Įkūrimas: „Ora 2“ vaizdo modelio pristatymo filmas

Paprašykite manęs: mano produkto pavadinimo, vienos eilutės pristatymo, mano logotipo, 3–6 produkto ekrano kopijų, daugiau nei 40 jo sukurto produkto vaizdų (arba jo nuotraukų), mano prekės ženklo spalvų ir šrifto, „ElevenLabs“ API rakto ir balso ID, taip pat nemokamo takelio su aiškiu pateikimu (garso failas ir pateikimo laiko žyma). Jei ką nors praleidžiu, naudokite šiuos numatytuosius nustatymus: „Ora 2“, „skoniui sukurtas vaizdo modelis“, nemokami vaizdai iš „Unsplash“ ir „Pixabay“, Geist, rašalo numeris #111214, balso Samara X (19STyYD15bswVz51nqLf) iš eleven_v4 ir „Pixabay“ „Cascade Breathe“ (129,83 BPM, pateikimas 75,39 s).

<script>
Parašykite 9 eilučių įgarsinimą šiuo formatu ir pritaikykite kiekvieną eilutę mano produktui:
„Tai yra [pavadinimas]. [Kategorija]... sukurta [reikšmei]. [Veiksmavardis] BET KOKIU stiliumi. Duokite jam [įvestį] – ir jis tiesiog... supranta. Kuo daugiau jį naudojate, tuo GERESNIS jis tampa. Pakoreguokite jo [nustatymą]. Jo [nustatymą]. Jo [nustatymą]. Kiekvieną [išvestį] – tiksliai taip, kaip įsivaizdavote. [Vardas]. Jau prieinama.“
Emocijų žymas naudokite saikingai: [tyliai] tyliose eilutėse ir [susijaudinęs] [veiksmažodžio] eilutėje. Nežymėkite pradžios ir užbaikite ją paprastu tašku.
</script>

Iškviesti „ElevenLabs“ API tiesiogiai naudojant mano raktą, be MCP. Vienu kartu sugeneruoti 4 pilno scenarijaus versijas ir leisti man pasirinkti. Jei eilutė neskamba teisingai, keturis kartus iš naujo generuoti tik tą eilutę ir geriausią versiją įjungti į mano versiją.
Pauzes, ilgesnes nei 0,28 s, sutrumpinkite iki 0,2 s, tada kiekvieną frazę priartinkite 85 % link medianinio lygio, reguliuodami stiprinimą tik pauzių metu.
Žodžių laiko nustatymui skaitymą padalinkite kas 100 ms ar ilgesnes pauzes, kiekvieną segmentą perrašykite atskirai naudodami „Whisper“ ir sulygiuokite jo pirmąjį žodį su išmatuota pradžia. Vienas „Whisper“ perdavimas gali vėluoti žodžius iki pusės sekundės.

22 sekundžių trukmės kvadratinis pristatymo filmas, 1440 x 1440 raiška, 60 kadrų per sekundę greičiu, dirbtinio intelekto laboratorijos pristatymo stiliumi: balta drobė, vienas šriftas, juodas rašalas, tikri vaizdai ir užrašai, pažodžiui spausdinami tuo metu, kai jie ištariami.
Kiekviename valdiklyje (užduočių juostoje, nustatymų skydelyje, antraščių tabletėje) naudojamas skystas stiklas: užtepkite matinį sluoksnį už jo esančios scenos, sulenkite tą sceną išilgai krašto kaip storą stiklą, tada pridėkite viršutinį blizgesį, ryškų apvadą ir švelniai pakeliamą šešėlį. Stiklas išnyksta ant paprastos baltos spalvos, todėl pridėkite lėtą pastelinę aurą mano firminėse spalvose arba neryškų nuotraukos už jo sluoksnį.
Vienas pabrėžė žodžių tipus mano prekės ženklo spalvų gradiente su silpnu švytėjimu už jo.
Judesio taisyklės: išlaikykite kameros dreifą (keiskite nuo 1,0 iki 1,04 kiekvienoje scenoje; kai turinys pereina į kitą sceną, pradėkite nuo priartinimo ten, kur baigėsi ankstesnė scena). Niekas neatsiranda akimirksniu: naudokite bent 0,3 s trukmės sulėtėjusius išblukimus. Keiskite vaizdus kas šešioliktąsias natas, kiekvieną kartą spustelėdami. Scenos pakeitimus sulygiuokite su frazės pradžia ir muzikos kritimą suderinkite su [Veiksmo] linija. Nerodykite ekrane taškų.
Draudžiama: paryškinimai pasirinkimo langeliuose, ritmo metu užfiksuoti smūgiai, balti blyksniai, 3D, šablonai.

