Көйләү: Ora 2 образ моделен тәкъдим итү фильмы

Миннән сорагыз: продукт исеме, бер юллы тәкъдим, логотибым, продуктның 3-6 скриншоты, ул ясаган 40+ рәсем (яки аның фотолары), бренд төсләре һәм шрифты, ElevenLabs API ачкычы һәм тавыш идентификаторы, өстәвенә ачык ташлама белән роялтисыз трек (аудио файл һәм ташлама вакыт тамгасы). Әгәр мин берәр нәрсәне калдырсам, түбәндәге гадәти көйләүләрне кулланыгыз: "Ora 2", "зәвык өчен ясалган рәсем моделе", Unsplash һәм Pixabay'дан бушлай рәсемнәр, Geist, ink #111214, eleven_v4'тагы Самара X тавышы (19STyYD15bswVz51nqLf) һәм Pixabay "Cascade Breathe" (129.83 BPM, 75.39 секундта ташлама).

<script>
Бу форматта 9 юллык тавыш күчермәсе языгыз һәм һәр юлны минем продуктка туры китерегез:
"Бу [исем]. [категория]... [кыйммәт] өчен төзелгән. [Фигыль] теләсә нинди стильдә. Аңа [кертү] бирегез - һәм ул бары тик... аңлый. Сез аны күбрәк кулланган саен, ул ЯХШЫРАК була. Аның [көйләүләрен] көйләгез. Аның [көйләүләрен]. Аның [көйләүләрен]. Һәр [чыгышны] - нәкъ сез күз алдына китергәнчә. [Исем]. Хәзер чыга."
Хисләрне сирәгрәк кулланыгыз: тыныч җөмләләрдә [йомшак] һәм [Фигыль] җөмләсендә [дулкынланган] кулланыгыз. Башлангыч җөмләне билгеләмәгез һәм аны гади нокта белән тәмамлагыз.
</script>

ElevenLabs API'сына MCP кулланмыйча, турыдан-туры минем ачкычны кулланып шалтыратыгыз. Бер тапкыр 4 тулы сценарий вариантын булдырыгыз һәм миңа сайларга рөхсәт итегез. Әгәр юл дөрес яңгырамаса, шул юлны 4 тапкыр гына яңадан ясагыз һәм иң яхшы версиясен минем вариантка кушыгыз.
0,28 секундтан озынрак паузаларны 0,2 секундка кадәр кыскартыгыз, аннары һәр фразаны уртача дәрәҗәгә 85% ка җиткерегез, көчәйтүне бары тик пауза вакытында гына көйләгез.
Сүзләр вакытын билгеләү өчен, укуны 100 мс яки аннан да озаграк паузалар белән бүлегез, һәр сегментны Whisper белән аерым күчерегез һәм аның беренче сүзен үлчәнгән башлангыч белән туры китерегез. Whisper'ның бер тапкыр гына үтүе сүзләрне ярты секундка кадәр соңга калдырырга мөмкин.

22 секундлык квадрат форматлы, 1440x1440 пиксель, секундына 60 кадр тизлегендә, ясалма интеллект лабораториясендәге кебек эшләнгән старт фильмы: ак холст, бер шрифт, кара кара, чын рәсемнәр һәм төгәл әйтелгән вакытта сүздән сүзгә язылган язмалар.
Һәрбер идарә итү элементы (сорау панеле, көйләүләр панеле, язмалар) сыек пыяла куллана: артындагы күренешне глазурь белән бизәгез, аны кырый буйлап калын пыяла кебек бөкләгез, аннары өске ялтыравык, якты кырый һәм йомшак күтәргеч күләгә өстәгез. Пыяла гади ак төстә юкка чыга, шуңа күрә минем бренд төсләрендә әкрен пастель аура өстәгез яки артындагы фотоның тонык юылуын арттырыгыз.
Берсе минем брендымның төсләренә карап, сүз төрләрен ассызыклап күрсәтте, аның артында тонык балкыш бар иде.
Хәрәкәт кагыйдәләре: камераны хәрәкәтсез тотыгыз (һәр күренеш өчен 1.0 дән 1.04 кә кадәр басыгыз; эчтәлек киләсе күренешкә күчкәндә, алдагы күренеш тәмамланган зурайтудан башлагыз). Бернәрсә дә шунда ук күренми: ким дигәндә 0.3 секундлык йомшартылган төсмерләрне кулланыгыз. 16 нчы ноталардагы рәсемнәрне һәрберсе өчен басу белән үзгәртегез. Фразалар башланганда җир күренеше үзгәрә һәм музыка төшүен [Фигыль] юлына туры китерегез. Экранда нокталар күрсәтмәгез.
Тыелган: сайлау тартмасының аскы өлешләре, ритмлы сызыклар, ак ялтыравыклар, 3D, шаблоннар.

