قۇرۇلۇۋاتىدۇ: Ora 2 نىڭ مودېلىنى تونۇشتۇرۇش فىلىمى

مەندىن سوراڭ: مەھسۇلات ئىسمىم، بىر قۇرلۇق ئاۋاز چىقىرىش، لوگوم، مەھسۇلاتنىڭ 3 دىن 6 گىچە بولغان سۈرەتلىرى، ئۇنىڭ ياسىغان نەرسىلىرىنىڭ (ياكى ئۇنىڭ سۈرەتلىرىنىڭ) 40 تىن ئارتۇق رەسىمى، ماركا رەڭگى ۋە خەت نۇسخىسى، ElevenLabs API ئاچقۇچى ۋە ئاۋاز كىملىكى، شۇنداقلا ئېنىق چۈشۈشكە ئىگە ھەقسىز ناخشا (ئاۋاز ھۆججىتى ۋە چۈشۈش ۋاقىت بەلگىسى). ئەگەر بىرەر نەرسىنى ئاتلاپ ئۆتسەم، بۇ سۈكۈتتىكى تەڭشەكلەرنى ئىشلىتىڭ: "Ora 2", "تەم ئۈچۈن ياسالغان رەسىم مودېلى", Unsplash ۋە Pixabay دىن ھەقسىز رەسىملەر، Geist ، ink #111214، eleven_v4 دىكى Samara X (19STyYD15bswVz51nqLf) ئاۋازى ۋە Pixabay "Cascade Breathe" (129.83 BPM ، 75.39 سېكۇنتتا چۈشۈش).

<script>
بۇ فورماتتا 9 قۇرلۇق ئاۋازلىق بىر تېكىست يېزىڭ ۋە ھەر بىر قۇرنى مېنىڭ مەھسۇلاتىمغا ماسلاشتۇرۇڭ:
"بۇ [ئات]. بىر [تۈر]... [قىممەت] ئۈچۈن ياسالغان. [فىئىل] ھەر قانداق ئۇسلۇبتا. ئۇنىڭغا [كىرگۈزۈش] بېرىڭ - ئۇ پەقەت... چۈشىنىدۇ. ئۇنى قانچە كۆپ ئىشلەتسىڭىز، شۇنچە ياخشى بولىدۇ. ئۇنىڭ [تەڭشىلىشىنى] تەڭشەڭ. ئۇنىڭ [تەڭشىلىشىنى]. ئۇنىڭ [تەڭشىلىشىنى]. ھەر بىر [چىقىرىش] نى - سىز تەسەۋۋۇر قىلغاندەك تەڭشەڭ. [ئات]. ھازىرلا چىقتى."
ھېسسىيات بەلگىسىنى ئاز ئىشلىتىڭ: جىمجىت سۆزلەرگە [يۇمشاق]، [فېئىل] سۆزلىرىگە [ھەياجانلانغان] قوشۇڭ. باشلىغۇچى سۆزنى بەلگە قىلماڭ، ئاخىرىدا نوقتا قويۇڭ.
</script>

MCP ئىشلەتمەي، مېنىڭ ئاچقۇچۇم ئارقىلىق بىۋاسىتە ElevenLabs API نى چاقىرىڭ. بىر قېتىمدا 4 تولۇق سىكرىپتلىق ئۇچۇر ھاسىل قىلىڭ، مەن تاللىسام بولىدۇ. ئەگەر بىر قۇرنىڭ ئاۋازى توغرا بولمىسا، پەقەت شۇ قۇرنى 4 قېتىم قايتا ھاسىل قىلىپ، ئەڭ ياخشى نۇسخىسىنى مېنىڭ ئۇچۇرۇمغا قوشۇڭ.
0.28 سېكۇنتتىن ئۇزۇن توختاپ قېلىشلارنى قىسقارتىپ 0.2 سېكۇنتقىچە قىلىڭ، ئاندىن ھەر بىر سۆزنى ئوتتۇرىچە سەۋىيەگە %85 يەتكۈزۈڭ، پەقەت توختاپ قېلىشلاردىلا كۈچەيتىشنى تەڭشەڭ.
سۆز ۋاقتىنى بەلگىلەش ئۈچۈن، ئوقۇش ۋاقتىنى 100 مىللىمېتىر ياكى ئۇنىڭدىن ئۇزۇنراق توختاپ قېلىشلار بىلەن بۆلۈپ، ھەر بىر بۆلەكنى Whisper ئارقىلىق ئايرىم يېزىڭ ۋە ئۇنىڭ تۇنجى سۆزىنى ئۆلچەنگەن سۆزنىڭ باشلىنىشى بىلەن ماسلاشتۇرۇڭ. بىرلا Whisper ئۆتۈشى سۆزلەرنى يېرىم سېكۇنتقىچە كېچىكىپ ئوقۇشقا ياردەم بېرەلەيدۇ.

