설정 중: 오라 2 이미지 모델 출시 영상

다음 자료를 요청해 주세요: 제품명, 한 줄짜리 제품 소개, 로고, 제품 스크린샷 3~6개, 제품 결과물 이미지 40개 이상(또는 제품 사진), 브랜드 색상 및 폰트, ElevenLabs API 키 및 음성 ID, 그리고 드롭 부분이 명확하게 표시된 저작권 무료 배경 음악(오디오 파일 및 드롭 타임스탬프)입니다. 만약 제가 필요한 자료를 빠뜨린다면, 다음 기본 배경 음악을 사용하겠습니다: "Ora 2", "취향에 맞춘 이미지 모델", Unsplash와 Pixabay의 무료 이미지, Geist, ink #111214, eleven_v4의 Samara X 음성(19STyYD15bswVz51nqLf), 그리고 Pixabay의 "Cascade Breathe"(129.83 BPM, 75.39초 드롭).

<script>
다음 형식에 맞춰 9줄짜리 음성 해설을 작성하고, 모든 줄을 제 제품에 맞게 수정해 주세요.
"이것은 [이름]입니다. [카테고리]... [값]을 위해 만들어졌습니다. 어떤 스타일이든 [동사]를 입력할 수 있습니다. [입력]만 주면 알아서 이해합니다. 사용하면 할수록 더 좋아집니다. [설정]을 조정해 보세요. [설정]. [설정]. 모든 [출력]은 당신이 상상했던 그대로입니다. [이름]. 지금 바로 출시하세요."
감정 태그는 적절하게 사용하세요. 조용한 문장에는 [softly]를, 동사 문장에는 [excited]를 사용하세요. 문장의 첫머리에는 태그를 붙이지 말고, 마지막에는 마침표를 찍으세요.
</script>

MCP 없이 제 키를 사용하여 ElevenLabs API를 직접 호출해 주세요. 한 번에 전체 스크립트 테이크 4개를 생성하고 제가 선택할 수 있도록 해 주세요. 만약 특정 줄이 어색하게 들리면, 그 줄만 4번 다시 생성해서 가장 좋은 버전을 제 테이크에 추가해 주세요.
0.28초보다 긴 일시 정지 시간을 0.2초로 줄인 다음, 각 구절의 게인을 중간 수준의 85%까지 조정하고, 일시 정지 중에만 게인을 조정합니다.
단어 타이밍을 측정하려면 100ms 이상의 간격으로 읽기를 분할하고, Whisper를 사용하여 각 구간을 개별적으로 전사한 다음, 첫 단어를 측정된 시작 시점에 맞춰 정렬하십시오. Whisper를 한 번만 실행하면 단어를 최대 0.5초까지 늦게 배치할 수 있습니다.

AI 연구소 출시 행사와 유사한 스타일의 22초 분량 정사각형 영상(1440x1440 해상도, 초당 60프레임)입니다. 흰색 바탕에 검은색 잉크로 인쇄된 실제 이미지와, 말하는 순간에 맞춰 단어 하나하나가 입력되는 자막이 특징입니다.
모든 컨트롤(프롬프트 바, 설정 패널, 캡션 창)은 액체 유리 효과를 사용합니다. 배경 장면을 불투명하게 만들고, 두꺼운 유리처럼 가장자리를 따라 구부린 다음, 상단에 광택을 더하고 밝은 테두리와 부드러운 그림자를 추가합니다. 유리는 흰색 배경에서는 잘 보이지 않으므로, 브랜드 색상의 은은한 파스텔 톤 아우라를 추가하거나 배경 사진을 흐릿하게 처리합니다.
하나는 제 브랜드 색상의 그라데이션으로 글자체를 강조하고, 은은한 빛이 뒤에서 비치는 디자인이었습니다.
모션 규칙: 카메라가 장면마다 1.0에서 1.04 사이의 속도로 천천히 움직이도록 합니다. 다음 장면으로 넘어갈 때는 이전 장면이 끝난 줌 상태에서 시작합니다. 모든 것이 즉시 나타나지 않도록 최소 0.3초의 부드러운 페이드 효과를 사용합니다. 이미지는 16분음표 단위로 변경하고, 각 음표마다 클릭합니다. 장면 전환은 프레이즈 시작 부분에 맞추고, 음악 드롭은 [Verb] 라인에 맞춰 정렬합니다. 화면에 마침표를 표시하지 않습니다.
금지 항목: 선택 상자 강조 표시, 비트 스냅 슬램, 흰색 섬광, 3D, 템플릿.

