ඕරා 2 රූප ආකෘතිය දියත් කිරීමේ චිත්‍රපටය

මගෙන් අහන්න: මගේ නිෂ්පාදන නාමය, එක්-පේළි තාරතාව, මගේ ලාංඡනය, නිෂ්පාදනයේ තිරපිටපත් 3 සිට 6 දක්වා, එය නිර්මාණය කරන දේවල රූප 40+ (හෝ එහි ඡායාරූප), මගේ වෙළඳ නාම වර්ණ සහ අකුරු, ElevenLabs API යතුරක් සහ හඬ හැඳුනුම්පතක්, ඊට අමතරව පැහැදිලි පහත වැටීමක් සහිත රාජකීයත්වයෙන් තොර ධාවන පථයක් (ශ්‍රව්‍ය ගොනුව සහ පහත වැටීමේ කාල මුද්‍රාව). මම කිසිවක් මඟ හැරියහොත්, මෙම පෙරනිමි භාවිතා කරන්න: "Ora 2", "රසය සඳහා සාදන ලද රූප ආකෘතියක්", Unsplash සහ Pixabay වෙතින් නොමිලේ රූප, Geist, තීන්ත #111214, eleven_v4 හි Samara X (19STyYD15bswVz51nqLf) හඬ සහ Pixabay "Cascade Breathe" (129.83 BPM, තත්පර 75.39 ට පහත වැටීම).

<script>
මෙම ආකෘතියෙන් පේළි 9ක හඬකැවීමක් ලියා සෑම පේළියක්ම මගේ නිෂ්පාදනයට අනුවර්තනය කරන්න:
"මේ [නම]. [ප්‍රවර්ගයක්]... [අගය] සඳහා ගොඩනගා ඇත. [ක්‍රියා පදය] ඕනෑම ශෛලියකින්. එයට [ආදානයක්] දෙන්න - එවිට එය... තේරුම් ගනී. ඔබ එය වැඩි වැඩියෙන් භාවිතා කරන තරමට, එය වඩා හොඳ වේ. එහි [සැකසුම] සකසන්න. එහි [සැකසුම]. එහි [සැකසුම]. සෑම [ප්‍රතිදානයක්ම] - ඔබ එය නිරූපණය කළ ආකාරයටම. [නම]. දැන් එළියට."
හැඟීම් ටැග් අරපිරිමැස්මෙන් භාවිතා කරන්න: නිහඬ රේඛා මත [මෘදු] සහ [ක්‍රියා පදය] රේඛාව මත [උද්යෝගිමත්]. ආරම්භකය ටැග් නොකරන්න, එය සරල පූර්ණ නැවතුමකින් අවසන් කරන්න.
</script>

MCP එකක් නොමැතිව, මගේ යතුර භාවිතයෙන් ElevenLabs API එක කෙලින්ම අමතන්න. එක පාස් එකකින් සම්පූර්ණ-ස්ක්‍රිප්ට් ටේක් 4ක් ජනනය කර මට තෝරා ගැනීමට ඉඩ දෙන්න. පේළියක් නිවැරදිව ශබ්ද නොකරන්නේ නම්, එම පේළිය පමණක් 4 වතාවක් නැවත උත්පාදනය කර හොඳම අනුවාදය මගේ ටේක් එකට බෙදන්න.
තත්පර 0.28 ට වඩා දිගු විරාම තත්පර 0.2 දක්වා කෙටි කරන්න, ඉන්පසු සෑම වාක්‍ය ඛණ්ඩයකින්ම 85% ක් මධ්‍ය මට්ටමට ගෙන එන්න, විරාමයන්හිදී පමණක් ලාභය සකසන්න.
වචන කාල නිර්ණය සඳහා, කියවීම 100ms හෝ ඊට වැඩි විරාම වලදී බෙදන්න, එක් එක් කොටස Whisper සමඟ වෙන වෙනම පිටපත් කරන්න, සහ එහි පළමු වචනය මනින ලද ආරම්භයට පෙළගස්වන්න. තනි Whisper පාස් එකකට වචන තත්පර භාගයක් ප්‍රමාද විය හැක.