22 سېكۇنتلۇق كۋادرات شەكىللىك قويۇپ بېرىش فىلىمى، 1440x1440 ئېنىقلىقتا، سېكۇنتىغا 60fps تېزلىكتە، سۈنئىي ئەقىل تەجرىبىخانىسى قويۇپ بېرىش ئۇسلۇبىدا: ئاق رەڭلىك رەسىم، بىر خىل خەت نۇسخىسى، قارا سىياھ، ھەقىقىي رەسىملەر ۋە سۆز-سۆز يېزىلغان ۋاقىتتا سۆز-سۆز يېزىلغان ماۋزۇلار.
ھەر بىر كونترول تاختىسى (كۆرسەتمە بالداق، تەڭشەك تاختىسى، ماۋزۇ تاختىسى) سۇيۇق ئەينەك ئىشلىتىدۇ: ئۇنىڭ ئارقىسىدىكى كۆرۈنۈشنى مۇز رەڭ بىلەن يېپىڭ، بۇ كۆرۈنۈشنى قېلىن ئەينەككە ئوخشاش گىرۋەك بويىچە ئېگىڭ، ئاندىن ئۈستى پارقىراق، پارقىراق گىرۋەك ۋە يۇمشاق كۆتۈرۈش سايىسى قوشۇڭ. ئەينەك ئاددىي ئاق رەڭدە يوقاپ كېتىدۇ، شۇڭا ماركىلىق رەڭلىرىمدە ئاستا پاستېل رەڭگىنى قوشۇڭ ياكى ئۇنىڭ ئارقىسىدىكى رەسىمنى تۇتۇقلاشتۇرۇڭ.
بىرى ماركامنىڭ رەڭگىنىڭ ئۆزگىرىشىگە ئەگىشىپ سۆز تۈرلىرىنى ئالاھىدە تەكىتلەپ، ئارقىسىدا ئاجىز نۇر پەيدا قىلدى.
ھەرىكەت قائىدىسى: كامېرانىڭ يۆتكىلىشىنى ساقلاڭ (ھەر بىر كۆرۈنۈشتە 1.0 دىن 1.04 گىچە بېسىڭ؛ مەزمۇن كېيىنكى كۆرۈنۈشكە يۆتكەلگەندە، ئالدىنقى كۆرۈنۈش ئاخىرلاشقان يەردىن باشلاڭ). ھېچ نەرسە دەرھال كۆرۈنمەيدۇ: كەم دېگەندە 0.3 سېكۇنت يېنىكلىتىلگەن سۇسلاشتۇرۇشلارنى ئىشلىتىڭ. 16-نوتىدىكى رەسىملەرنى ئۆزگەرتىڭ، ھەر بىر نوتا ئۈچۈن بىر چېكىش كېرەك. سۆز بىرىكمىسى باشلانغاندا يەر كۆرۈنۈشى ئۆزگىرىدۇ ۋە مۇزىكا چۈشىدىغان ئورۇننى [فېئىل] قۇرى بىلەن ماسلاشتۇرۇڭ. ئېكراندا نۇقتىلارنى كۆرسەتمەڭ.
چەكلەنگەنلەر: تاللاش قۇتىسىدىكى يورۇتۇشلار، رېتىملىق ئاۋازلار، ئاق چاقماق چاقماقلار، 3D، قېلىپلار.