Тавышка туры китереп эшләнгән җиде күренеш:

1. "Бу [исем]": исем зур итеп язылганда, рәсемнәремнең коллажы күренә, аннары категория юлына күчә.
2. "[кыйммәт өчен ясалган]": иң яхшы рәсемнәремнең тулы экранда яктыртылуы 16 нчы ноталарга күчә, алар өстендә ак төс белән язылган юл белән.
3. Төшеп җибәрү: пыяла сорау сызыгы кыска сорау яза. Нәтиҗә картасы һәр 16 нчы нотада стильне үзгәртә, ә кара стильдәге фишка миниатюра өстендәге һәр яңа исемгә тәгәрәп төшә.
4. "Кәеф тактасын күрсәт": 9 рәсем 3x3 зурлыктагы рәшәткәгә оча, аннары экранда "It gets you" дип язылганда нәтиҗәне әйләндереп алыгыз.
5. "Аны күбрәк кулланган саен, ул яхшырак була": ике юл языгыз, басым ясалган сүзне градиентта калдырыгыз.
6. Көйләүләр: 3 слайдерлы пыяла панель күрсәтелә, һәрберсе аның исеменә туры китереп хәрәкәтләнә. Рәсемнең төсен үзгәртегез, 16 нчы нокталарга яңа орлыклар җәегез, аннары аны плакатка әйләндерегез. Төсләренең тоныклануын пыяла артына синхрон рәвештә күчерегез.
7. "Һәр [чыгарылыш], нәкъ сез күргәнчә": пыяла язма таблеткасы артындагы үзәктән 120 рәсемемне тышка чыгарыгыз, аннары исем язылганда аларны логотибыма берләштерегез. Астына "Хәзер чыгу" дип языгыз һәм 2 секунд басып торыгыз.

Сауалнама панелен, нәтиҗәләрне һәм слайдерларны минем продуктның чын керү, чыгу һәм көйләүләре белән алыштырыгыз.

Җырны тамчы [Verb] юлына төшәрлек итеп урнаштырыгыз һәм ритм челтәрен шунда беркетегез.
3 диапазонлы ян чылбыр ярдәмендә музыканы тавыш астына куегыз (түбән ешлыклар 30%, урта ешлыклар 85%, һава 55%; 0.3 с тоту, 50 мс алдан карау, 0.5 с җибәрү). Аннары һәр фразаның урта ешлыгын тавыш 300 Гц һәм 4 кГц арасындагы музыкадан якынча 9 дБ югарырак булганчы көйләгез.
Һәр вакыйга өчен бер йөкләнгән Mixkit SFX кулланыгыз, аның үлчәнгән пигы буенча урнаштырыгыз: һәр рәсем үзгәреше өчен бер басу, һәр басылган хәреф өчен бер төймә тавышы, басым ясалган сүзгә йомшак төшү, вих тавышлары һәм төшү һәм логотипка тәэсир итү. Һәрберсен пигы тирәсендә кисегез (күп күтәргечләр 4 секунд). Музыканы ахыргы карта астындагы dB кәкресе буйлап сүндерегез. Көчле нормаль -14 LUFS кадәр.

1. Бер HTML холст. seek(t) эчендәге һәр кадр вакытның саф функциясе, һәм һәр язу һәм кисү Word таблицасы артыннан бара.
2. Пыяла: форма артындагы киндерне төшерегез, аны гәүдә өчен якынча 14 пиксельгә тоныкландырыгыз, кырые буйлап 12 пиксельле тасмада якынча 1,06 тапкыр зурайтылган бераз тонык күчермә ясагыз, аннары сөт, ялтыравык, кырый һәм күләгә өстәгез.
3. 8 хәрәкәтне тоныкландыручы субфрейм кулланып, Playwright белән 60 кадр/сек тизлектә рендерлагыз, аннары ffmpeg белән кодлагыз.
4. Миңа берәр нәрсә күрсәтер алдыннан, фотолар белән контакт кәгазен ясагыз, бер кадрлы күтәрелешләрне күзәтеп барыгыз (бары тик 16 нчы ноталар гына сикерергә мөмкин) һәм һәр фраза өчен тавыш-музыка нисбәтен тикшерегез.

[Җылы] тавыш пышылдаган кебек яңгырарга мөмкин, ә [дулкынланган] сүзләр ялган тоелырга мөмкин. Сүз артындагы аерымланган рамка Windows текст сайлавы кебек күренә. Әгәр камера тапшыру вакытында 1.0га кайтарылса, масштаблау өзелә. 0.05с сүнү шунда ук калкып чыгу кебек күренә.

Миннән кертелгән мәгълүматны сорагыз, сценарий языгыз, сайлап алыр өчен 4 тавыш язмасы җибәрегез, аннары тулы рендер алдыннан 8 кадр күрсәтегез.

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.

Сорау алынган урын пост @rossaxbt.