அமைத்தல்: ஓரா 2 இமேஜ் மாடல் வெளியீட்டுத் திரைப்படம்

என்னிடம் இவற்றைக் கேளுங்கள்: எனது தயாரிப்பின் பெயர், ஒரு வரியில் ஒரு சிறு அறிமுகம், எனது லோகோ, தயாரிப்பின் 3 முதல் 6 ஸ்கிரீன்ஷாட்கள், அது உருவாக்கும் பொருட்களின் 40-க்கும் மேற்பட்ட படங்கள் (அல்லது அதன் புகைப்படங்கள்), எனது பிராண்டின் வண்ணங்கள் மற்றும் எழுத்துரு, ஒரு ElevenLabs API கீ மற்றும் வாய்ஸ் ஐடி, மேலும் தெளிவான டிராப்புடன் கூடிய ராயல்டி இல்லாத ஒரு ட்ராக் (ஆடியோ கோப்பு மற்றும் டிராப் டைம்ஸ்டாம்ப்). நான் எதையாவது விட்டுவிட்டால், இந்த இயல்புநிலைகளைப் பயன்படுத்தவும்: "Ora 2", "சுவைக்காக உருவாக்கப்பட்ட ஒரு இமேஜ் மாடல்", Unsplash மற்றும் Pixabay-இலிருந்து இலவசப் படங்கள், Geist, இங்க் #111214, eleven_v4-இல் உள்ள Samara X-இன் குரல் (19STyYD15bswVz51nqLf), மற்றும் Pixabay-இன் "Cascade Breathe" (129.83 BPM, 75.39 வினாடிகளில் டிராப்).

<script>
இந்த வடிவத்தில் 9 வரிகள் கொண்ட பின்னணிக் குரலை எழுதி, ஒவ்வொரு வரியையும் எனது தயாரிப்புக்கு ஏற்றவாறு மாற்றியமைக்கவும்:
இது [பெயர்]. ஒரு [பிரிவு]... [மதிப்பு]க்காக உருவாக்கப்பட்டது. [வினைச்சொல்] எந்தப் பாணியிலும். இதற்கு ஒரு [உள்ளீடு] கொடுங்கள் - அது தானாகவே... புரிந்துகொள்ளும். நீங்கள் இதை எவ்வளவு அதிகமாகப் பயன்படுத்துகிறீர்களோ, அவ்வளவு சிறப்பாக இது மாறும். இதன் [அமைப்பை] சரிசெய்யுங்கள். இதன் [அமைப்பு]. இதன் [அமைப்பு]. ஒவ்வொரு [வெளியீடும்] - நீங்கள் கற்பனை செய்தபடியே துல்லியமாக இருக்கும். [பெயர்]. இப்போது வெளியாகிவிட்டது.
உணர்ச்சிக் குறிகளை அளவோடு பயன்படுத்துங்கள்: அமைதியான வரிகளில் [softly] என்றும், [Verb] வரியில் [excited] என்றும் பயன்படுத்துங்கள். தொடக்க வாக்கியத்தில் உணர்ச்சிக் குறியைப் பயன்படுத்தாதீர்கள், மேலும் அதை ஒரு சாதாரண முற்றுப்புள்ளியுடன் முடியுங்கள்.
</script>

MCP இல்லாமல், எனது கீயைப் பயன்படுத்தி ElevenLabs API-ஐ நேரடியாக அழைக்கவும். ஒரே முறையில் 4 முழு ஸ்கிரிப்ட் டேக்குகளை உருவாக்கி, நான் தேர்வு செய்ய அனுமதிக்கவும். ஒரு வரி சரியாக ஒலிக்கவில்லை என்றால், அந்த வரியை மட்டும் 4 முறை மீண்டும் உருவாக்கி, சிறந்த பதிப்பை எனது டேக்கில் இணைக்கவும்.
0.28 வினாடிகளுக்கு மேலான இடைநிறுத்தங்களை 0.2 வினாடிகளாகக் குறைக்கவும், பின்னர் இடைநிறுத்தங்களின் போது மட்டும் கெய்னைச் சரிசெய்து, ஒவ்வொரு சொற்றொடரையும் சராசரி அளவை நோக்கி 85% அளவுக்குக் கொண்டு வரவும்.
வார்த்தை நேரங்களைக் கணக்கிட, வாசிப்பை 100 மில்லி விநாடி அல்லது அதற்கும் அதிகமான இடைவெளிகளில் பிரித்து, ஒவ்வொரு பகுதியையும் Whisper மென்பொருளைக் கொண்டு தனித்தனியாகப் படியெடுத்து, அதன் முதல் வார்த்தையை அளவிடப்பட்ட தொடக்கத்துடன் சீரமைக்கவும். Whisper மென்பொருளை ஒரே முறை பயன்படுத்தும்போது, வார்த்தைகள் அரை வினாடி வரை தாமதமாக இடம்பெறக்கூடும்.