음성에 맞춰 구성된 7개의 장면:

1. "이것은 [이름]입니다": 이름이 크게 입력되는 동안 제 이미지들이 콜라주처럼 화면에 나타나고, 이어서 카테고리 줄이 나타납니다.
2. "[값]을 위해 제작됨": 제가 가장 좋아하는 이미지들이 전체 화면으로 빠르게 번갈아 나타나며, 16분음표 간격으로 드롭 부분에 전환되고, 그 위에 흰색 글씨로 문구가 표시됩니다.
3. 드롭: 유리 프롬프트 바에 짧은 프롬프트가 표시됩니다. 결과 카드는 16분 음표마다 스타일이 바뀌고, 검은색 스타일 칩이 썸네일 스트립 위의 새로운 이름으로 이동합니다.
4. "무드보드를 보여주세요": 9개의 이미지가 3x3 격자로 나타나고, 화면에 "딱 맞네요"라는 문구가 나타나면서 결과가 원을 그리며 표시됩니다.
5. "사용할수록 더 좋아집니다": 강조하고 싶은 단어를 그라데이션으로 넣어 두 줄로 입력하세요.
6. 설정: 슬라이더 3개가 있는 유리 패널을 보여주고, 그녀가 이름을 말할 때마다 각 슬라이더가 움직입니다. 이미지의 색조를 바꾸고, 16분의 1 크기로 새로운 씨앗을 굴린 다음 포스터로 만듭니다. 유리 패널 뒤에서 이미지의 색상이 흐릿하게 보이도록 동시에 움직입니다.
7. "모든 [출력물], 보이는 그대로": 유리 캡션 필 뒤쪽 중앙에서 제 이미지 120개를 바깥쪽으로 흩뿌린 다음, 이름이 입력되는 동안 그 이미지들을 모아 제 로고를 만듭니다. 그 아래에 "지금 출력"을 넣고 2초 동안 유지합니다.

프롬프트 바, 결과 및 슬라이더를 내 제품의 실제 입력, 출력 및 설정으로 교체하십시오.

드롭 부분이 [Verb] 라인에 오도록 곡을 설정하고, 비트 그리드를 그 위치에 고정하세요.
3밴드 사이드체인(저음 30%, 중음 85%, 공기 55%; 0.3초 유지, 50ms 예측, 0.5초 해제)을 사용하여 보컬 아래 배경 음악을 줄입니다. 그런 다음 300Hz에서 4kHz 사이에서 보컬이 배경 음악보다 약 9dB 정도 높게 들리도록 각 구절의 중음역을 조정합니다.
다운로드한 Mixkit SFX를 이벤트당 하나씩 사용하고, 측정된 최고점에 맞춰 배치하세요. 이미지 전환 시 클릭음, 글자 입력 시 키 소리, 강조 단어에 부드러운 착지음, 드롭 및 로고에 휘파람 소리와 임팩트 사운드를 추가합니다. 각 사운드는 최고점 부근에서 잘라내세요(대부분의 라이저는 4초입니다). 엔딩 카드 아래에서 dB 곡선을 따라 음악을 페이드 인/아웃합니다. Loudnorm을 -14 LUFS로 설정합니다.

1. 하나의 HTML 캔버스. 모든 프레임은 seek(t) 내부의 순수 시간 함수이며, 모든 캡션과 컷은 table이라는 단어를 따릅니다.
2. 유리: 도형 뒤의 캔버스를 캡처하고, 본체 부분을 약 14px 정도 흐리게 처리한 다음, 가장자리를 따라 12px 너비의 띠 모양으로 약 1.06배 확대된 흐릿한 복사본을 그리고, 마지막으로 불투명도, 광택, 테두리 및 그림자를 추가합니다.
3. Playwright 사용하여 8개의 모션 블러 서브프레임을 적용하고 초당 60프레임으로 렌더링한 다음 ffmpeg 로 인코딩합니다.
4. 저에게 보여주시기 전에 스틸컷으로 컨택트 시트를 만들고, 프레임 간 차이를 스캔하여 단일 프레임 팝 현상(16분음표 구간에서만 팝 현상이 발생할 수 있음)을 확인하고, 모든 프레이즈의 음성 대 음악 비율을 점검해 주십시오.

따뜻한 어조로 시작하는 말은 속삭이듯 들릴 수 있고, 지나치게 흥분한 어조는 부자연스럽게 느껴질 수 있습니다. 단어 뒤에 강조 표시를 하면 윈도우 텍스트 선택처럼 보입니다. 화면 전환 중에 카메라가 1.0으로 재설정되면 줌이 갑자기 확 움직입니다. 0.05초의 페이드 효과는 마치 순간적으로 나타나는 것처럼 보입니다.

제게 필요한 정보를 요청하고, 스크립트를 작성하고, 선택할 수 있도록 음성 녹음본 4개를 보내주시고, 최종 렌더링 전에 스틸컷 8장을 보여주세요.

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.

프롬프트는 다음에서 가져왔습니다. 우편 @rossaxbt.