Ora 2-ის იმიჯ-მოდელის გაშვების ფირი

მკითხეთ: ჩემი პროდუქტის სახელი, ერთსტრიქონიანი შეთავაზება, ჩემი ლოგო, პროდუქტის 3-დან 6-მდე ეკრანის ანაბეჭდი, შექმნილი მასალის 40+ სურათი (ან მისი ფოტოები), ჩემი ბრენდის ფერები და შრიფტი, ElevenLabs API გასაღები და ხმოვანი ID, პლუს ჰონორარის გარეშე ჩანაწერი მკაფიო ჩაშვებით (აუდიო ფაილი და ჩაშვების დროის ნიშნული). თუ რამეს გამოვტოვებ, გამოვიყენებ ამ ნაგულისხმევ პარამეტრებს: „Ora 2“, „გემოვნებისთვის შექმნილი სურათის მოდელი“, უფასო სურათები Unsplash-დან და Pixabay-დან, Geist, ink #111214, Samara X-ის ხმა (19STyYD15bswVz51nqLf) eleven_v4-ზე და Pixabay-ის „Cascade Breathe“ (129.83 BPM, ჩაშვება 75.39 წამზე).

<script>
დაწერეთ 9-სტრიქონიანი გახმოვანება ამ ფორმატში და თითოეული სტრიქონი მოარგეთ ჩემს პროდუქტს:
„ეს არის [სახელი]. [კატეგორია]... შექმნილია [მნიშვნელობისთვის]. [ზმნა] ნებისმიერი სტილით. მიეცით მას [შეყვანის] მნიშვნელობა - და ის უბრალოდ... გაიგებს. რაც უფრო მეტს გამოიყენებთ, მით უკეთესი ხდება. შეცვალეთ მისი [პარამეტრი]. ეს არის [პარამეტრი]. ეს არის [პარამეტრი]. ყველა [გამომავალი] - ზუსტად ისე, როგორც წარმოიდგინეთ. [სახელი]. ახლა ხელმისაწვდომია.“
ემოციების აღმნიშვნელი ნიშნები ზომიერად გამოიყენეთ: [რბილად] წყნარ სტრიქონებში და [აღფრთოვანებული] [ზმნა] სტრიქონში. ნუ დაასახელებთ შესავალს და დაასრულეთ ის უბრალო წერტილით.
</script>

ElevenLabs API-ის პირდაპირ გამოძახება ჩემი გასაღების გამოყენებით, MCP გარეშე. ერთი გავლისას შექმენით 4 სრული სკრიპტის ვერსია და მე ავირჩიე. თუ რომელიმე სტრიქონი სწორად არ ჟღერს, მხოლოდ ეს სტრიქონი ოთხჯერ აღადგინეთ და საუკეთესო ვერსია ჩემს ვერსიას დაურთეთ.
0.28 წამზე მეტი ხანგრძლივობის პაუზები შეამოკლეთ 0.2 წამამდე, შემდეგ თითოეული ფრაზა საშუალო დონესთან 85%-ით მიიყვანეთ, გაძლიერების კორექტირება მხოლოდ პაუზების დროს მოახდინეთ.
სიტყვების დროის აღრიცხვისთვის, წაკითხული ტექსტი დაყავით 100 მილიწამიან ან მეტ პაუზებად, თითოეული სეგმენტი ცალ-ცალკე გადაწერეთ Whisper-ის გამოყენებით და მისი პირველი სიტყვა გაასწორეთ გაზომილ დასაწყისთან. ერთი Whisper-ის გავლის შემდეგ სიტყვები ნახევარ წამამდე დაგვიანებით შეიძლება განთავსდეს.