ஒரு செயற்கை நுண்ணறிவு ஆய்வக ஏவுதல் பாணியில் அமைந்த, 22 வினாடிகள் கொண்ட ஒரு சதுர வடிவ ஏவுதல் காணொளி; 1440x1440 தெளிவுத்திறனில், 60fps வேகத்தில்: வெள்ளைத் திரை, ஒரே எழுத்துரு, கருப்பு மை, உண்மையான படங்கள், மற்றும் பேசப்படும் அதே நேரத்தில் வார்த்தைக்கு வார்த்தை தட்டச்சு செய்யப்படும் வசனங்கள்.
ஒவ்வொரு கட்டுப்பாடும் (உரையாடல் பட்டி, அமைப்புகள் பலகம், தலைப்புப் பகுதி) திரவக் கண்ணாடியைப் பயன்படுத்துகிறது: அதன் பின்னணியில் உள்ள காட்சியைப் பனிமூட்டமாக்கி, அந்தக் காட்சியைத் தடித்த கண்ணாடி போல விளிம்பில் வளைத்து, பின்னர் ஒரு மேல் பளபளப்பு, பிரகாசமான விளிம்பு மற்றும் மென்மையான மேல்நோக்கிய நிழலைச் சேர்க்கிறது. வெற்று வெள்ளையில் கண்ணாடி மறைந்துவிடும், எனவே எனது பிராண்ட் வண்ணங்களில் ஒரு மெதுவான பாஸ்டல் ஒளிவட்டத்தையோ அல்லது அதன் பின்னணியில் உள்ள புகைப்படத்தின் மங்கலான வண்ணப் பூச்சையோ சேர்க்கவும்.
அதில் ஒன்று, எனது பிராண்ட் வண்ணங்களின் வண்ணச் சாய்வில் வார்த்தை வகைகளை வலியுறுத்திக் காட்டியது, அதன் பின்னணியில் ஒரு மெல்லிய ஒளி இருந்தது.
இயக்க விதிகள்: கேமராவைத் தொடர்ந்து நகர விடுங்கள் (ஒவ்வொரு காட்சிக்கும் 1.0 முதல் 1.04 வரை ஜூம் அளவை அதிகரிக்கவும்; உள்ளடக்கம் அடுத்த காட்சிக்கு நகரும்போது, முந்தைய காட்சி முடிந்த ஜூம் அளவிலிருந்து தொடங்கவும்). எதுவும் உடனடியாகத் தோன்றக்கூடாது: குறைந்தது 0.3 விநாடிகள் கொண்ட மென்மையான மங்கல்களைப் பயன்படுத்தவும். ஒவ்வொரு 16-ஆவது ஸ்வரத்திற்கும் ஒரு கிளிக் செய்து, படங்களை மாற்றவும். சொற்றொடர் தொடங்கும் போது காட்சி மாற்றங்களைச் செய்யவும், மேலும் இசையின் வீழ்ச்சியை [வினைச்சொல்] வரியுடன் சீரமைக்கவும். திரையில் முற்றுப்புள்ளிகளைக் காட்ட வேண்டாம்.
தடைசெய்யப்பட்டவை: தேர்வுப் பெட்டி ஹைலைட்டுகள், திடீர் தாளத் தாக்குதல்கள், வெள்ளை ஒளிர்தல்கள், 3D, வார்ப்புருக்கள்.