ئاۋازغا ماسلاشتۇرۇلغان يەتتە كۆرۈنۈش:

1. «بۇ [ئات]»: ئىسىم چوڭ ھەرپلەر بىلەن يېزىلغاندا رەسىملىرىمنىڭ كوللاژى چىقىپ كېتىدۇ، ئاندىن تۈر قۇرىغا يول قويىدۇ.
2. «[قىممەتكە ماسلاشتۇرۇلغان]»: ئەڭ ياخشى رەسىملىرىمنىڭ تولۇق ئېكراندا چاقناپ تۇرۇشى 16-نوتىغا ئۆزگىرىپ، ئۇلارنىڭ ئۈستىگە ئاق رەڭ بىلەن يېزىلغان سىزىقلارنى كۆرسىتىدۇ.
3. چۈشۈرۈش: ئەينەك سىگنال بالداق قىسقا سىگنالنى كىرگۈزىدۇ. نەتىجە كارتىسى ھەر 16-نوتادا ئۇسلۇبىنى ئۆزگەرتىدۇ، شۇنىڭ بىلەن بىر ۋاقىتتا قارا رەڭلىك بىر چىپ كىچىك رەسىم تاختىسىنىڭ ئۈستىدىكى ھەر بىر يېڭى ئىسىمغا دومىلايدۇ.
4. «كەيپىيات تاختىسىنى كۆرسىتىڭ»: 9 رەسىم 3x3 تور شەكلىگە چىقىرىلىدۇ، ئاندىن ئېكراندا «It gets you» دېگەن خەتلەر كۆرۈلگەندە نەتىجىنى ئايلاندۇرۇڭ.
5. «قانچە كۆپ ئىشلەتسىڭىز، شۇنچە ياخشى بولىدۇ»: ئىككى قۇر يېزىڭ، تەكىتلەنگەن سۆزنى گرادىيېنتقا قويۇڭ.
6. تەڭشەكلەر: ئۈچ سىيرىلغۇچلۇق ئەينەك تاختىنى كۆرسىتىدۇ، ھەر بىرى ئۇنىڭ ئىسمى بويىچە ھەرىكەتلىنىدۇ. رەسىمنىڭ رەڭگىنى ئۆزگەرتىپ، 16-نومۇرلۇق رەسىمگە يېڭى ئۇرۇقلارنى دومىلىتىپ، ئاندىن ئۇنى ئېلان تاختىسىغا ئايلاندۇرۇڭ. رەڭلىرىنىڭ تۇتۇقلىشىشىنى ئەينەكنىڭ ئارقىسىغا ماس ھالدا يۆتكىڭ.
7. «ھەر بىر [چىقىرىش]، سىز قانداق كۆرسىڭىز شۇنداق»: مېنىڭ 120 رەسىمىمنى ئەينەك ماۋزۇلۇق تاختاينىڭ ئوتتۇرىسىدىن سىرتقا قاراپ چىقىرىڭ، ئاندىن ئىسىم يېزىلغاندا ئۇلارنى لوگومغا بىرلەشتۈرۈڭ. ئاستىغا «ھازىر چىقىش» دەپ يېزىپ، 2 سېكۇنت ساقلاپ تۇرۇڭ.

كۆرسەتمە بالدىقى، نەتىجىلەر ۋە سۈرگۈچلەرنى مەھسۇلاتىمنىڭ ھەقىقىي كىرگۈزۈش، چىقىرىش ۋە تەڭشەكلىرى بىلەن ئالماشتۇرۇڭ.

