nella mia registrazione.
Riduci le pause superiori a 0,28 secondi a 0,2 secondi, quindi porta ogni frase all'85% del livello medio, regolando il guadagno solo durante le pause.
Per la misurazione dei tempi di parola, suddividere la lettura in pause di 100 ms o più, trascrivere ciascun segmento separatamente con Whisper e allineare la prima parola all'inizio misurato. Un singolo passaggio di Whisper può ritardare le parole fino a mezzo secondo.

Un filmato di lancio quadrato di 22 secondi, 1440x1440 a 60 fps, nello stile del lancio di un laboratorio di intelligenza artificiale: tela bianca, un unico carattere tipografico, inchiostro nero, immagini reali e didascalie digitate parola per parola nell'esatto momento in cui vengono pronunciate.
Ogni elemento di controllo (barra dei prompt, pannello delle impostazioni, didascalia) utilizza l'effetto vetro liquido: smeriglia la scena dietro di esso, curva quella scena lungo il bordo come se fosse vetro spesso, quindi aggiungi una lucentezza superiore, un bordo luminoso e un'ombra morbida. Il vetro scompare sul bianco puro, quindi aggiungi un'aura pastello tenue nei colori del mio marchio o una velatura sfocata della foto dietro di esso.
Quello evidenziava le tipologie di parole con una sfumatura dei colori del mio marchio, con un leggero bagliore sullo sfondo.
Regole di movimento: mantieni la telecamera in movimento (aumenta da 1.0 a 1.04 per scena; quando il contenuto si sposta alla scena successiva, inizia dallo zoom in cui è terminata la scena precedente). Nulla appare istantaneamente: usa dissolvenze graduali di almeno 0.3 secondi. Cambia le immagini su sedicesimi, con un clic per ciascuno. Fai atterrare i cambi di scena all'inizio delle frasi e allinea il drop della musica con la linea [Verbo]. Non mostrare i punti fermi sullo schermo.
Vietato: evidenziazioni a riquadro di selezione, slam a scatto, lampi bianchi, 3D, modelli.

Sette scene, sincronizzate con la voce:

1. "Questo è [nome]": un collage delle mie immagini si dispiega mentre il nome viene digitato in grande, per poi lasciare spazio alla riga della categoria.
2. "fatto per [valore]": flash a schermo intero delle mie migliori immagini si attivano su sedicesimi nel drop, con la riga scritta in bianco sopra di esse.
3. La caduta: una barra di vetro digita un breve prompt. La scheda del risultato cambia stile ogni 16 note, mentre un chip di stile nero rotola su ogni nuovo nome sopra una striscia di miniature.
4. "Mostragli una moodboard": 9 immagini volano in una griglia 3x3, quindi cerchia il risultato mentre sullo schermo compare la scritta "Ti capisce".
5. "Più lo usi, più migliora": scrivi due righe, con la parola evidenziata nella sfumatura.
6. Le impostazioni: mostra un pannello di vetro con 3 cursori, ognuno dei quali si muove a seconda del nome che gli viene dato. Modifica la tonalità dell'immagine, fai rotolare nuovi semi in sedicesimi, poi trasformala in un poster. Sposta una velatura sfocata dei suoi colori dietro il vetro in sincronia.
7. "Ogni [output], esattamente come lo vedi": fai esplodere 120 delle mie immagini dal centro verso l'esterno dietro una capsula di vetro con la didascalia, quindi uniscile nel mio logo mentre il nome viene digitato. Inserisci "Out now" sotto e tieni premuto per 2 secondi.

Sostituisci la barra dei prompt, i risultati e i cursori con gli input, gli output e le impostazioni reali del mio prodotto.

Imposta la canzone in modo che il drop cada sulla linea [Verbo] e ancora la griglia ritmica lì.
Abbassa il volume della musica rispetto alla voce con un sidechain a 3 bande (bassi 30%, medi 85%, aria 55%; hold 0,3s, look-ahead 50ms, release 0,5s). Quindi regola i medi di ogni frase finché la voce non si trova a circa 9 dB sopra la musica tra 300 Hz e 4 kHz.
Utilizza un solo effetto sonoro Mixkit scaricato per ogni evento, posizionandolo in base al suo picco misurato: un clic per ogni cambio di immagine, il suono di un tasto per ogni lettera digitata, un atterraggio morbido sulla parola enfatizzata, sibili e impatti sul drop e sul logo. Taglia ciascun effetto intorno al suo picco (molti crescendo durano 4 secondi). Dissolvenza della musica lungo una curva in dB sotto la schermata finale. Loudnorm a -14 LUFS.

1. Una tela HTML. Ogni fotogramma è una pura funzione del tempo all'interno di seek(t), e ogni didascalia e taglio segue la tabella delle parole.
2. Vetro: cattura la tela dietro la forma, sfocala di circa 14px per il corpo, disegna una copia leggermente sfocata ingrandita di circa 1,06x in una fascia di 12px lungo il bordo, quindi aggiungi il latte, la lucentezza, il bordo e l'ombra.
3. Eseguire il rendering con Playwright a 60 fps utilizzando 8 sotto-frame di motion blur, quindi codificare con ffmpeg.
4. Prima di mostrarmi qualsiasi cosa, crea un foglio di contatto con le immagini fisse, analizza le differenze tra i fotogrammi per individuare eventuali salti (solo le sequenze di sedicesimi possono presentare salti) e controlla il rapporto voce-musica per ogni frase.

Un'apertura [calorosa] può sembrare sussurrata, mentre [entusiasta] può sembrare finta. Un riquadro di evidenziazione dietro una parola sembra una selezione di testo di Windows. Se la fotocamera si reimposta su 1.0 durante un passaggio di consegne, lo zoom scatta. Una dissolvenza di 0,05 secondi sembra un'apparizione istantanea.

Chiedimi gli input, scrivi la sceneggiatura, mandami 4 registrazioni vocali tra cui scegliere, poi mostrami 8 immagini fisse prima del rendering finale.

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.

Suggerimento tratto da inviare @rossaxbt.