குரலுக்கு ஏற்றவாறு நேரமிடப்பட்ட ஏழு காட்சிகள்:

1. "இது [பெயர்]": பெயர் பெரிய எழுத்தில் தட்டச்சு செய்யப்படும்போது, எனது படங்களின் படத்தொகுப்பு மெதுவாக வெளிப்பட்டு, பின்னர் வகைக்கான வரிக்கு வழிவிடுகிறது.
2. "[மதிப்புக்காக] உருவாக்கப்பட்டது": இசையின் உச்சஸ்தாயிக்குள் நுழையும் 16-வது ஸ்வரக்குறிப்புகளில், எனது சிறந்த புகைப்படங்கள் முழுத் திரையில் மின்னுகின்றன; அவற்றின் மீது வெள்ளை நிறத்தில் அந்த வரி தட்டச்சு செய்யப்பட்டிருக்கும்.
3. திரை விழுதல்: ஒரு கண்ணாடித் தூண்டுதல் பட்டை ஒரு சிறிய தூண்டுதலைத் தட்டச்சு செய்கிறது. ஒவ்வொரு 16வது குறிப்பிற்கும் முடிவு அட்டையின் பாணி மாறுகிறது, அதே நேரத்தில் ஒரு சிறுபடப் பட்டைக்கு மேலே உள்ள ஒவ்வொரு புதிய பெயருக்கும் ஒரு கருப்புப் பாணிச் சில்லு உருண்டு செல்கிறது.
4. "ஒரு மூட்போர்டைக் காட்டுங்கள்": 9 படங்கள் ஒரு 3x3 கட்டத்திற்குள் பறந்து வரும், பின்னர் திரையில் "It gets you" எனத் தட்டச்சு செய்யப்படும்போது அதன் விளைவு வட்டமிடப்படும்.
5. "நீங்கள் அதை எவ்வளவு அதிகமாகப் பயன்படுத்துகிறீர்களோ, அவ்வளவு சிறப்பாக அது மாறும்": வண்ணச் சாய்வுப் பகுதியில் (gradient) வலியுறுத்தப்பட்ட சொல் இருக்குமாறு இரண்டு வரிகளைத் தட்டச்சு செய்யவும்.
6. அமைப்புகள்: அவள் பெயரிடும்போது ஒவ்வொன்றும் நகரும் வகையில், 3 ஸ்லைடர்களுடன் கூடிய ஒரு கண்ணாடிப் பலகையைக் காட்டவும். படத்தின் சாயலை மாற்றி, 16-ல் புதிய விதைகளை உருட்டி, பின்னர் அதை ஒரு சுவரொட்டியாக மாற்றவும். கண்ணாடிக்குப் பின்னால் அதன் வண்ணங்களின் மங்கலான பூச்சை ஒத்திசைவாக நகர்த்தவும்.
7. "ஒவ்வொரு [வெளியீடும்], நீங்கள் பார்ப்பது போலவே": ஒரு கண்ணாடி தலைப்புப் பட்டியின் பின்னால் மையத்திலிருந்து எனது 120 படங்களை வெளிப்புறமாகப் பரப்பி, பின்னர் பெயர் தட்டச்சு செய்யப்படும்போது அவற்றை எனது இலச்சினையாக ஒன்றிணைக்கவும். அதன் கீழே "இப்போது வெளியானது" என்று எழுதி 2 விநாடிகள் வைத்திருக்கவும்.

கட்டளைப் பட்டி, முடிவுகள் மற்றும் ஸ்லைடர்களை எனது தயாரிப்பின் உண்மையான உள்ளீடுகள், வெளியீடுகள் மற்றும் அமைப்புகளுடன் மாற்றவும்.

பாடலின் 'டிராப்' பகுதி [Verb] வரியில் அமையுமாறு பாடலை அமைத்து, பீட் கிரிட்டை அங்கேயே நிலைநிறுத்துங்கள்.
3-பேண்ட் சைட்செயின் (குறைந்த அதிர்வெண்கள் 30%, நடுத்தர அதிர்வெண்கள் 85%, இடைவெளி 55%; 0.3 வி நிறுத்தம், 50 மி.வி முன்னோட்டம், 0.5 வி வெளியீடு) கொண்டு இசையைக் குரலுக்குக் கீழே அடக்குங்கள். பின்னர், 300 ஹெர்ட்ஸ் மற்றும் 4 கிலோஹெர்ட்ஸ் அதிர்வெண்களுக்கு இடையில், குரலானது இசையை விட சுமார் 9 டெசிபல் அதிகமாக இருக்கும் வரை ஒவ்வொரு இசைத் தொடரின் நடுத்தர அதிர்வெண்களையும் சரிசெய்யுங்கள்.
ஒவ்வொரு நிகழ்விற்கும் பதிவிறக்கம் செய்யப்பட்ட ஒரு மிக்ஸ்கிட் ஒலி விளைவைப் பயன்படுத்தவும். அதனை அதன் அளவிடப்பட்ட உச்சத்தின் அடிப்படையில் நிலைநிறுத்தவும்: ஒவ்வொரு பட மாற்றத்திற்கும் ஒரு கிளிக் ஒலி, தட்டச்சு செய்யப்பட்ட ஒவ்வொரு எழுத்திற்கும் ஒரு விசை ஒலி, அழுத்தப்பட்ட வார்த்தையில் ஒரு மென்மையான தரையிறக்கம், சீழ்க்கை ஒலிகள், மற்றும் டிராப் மற்றும் லோகோவில் ஏற்படும் தாக்கங்கள். ஒவ்வொன்றையும் அதன் உச்சத்தைச் சுற்றி ஒழுங்குபடுத்தவும் (பல ரைசர்கள் 4 வினாடிகள் ஆகும்). இறுதி அட்டைக்குக் கீழே ஒரு dB வளைவின் வழியே இசையை மங்கச் செய்யவும். லவுட்நார்ம்-ஐ -14 LUFS-க்கு அமைக்கவும்.