ناخشىنى تامچە [فېئىل] سېتىرىغا چۈشىدىغان قىلىپ تەڭشەڭ ۋە رېتىم تورىنى شۇ يەرگە باغلاڭ.
3 بەلۋاغلىق يان زەنجىر ئارقىلىق مۇزىكىنى ئاۋاز ئاستىغا چۈشۈرۈڭ (تۆۋەن ئاۋاز 30%، ئوتتۇرا ئاۋاز 85%، ھاۋا 55%؛ 0.3 سېكۇنت ساقلاش، 50 مىستېرلىق ئالدىن قاراش، 0.5 سېكۇنت قويۇپ بېرىش). ئاندىن ھەر بىر سۆزنىڭ ئوتتۇرا قىسمىنى ئاۋاز 300 گېرتسىي بىلەن 4 كىلوگېرتسىي ئارىسىدىكى مۇزىكىدىن تەخمىنەن 9 دېتسىبېل يۇقىرى بولغۇچە تەڭشەڭ.
ھەر بىر ۋەقەدە بىردىن چۈشۈرۈلگەن Mixkit SFX نى ئىشلىتىڭ، ئۇنىڭ ئۆلچىمى بويىچە ئورنىتىڭ: ھەر بىر رەسىم ئۆزگىرىشى ئۈچۈن بىر چېكىش، ھەر بىر كىرگۈزۈلگەن ھەرپ ئۈچۈن بىر كۇنۇپكا ئاۋازى، تەكىتلەنگەن سۆزگە يۇمشاق چۈشۈش، ۋىچىرلاش ئاۋازى ۋە چۈشۈش ۋە بەلگەگە تەسىر كۆرسىتىش. ھەر بىرىنى چوققىسىنىڭ ئەتراپىدىن كېسىڭ (نۇرغۇن كۆتۈرۈلۈشلەر 4 سېكۇنت). مۇزىكىنى ئاخىرقى كارتىنىڭ ئاستىدىكى dB ئەگرى سىزىقى بويىچە سۇسلاشتۇرۇڭ. قاتتىق ئاۋازنى -14 LUFS غا چۈشۈرۈڭ.

1. بىر HTML رەسىم تاختىسى. seek(t) نىڭ ئىچىدىكى ھەر بىر رامكا ۋاقىتنىڭ ساپ فۇنكسىيەسى بولۇپ، ھەر بىر ماۋزۇ ۋە كېسىش سۆز جەدۋىلىگە ئەگىشىدۇ.
2. ئەينەك: شەكىلنىڭ ئارقىسىدىكى رەسىمنى تارتىپ، گەۋدىسى ئۈچۈن تەخمىنەن 14 پىكسېللىق سۇسلاشتۇرۇڭ، گىرۋىكى بويىچە 12 پىكسېللىق بەلۋاغ ئىچىدە تەخمىنەن 1.06 ھەسسە چوڭايتىلغان ئازراق سۇسلاشتۇرۇلغان نۇسخا سىزىڭ، ئاندىن سۈت، پارقىراقلىق، گىرۋەك ۋە سايە قوشۇڭ.
3. 8 دانە ھەرىكەتلىك تۇتۇقلاشتۇرۇش كىچىك رامكىسىنى ئىشلىتىپ، Playwright بىلەن 60fps سۈرئىتىدە رېندېرلاڭ، ئاندىن ffmpeg بىلەن كودلاڭ.
4. ماڭا بىرەر نەرسە كۆرسىتىشتىن بۇرۇن، بىر پارچە سۈرەتكە تارتىڭ، رامكىلارنىڭ پەرقىنى سىكانىرلاپ، يەككە رامكىلىق ئاۋازلارنى كۆرۈڭ (پەقەت 16-نوتىلىق ئاۋازلارلا سەكرىشى مۇمكىن) ۋە ھەر بىر سۆز بىرىكمىسىنىڭ ئاۋاز-مۇزىكا نىسبىتىنى تەكشۈرۈڭ.

[ئىللىق] ئاچقۇچ پىچىرلىغاندەك ئاڭلىنىشى مۇمكىن، [ھاياجانلانغان] بولسا ساختا ھېس قىلىنىشى مۇمكىن. سۆزنىڭ ئارقىسىدىكى يورۇتۇش رامكىسى Windows تېكىست تاللانمىسىغا ئوخشايدۇ. كامېرا بىر قېتىملىق ئالماشتۇرۇش جەريانىدا 1.0 گە قايتا تەڭشىسە، چوڭايتىش سۈرئىتى ئۈزۈلۈپ قالىدۇ. 0.05 سېكۇنتلۇق سۇسلىشىش دەرھال پەيدا بولغاندەك كۆرۈنىدۇ.

مەندىن كىرگۈزۈش ماتېرىياللىرىنى سوراڭ، سىنارىيە يېزىڭ، ماڭا تاللاش ئۈچۈن 4 ئاۋازلىق سۈرەت ئەۋەتىڭ، ئاندىن تولۇق كۆرسىتىشتىن بۇرۇن ماڭا 8 سۈرەت كۆرسىتىڭ.

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.

سوئال ئېلىندى پوچتا @rossaxbt.