22-წამიანი კვადრატული გაშვების ფირი, 1440x1440 გარჩევადობით, 60 კადრი/წმ სიჩქარით, ხელოვნური ინტელექტის ლაბორატორიის გაშვების სტილში: თეთრი ტილო, ერთი შრიფტი, შავი მელანი, რეალური სურათები და სიტყვასიტყვით აკრეფილი წარწერები, ზუსტად იმ დროს, როდესაც ისინი იკითხებიან.
ყველა საკონტროლო ელემენტი (მოთხოვნის ზოლი, პარამეტრების პანელი, წარწერის აბი) იყენებს თხევად მინას: დაფარეთ სცენა მის უკან, მოხრით სცენა კიდის გასწვრივ სქელი მინის მსგავსად, შემდეგ დაამატეთ ზედა ბზინვარება, კაშკაშა კიდე და რბილი ჩრდილი. მინა ქრება უბრალო თეთრ ფერში, ამიტომ დაამატეთ ნელი პასტელის აურა ჩემი ბრენდის ფერებში ან ბუნდოვანი ფონი ფოტოზე მის უკან.
ერთი ხაზგასმული სიტყვა ჩემი ბრენდის ფერების გრადიენტში იყო განლაგებული, უკან კი მკრთალი ნათება იყო.
მოძრაობის წესები: შეინარჩუნეთ კამერის დრიფტი (თითო სცენაზე გადაიტანეთ 1.0-დან 1.04-მდე; როდესაც კონტენტი შემდეგ სცენაზე გადადის, დაიწყეთ იმ მასშტაბირებით, სადაც წინა სცენა დასრულდა). არაფერი გამოჩნდება მყისიერად: გამოიყენეთ მინიმუმ 0.3 წამიანი შემსუბუქებული ფადები. შეცვალეთ სურათები მე-16 ნოტზე, თითოეულის დაწკაპუნებით. სცენის ცვლილებები ფრაზის დასაწყისში დააფიქსირეთ და მუსიკალური ვარდნა [ზმნის] ხაზთან გაასწორეთ. ეკრანზე წერტილები არ აჩვენოთ.
აკრძალულია: შერჩევის ველის მონიშნული მომენტები, რიტმულად გადაღებული სროლები, თეთრი ციმციმები, 3D, შაბლონები.

შვიდი სცენა, ხმის მიხედვით გაფორმებული:

1. „ეს არის [სახელი]“: სახელის დიდი შრიფტით აკრეფისას ჩემი სურათების კოლაჟი იხსნება და შემდეგ კატეგორიის ხაზს უთმობს ადგილს.
2. „შექმნილია [ღირებულებისთვის]“: ჩემი საუკეთესო სურათების სრულეკრანიანი ციმციმები ჩასაწერად მე-16 ნოტზე გადადის, მათ ზემოთ კი თეთრი ფერით აკრეფილი ხაზია.
3. წვეთი: შუშის სიგნალის ზოლი აკრიფებს მოკლე სიგნალს. შედეგების ბარათი იცვლის სტილს ყოველ მე-16 ნოტზე, ხოლო შავი სტილის ჩიპი გორდება თითოეულ ახალ სახელზე მინიატურული ზოლის ზემოთ.
4. „აჩვენე მას განწყობის დაფაზე“: 9 სურათი დაფრინავს 3x3 ბადეში, შემდეგ კი შემოხაზეთ შედეგი, როდესაც ეკრანზე წერია „ეს გიგებს“.
5. „რაც უფრო მეტს გამოიყენებთ, მით უკეთესი გამოვა“: აკრიფეთ ორი ხაზი, ხაზგასმული სიტყვით გრადიენტში.
6. პარამეტრები: აჩვენეთ მინის პანელი 3 სლაიდერით, რომელთაგან თითოეული მოძრავია ისე, როგორც მას სახელი უწოდა. შეცვალეთ გამოსახულების ელფერი, გააგორეთ ახალი მარცვლები 16-ე რგოლზე და გადააქციეთ ის პოსტერად. სინქრონულად გადაიტანეთ მისი ფერების ბუნდოვანი ფენა მინის უკან.
7. „ყველა [გამომავალი], ზუსტად ისე, როგორც თქვენ ხედავთ“: ჩემი 120 სურათი ცენტრიდან გარეთ, შუშის წარწერის აბის უკან, გადაიტანეთ, შემდეგ კი სახელის აკრეფისას ისინი ჩემს ლოგოში გააერთიანეთ. ქვემოთ ჩაწერეთ „ახლა გამოდის“ და 2 წამის განმავლობაში გააჩერეთ.