1. ஒரே ஒரு HTML கேன்வாஸ். seek(t) செயல்பாட்டிற்குள் ஒவ்வொரு ஃபிரேமும் நேரத்தைச் சார்ந்த ஒரு முழுமையான சார்பு ஆகும், மேலும் ஒவ்வொரு தலைப்பும் வெட்டும் சொல் அட்டவணையைப் பின்பற்றுகிறது.
2. கண்ணாடி: வடிவத்தின் பின்னால் உள்ள கேன்வாஸைப் படம்பிடித்து, அதன் உடற்பகுதிக்காக சுமார் 14px அளவுக்கு மங்கலாக்கவும். பின்னர், லேசாக மங்கலாக்கப்பட்ட அதன் நகலை சுமார் 1.06x அளவுக்குப் பெரிதாக்கி, விளிம்பில் 12px அகலமுள்ள பட்டையாக வரையவும். அதன்பிறகு, மில்க், ஷீன், ரிம் மற்றும் ஷேடோ ஆகியவற்றைச் சேர்க்கவும்.
3. Playwright கொண்டு 60fps வேகத்தில், 8 மோஷன்-ப்ளர் சப்ஃபிரேம்களைப் பயன்படுத்தி ரெண்டர் செய்யவும், பின்னர் ffmpeg கொண்டு என்கோட் செய்யவும்.
4. எனக்கு எதையும் காண்பிப்பதற்கு முன், நிலையான படங்களின் காண்டாக்ட் ஷீட்டைத் தயார் செய்து, ஒவ்வொரு ஃபிரேமிலும் ஏற்படும் திடீர் ஒலிச் சத்தங்களுக்காக (pops) ஃபிரேம் வேறுபாடுகளை ஸ்கேன் செய்யவும் (16-வது ஸ்வரத் தொடர்கள் மட்டும் திடீரெனத் தாவக்கூடும்), மேலும் ஒவ்வொரு இசைத் தொடருக்கும் குரலுக்கும் இசைக்குமான விகிதத்தைச் சரிபார்க்கவும்.

ஒரு [அன்பான] தொடக்கம் கிசுகிசுப்பது போல் ஒலிக்கலாம், அதே சமயம் [உற்சாகமான] தொடக்கம் போலியாகத் தோன்றலாம். ஒரு வார்த்தையின் பின்னால் உள்ள ஹைலைட் பெட்டி, விண்டோஸ் டெக்ஸ்ட் செலக்ஷன் போலத் தெரிகிறது. கைமாற்றத்தின் போது கேமரா 1.0-க்கு மீட்டமைக்கப்பட்டால், ஜூம் சட்டென்று நின்றுவிடுகிறது. 0.05 வினாடி ஃபேட், ஒரு உடனடி பாப்-இன் போலத் தெரிகிறது.

என்னிடம் உங்கள் உள்ளீடுகளைக் கேளுங்கள், திரைக்கதையை எழுதுங்கள், நான் தேர்ந்தெடுப்பதற்காக 4 குரல் பதிவுகளை எனக்கு அனுப்புங்கள், பிறகு முழுமையான ரெண்டரிங்கிற்கு முன்பு 8 புகைப்படங்களைக் காட்டுங்கள்.

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.

தூண்டுதலிலிருந்து எடுக்கப்பட்டது பதிவு @rossaxbt.