Видеоролик, посвященный запуску модели Ora 2.

Попросите меня предоставить: название моего продукта, краткое описание в одной строке, мой логотип, от 3 до 6 скриншотов продукта, более 40 изображений того, что он создает (или фотографии), фирменные цвета и шрифт, ключ API ElevenLabs и идентификатор голоса, а также бесплатный трек с четким дропом (аудиофайл и временная метка дропа). Если я что-то пропущу, используйте следующие настройки по умолчанию: "Ora 2", "образец, созданный на заказ", бесплатные изображения с Unsplash и Pixabay, Geist, ink #111214, голос Samara X (19STyYD15bswVz51nqLf) на eleven_v4 и Pixabay "Cascade Breathe" (129.83 BPM, дроп на 75.39 с).

<script>
Напишите закадровый текст из 9 строк в этом формате, адаптировав каждую строку под мой продукт:
«Это [имя]. [Категория]... создано для [значение]. [Глагол] в ЛЮБОМ стиле. Дайте ему [входные данные] — и он просто... поймет. Чем больше вы его используете, тем ЛУЧШЕ он становится. Настройте его [настройку]. Его [настройку]. Его [настройку]. Каждый [выходной параметр] — именно так, как вы себе представляли. [Имя]. Уже в продаже.»
Используйте эмоциональные метки умеренно: [мягко] в тихих строках и [возбужденно] в строке [Глагол]. Не добавляйте эмоциональную метку в начале предложения и заканчивайте его простой точкой.
</script>

Вызовите API ElevenLabs напрямую, используя мой ключ, без MCP. Сгенерируйте 4 полных варианта сценария за один проход и позвольте мне выбрать. Если какая-то строка звучит неправильно, сгенерируйте только эту строку 4 раза и вставьте лучшую версию в мой вариант.
Сократите паузы длительностью более 0,28 с до 0,2 с, затем доведите каждую фразу до уровня, близкого к среднему, на 85%, регулируя усиление только во время пауз.
Для определения времени произнесения слов разделите текст на паузы длительностью 100 мс или более, транскрибируйте каждый сегмент отдельно с помощью Whisper и выровняйте первое слово в нем по измеренному началу. Один проход Whisper может привести к задержке слов до половины секунды.

22-секундный рекламный ролик в квадратной рамке, разрешение 1440x1440, 60 кадров в секунду, в стиле презентации лаборатории искусственного интеллекта: белый холст, один шрифт, черные чернила, реальные изображения и подписи, набранные слово в слово в тот самый момент, когда они произносятся.
Каждый элемент управления (панель подсказок, панель настроек, элемент подписи) использует эффект жидкого стекла: создайте матовое покрытие на заднем плане, изогните его по краю, как толстое стекло, затем добавьте верхний блеск, яркую окантовку и мягкую тень. Стекло исчезает на чисто белом фоне, поэтому добавьте медленную пастельную ауру в цветах моего бренда или размытое изображение фотографии позади него.
Выделенное слово напечатано градиентом в цветах моего бренда, с едва заметным свечением позади него.
Правила движения: постоянно перемещайте камеру (увеличение масштаба от 1,0 до 1,04 для каждой сцены; при переходе к следующей сцене начните движение с того места, где закончилась предыдущая сцена). Ничего не появляется мгновенно: используйте плавные переходы длительностью не менее 0,3 с. Меняйте изображения на шестнадцатых нотах, используя по одному щелчку для каждого. Смена сцен происходит в начале фраз, а музыкальная кульминация выравнивается с линией [Глагол]. Не отображайте точки на экране.
Запрещено: выделение фрагментов в рамке выбора, резкие удары, белые вспышки, 3D, шаблоны.

Семь сцен, синхронизированных с голосом:

1. "Это [имя]": по мере того, как имя вводится крупным шрифтом, появляется коллаж из моих изображений, а затем сменяется строкой категории.
2. "made for [value]": на экране появляются вспышки моих лучших изображений, которые сменяются шестнадцатыми нотами в дропе, а поверх них белым цветом напечатана строка.
3. Запуск: стеклянная панель подсказок вводит короткую подсказку. Карточка с результатом меняет стиль каждые 16 нот, а черный фишка стиля перемещается к каждому новому имени над полосой миниатюр.
4. «Покажите мудборд»: 9 изображений появляются в сетке 3x3, затем результат обводится по кругу, а на экране появляется надпись «Это вас цепляет».
5. «Чем чаще вы это используете, тем лучше становится»: напишите две строки, выделив слово градиентом.
6. Настройки: показать стеклянную панель с тремя ползунками, каждый из которых перемещается в соответствии с её названием. Изменить оттенок изображения, выбросить новые семена на 16-й степени, затем превратить изображение в постер. Синхронно перемещать размытый слой цветов за стеклом.
7. «Каждый [выход], именно так, как вы его видите»: разверните 120 моих изображений от центра за стеклянной таблеткой с подписью, затем объедините их в мой логотип, пока набирается имя. Добавьте «Вышло сейчас» и удерживайте 2 секунды.

Замените подсказку, результаты и ползунки реальными входными данными, выходными данными и настройками моего продукта.

Настройте песню так, чтобы кульминация приходилась на строку [Verb], и закрепите сетку ритма в этой точке.
Приглушите музыку под вокалом с помощью 3-полосной сайдчейн-системы (низкие частоты 30%, средние частоты 85%, воздушность 55%; время удержания 0,3 с, время прогнозирования 50 мс, время затухания 0,5 с). Затем отрегулируйте средние частоты каждой фразы, пока голос не будет примерно на 9 дБ выше музыки в диапазоне от 300 Гц до 4 кГц.
Используйте один загруженный звуковой эффект Mixkit для каждого события, расположив его по измеренному пиковому значению: щелчок при каждой смене изображения, звук нажатия клавиши при каждой набранной букве, мягкое завершение выделенного слова, свист и удары при падении и появлении логотипа. Обрежьте каждый эффект вокруг его пика (многие нарастающие звуки длятся 4 секунды). Плавно изменяйте громкость музыки по кривой в дБ под финальной заставкой. Норма громкости -14 LUFS.

1. Один HTML холст. Каждый кадр является функцией времени внутри функции seek(t), а каждая подпись и монтаж следуют за таблицей слов.
2. Стекло: захватите холст за фигурой, размойте его примерно на 14 пикселей для тела, нарисуйте слегка размытую копию, увеличенную примерно в 1,06 раза, в полосе шириной 12 пикселей вдоль края, затем добавьте молочко, блеск, ободок и тень.
3. Выполните рендеринг с помощью Playwright со скоростью 60 кадров в секунду, используя 8 субкадров с размытием в движении, затем закодируйте с помощью ffmpeg.
4. Прежде чем что-либо показывать, сделайте контактный лист из статичных изображений, просканируйте различия между кадрами на наличие отдельных щелчков (скачки могут быть только в шестнадцатых нотах) и проверьте соотношение голоса и музыки для каждой фразы.

Вступительная фраза может звучать шепотом, а восторженная — неестественно. Рамка с выделением текста за словом выглядит как текстовое выделение в Windows. Если камера возвращается к значению 1.0 во время передачи управления, масштабирование резко меняется. Затухание с задержкой в 0,05 секунды выглядит как мгновенное появление объекта.

Попросите меня предоставить исходные данные, напишите сценарий, пришлите мне 4 варианта озвучки на выбор, а затем покажите 8 статичных изображений перед полным рендерингом.

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.

Промпт взят из поста @rossaxbt.