Septynios scenos, suderintos su balsu:

1. „Tai [vardas]“: vardas dideliais šriftais įvedamas iš mano nuotraukų koliažas, o tada vieta užleidžiama kategorijos eilutei.
2. „made for [value]“: viso ekrano blyksniai, kuriuose užfiksuoti geriausi mano vaizdai, įjungia šešioliktąsias natas į lašą, o virš jų – balta linija.
3. Lašas: stiklinė raginimo juosta įveda trumpą raginimą. Rezultatų kortelės stilius keičiasi kas 16-ą natą, o juodas žetonas rieda prie kiekvieno naujo vardo virš miniatiūros juostelės.
4. „Parodyk nuotaikų lentą“: 9 vaizdai suskrenda į 3x3 tinklelį, tada rezultatas apibraukiamas apskritimu, kai ekrane pasirodo užrašas „Tai tave sudomins“.
5. „Kuo daugiau naudoji, tuo geriau gaunasi“: parašykite dvi eilutes, pabraukdami žodį gradiente.
6. Nustatymai: parodykite stiklinę plokštę su 3 slankikliais, kurių kiekvienas juda jai įvardijant. Pakeiskite vaizdo atspalvį, užmeskite naujas sėklas ant 16-ųjų, tada paverskite jį plakatu. Sinchroniškai perkelkite neryškų jo spalvų sluoksnį už stiklo.
7. „Kiekvienas [išvestis], būtent toks, kokį matote“: iš centro, už stiklinės antraštės tabletės, išskleiskite 120 mano vaizdų, tada sujunkite juos į mano logotipą, kuriame rodomas pavadinimas. Apačioje parašykite „Dabar išeina“ ir palaikykite 2 sekundes.

Pakeiskite raginimo juostą, rezultatus ir slankiklius tikrais mano produkto įvesties, išvesties ir nustatymų duomenimis.

Nustatykite dainą taip, kad lašas kristų ant [Verb] eilutės, ir ten įtvirtinkite ritmo tinklelį.
Trijų dažnių šonine grandine (žemi dažniai 30 %, vidutiniai 85 %, oras 55 %; 0,3 s išlaikymas, 50 ms išankstinis perjungimas, 0,5 s atleidimas) sumažinkite muzikos garsumą iki minimumo, kol balsas bus maždaug 9 dB aukščiau muzikos tarp 300 Hz ir 4 kHz.
Kiekvienam įvykiui naudokite vieną atsisiųstą „Mixkit“ garso efektą, pozicionuodami jį pagal išmatuotą piką: spragtelėjimas kiekvienam vaizdo pasikeitimui, klavišo garsas kiekvienai įvestai raidei, švelnus nusileidimas ant pabrėžto žodžio, švilpimas ir smūgiai ant kritimo ir logotipo. Apkirpkite kiekvieną pagal piką (daugelis kilimų trunka 4 sekundes). Po galine kortele išblukinkite muziką pagal dB kreivę. Garsumo norma – -14 LUFS.

1. Viena HTML drobė. Kiekvienas kadras yra gryna laiko funkcija seek(t) viduje, o kiekvienas užrašas ir iškirpimas seka po žodžių lentelės.
2. Stiklas: užfiksuokite drobę už formos, suliekite ją apie 14 pikselių kūnui, nubrėžkite lengvai sulietą kopiją, padidintą apie 1,06 karto, 12 pikselių juostoje palei kraštą, tada pridėkite pieno, blizgesio, apvado ir šešėlio.
3. Sukurkite su Playwright 60 kadrų per sekundę greičiu, naudodami 8 judesio suliejimo subkadrus, tada užkoduokite su ffmpeg.
4. Prieš ką nors rodydami, padarykite kadrų kontaktinę kopiją, nuskaitykite kadrų skirtumus, ar nėra pavienių kadrų iššokimų (gali peršokti tik šešioliktos natos eilės) ir patikrinkite kiekvienos frazės balso ir muzikos santykį.

[Šiltai] įžanginis žodis gali skambėti kaip šnabždesys, o [susijaudinęs] – kaip dirbtinis. Paryškinimo langelis už žodžio atrodo kaip pasirinktas tekstas „Windows“ sistemoje. Jei perdavimo metu kamera nustatoma į 1.0, priartinimas užsifiksuoja. 0,05 s užtemimas atrodo kaip momentinis iššokantis vaizdas.

Paprašykite manęs įvesties, parašykite scenarijų, atsiųskite man 4 balso įrašus, iš kurių galėčiau rinktis, tada parodykite man 8 kadrus prieš pilną renderinimą.

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.

Raginimas paimtas iš paštas @rossaxbt.