შეცვალეთ მოთხოვნის ზოლი, შედეგები და სლაიდერები ჩემი პროდუქტის რეალური შეყვანით, გამომავალი მონაცემებით და პარამეტრებით.

დააყენეთ სიმღერა ისე, რომ წვეთი [ზმნის] ხაზზე მოხვდეს და იქ მიამაგრეთ რიტმების ბადე.
მუსიკა 3-ზოლიანი გვერდითი ჯაჭვის გამოყენებით ხმის ქვეშ დააწვინეთ (დაბალი სიხშირეები 30%, საშუალო სიხშირეები 85%, ჰაერი 55%; 0.3 წამი შეკავება, 50 მილიწამი წინდახედულება, 0.5 წამი გამოშვება). შემდეგ დაარეგულირეთ თითოეული ფრაზის შუა სიხშირეები მანამ, სანამ ხმა მუსიკაზე დაახლოებით 9 დბ-ით მაღლა არ იქნება 300 ჰც-დან 4 კჰც-მდე.
გამოიყენეთ ერთი ჩამოტვირთული Mixkit SFX თითოეული მოვლენისთვის, პოზიციონირებული მისი გაზომილი პიკის მიხედვით: დაწკაპუნება თითოეული სურათის ცვლილებისთვის, კლავიშის ხმა თითოეული აკრეფილი ასოსთვის, რბილი დაშვება ხაზგასმულ სიტყვაზე, whoosh-ები და ზემოქმედება ვარდნასა და ლოგოზე. შეამოკლეთ თითოეული მათგანი თავისი პიკის გარშემო (ბევრი ამომავალი 4 წამია). შეამცირეთ მუსიკა dB მრუდის გასწვრივ ბოლო ბარათის ქვეშ. Loudnorm -14 LUFS-მდე.

1. ერთი HTML ტილო. თითოეული კადრი seek(t)-ში დროის წმინდა ფუნქციაა და ყველა წარწერა და ამონაჭერი სიტყვების ცხრილს მიჰყვება.
2. მინა: გადაიღეთ ტილო ფიგურის უკან, დააბნელეთ დაახლოებით 14 პიქსელით სხეულისთვის, დახაზეთ ოდნავ დაბნელებული ასლი, გადიდებული დაახლოებით 1.06-ჯერ 12 პიქსელიანი ზოლით კიდის გასწვრივ, შემდეგ დაამატეთ რძე, პრიალა ელფერი, კიდე და ჩრდილი.
3. რენდერინგი Playwright გამოყენებით 60 კადრი/წმ სიჩქარით, 8 მოძრაობის დაბინდვის ქვეკადრის გამოყენებით, შემდეგ კი კოდირება ffmpeg ით.
4. სანამ რამეს მაჩვენებდეთ, შეადგინეთ ფოტოების საკონტაქტო ფურცელი, დაათვალიერეთ კადრების სხვაობა ერთკადრში ჩავარდნილი კადრებისთვის (შესაძლოა მხოლოდ მე-16 ნოტის ნომრებზე გადახტომა) და შეამოწმეთ თითოეული ფრაზის ხმისა და მუსიკის თანაფარდობა.

[თბილად] გახსნის ხმა შეიძლება ჩურჩულით ჟღერდეს, ხოლო [აღფრთოვანებული] - ყალბად. სიტყვის უკან მონიშნული ველი Windows-ის ტექსტის არჩევანს ჰგავს. თუ კამერა გადაცემის დროს 1.0-ზე გადავა, მასშტაბირება წყდება. 0.05 წამიანი ფადინგი მყისიერად გამოჩენილ სიგნალს ჰგავს.

მკითხეთ შეყვანის დეტალები, დაწერეთ სცენარი, გამომიგზავნეთ 4 გახმოვანება ასარჩევად და სრულ რენდერამდე მაჩვენეთ 8 ფოტო.

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.

მოთხოვნა აღებულია პოსტი @rossaxbt.