තත්පර 22ක හතරැස් දියත් කිරීමේ චිත්‍රපටයක්, 1440x1440, තත්පරයට රාමු 60 කින්, AI විද්‍යාගාර දියත් කිරීමේ ශෛලියෙන්: සුදු කැන්වසය, එක් අකුරු මුහුණතක්, කළු තීන්ත, සැබෑ රූප සහ ඒවා කථා කරන නිශ්චිත වේලාවට වචනයෙන් වචනය ටයිප් කරන ලද සිරස්තල.
සෑම පාලනයක්ම (ප්‍රොම්ප්ට් තීරුව, සැකසුම් පැනලය, කැප්ෂන් පෙති) ද්‍රව වීදුරු භාවිතා කරයි: එය පිටුපස දර්ශනය හිමෙන් පුරවන්න, එම දර්ශනය ඝන වීදුරුවක් මෙන් දාරය දිගේ නැමෙන්න, පසුව ඉහළ දීප්තියක්, දීප්තිමත් දාරයක් සහ මෘදු එසවුම් සෙවනැල්ලක් එක් කරන්න. වීදුරුව සරල සුදු පැහැයෙන් අතුරුදහන් වේ, එබැවින් මගේ වෙළඳ නාම වර්ණවලින් මන්දගාමී පැස්ටල් ආලෝකයක් හෝ එය පිටුපස ඡායාරූපයේ නොපැහැදිලි සේදීමක් එක් කරන්න.
මගේ වෙළඳ නාම වර්ණවල අනුක්‍රමණයකින් වචන වර්ග අවධාරණය කළ එක, ඒ පිටුපස දුර්වල දීප්තියක් ඇත.
චලන නීති: කැමරාව චලනය වන පරිදි තබා ගන්න (දර්ශනයකට 1.0 සිට 1.04 දක්වා තල්ලු කරන්න; අන්තර්ගතය ඊළඟ දර්ශනයට යන විට, පෙර දර්ශනය අවසන් වූ විශාලනයෙන් ආරම්භ කරන්න). කිසිවක් ක්ෂණිකව නොපෙනේ: අවම වශයෙන් තත්පර 0.3 ක ලිහිල් මැකී යාමක් භාවිතා කරන්න. 16 වන සටහන් වල රූප වෙනස් කරන්න, එක් එක් සඳහා ක්ලික් කිරීමකින්. වාක්‍ය ඛණ්ඩය ආරම්භ වන විට භූමි දර්ශන වෙනස්කම්, සහ සංගීත පහත වැටීම [ක්‍රියා පදය] රේඛාව සමඟ පෙළගස්වන්න. තිරය මත සම්පූර්ණ නැවතුම් පෙන්වන්න එපා.
තහනම් කර ඇත: තේරීම්-කොටු උද්දීපනයන්, පහර-ස්නැප් කරන ලද ස්ලෑම්, සුදු ෆ්ලෑෂ්, 3D, සැකිලි.

හඬට අනුව කාලානුරූපී දර්ශන හතක්:

1. "මෙය [නම]": නම විශාල ලෙස ටයිප් කරන විට මගේ රූපවල කොලෙජ් එකක් පිටතට ගලා ගොස්, පසුව ප්‍රවර්ග රේඛාවට මග පාදයි.
2. "[වටිනාකමට] සාදන ලදී": මගේ හොඳම රූපවල සම්පූර්ණ තිර ෆ්ලෑෂ් 16 වන සටහන් බිංදුවට මාරු වන අතර, ඒවාට ඉහළින් සුදු පැහැයෙන් ටයිප් කරන ලද රේඛාවක් ඇත.
3. පහත වැටීම: වීදුරු ප්‍රොම්ප්ට් තීරුවක් කෙටි ප්‍රොම්ප්ට් එකක් ටයිප් කරයි. ප්‍රතිඵල කාඩ්පත සෑම 16 වන සටහනකටම විලාසය වෙනස් කරන අතර, කළු පැහැති විලාසයේ චිපයක් සිඟිති රූ තීරුවකට ඉහළින් සෑම නව නමකටම පෙරළේ.
4. "මනෝ පුවරුවක් පෙන්වන්න": රූප 9ක් 3x3 ජාලයකට පියාසර කර, පසුව ප්‍රතිඵලය තිරය මත "එය ඔබව ලබා ගනී" ලෙස රවුම් කරන්න.
5. "ඔබ එය වැඩි වැඩියෙන් භාවිතා කරන තරමට, එය වඩා හොඳ වේ": අවධාරණය කරන ලද වචනය අනුක්‍රමණයේ තබාගෙන පේළි දෙකක් ටයිප් කරන්න.
6. සැකසුම්: ඇය නම් කරන විට චලනය වන ස්ලයිඩර් 3ක් සහිත වීදුරු පැනලයක් පෙන්වන්න. රූපයේ පැහැය වෙනස් කරන්න, 16 වන දින නව බීජ රෝල් කරන්න, ඉන්පසු එය පෝස්ටරයක් බවට පත් කරන්න. සමමුහුර්තව වීදුරුව පිටුපස එහි වර්ණ බොඳ කළ සේදීමක් මාරු කරන්න.
7. "සෑම [ප්‍රතිදානයක්ම], ඔබ එය දකින ආකාරයටම": වීදුරු කැප්ෂන් පෙත්තක් පිටුපස මැද සිට මගේ රූප 120ක් පිටතට පුපුරවා, පසුව නම ටයිප් කරන විට ඒවා මගේ ලාංඡනයට එක් කරන්න. "දැන් එළියට යන්න" යටින් තබා තත්පර 2ක් අල්ලාගෙන සිටින්න.

මගේ නිෂ්පාදනයේ සැබෑ ආදානය, ප්‍රතිදානයන් සහ සැකසුම් සමඟ විමසුම් තීරුව, ප්‍රතිඵල සහ ස්ලයිඩර් ප්‍රතිස්ථාපනය කරන්න.

[ක්‍රියා පදය] රේඛාවට වැටෙන පරිදි ගීතය සකසා, බීට් ජාලය එහි සවි කරන්න.
3-බෑන්ඩ් පැති දාමයක් (අඩු 30%, මැද 85%, වාතය 55%; 0.3s රඳවා තබා ගැනීම, 50ms ඉදිරියෙන් බැලීම, 0.5s මුදා හැරීම) සමඟින් හඬ යට සංගීතය තල්ලු කරන්න. ඉන්පසු හඬ සංගීතයට වඩා 300 Hz සහ 4 kHz අතර 9 dB පමණ ඉහළින් පිහිටා ඇති තෙක් සෑම වාක්‍ය ඛණ්ඩයකම මැද සකසන්න.
එක් සිදුවීමකට බාගත කළ Mixkit SFX එකක් භාවිතා කරන්න, එහි මනින ලද උච්චතම අවස්ථාව අනුව ස්ථානගත කර ඇත: එක් එක් රූප වෙනස් කිරීම සඳහා ක්ලික් කිරීමක්, ටයිප් කළ සෑම අකුරක් සඳහාම යතුරු ශබ්දයක්, අවධාරණය කරන ලද වචනය මත මෘදු ගොඩබෑමක්, හූෂ් සහ පහත වැටීම සහ ලාංඡනය මත බලපෑම්. එහි උච්චතම අවස්ථාව වටා සෑම එකක්ම කපන්න (බොහෝ රයිසර් තත්පර 4 කි). අවසාන කාඩ්පත යටතේ dB වක්‍රයක් දිගේ සංගීතය මැකී යන්න. -14 LUFS දක්වා ශබ්ද මට්ටම අඩු කරන්න.

1. එක් HTML කැන්වසයක්. සෑම රාමුවක්ම seek(t) තුළ කාලයේ පිරිසිදු ශ්‍රිතයක් වන අතර, සෑම කැප්ෂන් එකක් සහ කැපුමක්ම වචන වගුව අනුගමනය කරයි.
2. වීදුරුව: හැඩය පිටුපස කැන්වසය ග්‍රහණය කර, ශරීරය සඳහා එය 14px පමණ බොඳ කරන්න, දාරය දිගේ 12px පටියකින් 1.06x පමණ විශාලනය කරන ලද සැහැල්ලුවෙන් බොඳ වූ පිටපතක් අඳින්න, ඉන්පසු කිරි, ෂීන්, රිම් සහ සෙවනැල්ල එක් කරන්න.
3. චලන-බොඳ කිරීමේ උප රාමු 8ක් භාවිතා කරමින් Playwright සමඟ 60fps හි විදැහුම් කරන්න, පසුව ffmpeg සමඟ කේතනය කරන්න.
4. මට කිසිවක් පෙන්වීමට පෙර, නිශ්චල ඡායාරූපවල සම්බන්ධතා පත්‍රිකාවක් සාදන්න, තනි රාමු පොප් සඳහා රාමු වෙනස්කම් ස්කෑන් කරන්න (16 වන සටහනේ ධාවන පථ පමණක් පැනිය හැක), සහ සෑම වාක්‍ය ඛණ්ඩයකම හඬ-සංගීත අනුපාතය පරීක්ෂා කරන්න.

[උණුසුම්] ආරම්භක යන්ත්‍රයක් මුමුණන ශබ්දයක් ඇසෙන අතර [උද්යෝගිමත්] ව්‍යාජ බවක් දැනිය හැකිය. වචනයක් පිටුපස ඇති උද්දීපන කොටුවක් වින්ඩෝස් පෙළ තේරීමක් මෙන් පෙනේ. භාරදීමක් අතරතුර කැමරාව 1.0 වෙත නැවත සකසන විට, විශාලනය කඩා වැටේ. තත්පර 0.05 ක මැකී යාමක් ක්ෂණික උත්පතනයක් මෙන් පෙනේ.

මගෙන් ආදාන ඉල්ලන්න, පිටපත ලියන්න, තෝරා ගැනීමට හඬ කැවීම් 4ක් එවන්න, පසුව සම්පූර්ණ විදැහුම්කරණයට පෙර මට නිශ්චල ඡායාරූප 8ක් පෙන්වන්න.

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.

විමසුම ලබා ගත්තේ තැපැල් @rossaxbt.