Hvorfor AI-annoncer ser falske ud (og de 7 løsninger, der gør dem brugbare)

AI-annoncer ser falske ud af en bestemt række grunde, og de kan alle fikses: voksagtig, overglattet hud, en honninggylden "glamour"-farvekorrektion, grødet tekst på etiketter, fysik som ingen genstand adlyder, læber der ikke passer til lyden, og en stockfoto-perfektion som ingen telefon nogensinde har fanget. Intet af det hører naturligt til AI-video. Det er standardindstillinger, du aktivt skal prompte og bygge dig ud af.

Vi kører Seedance 2.5, Veo 3.1, Kling 3.0 og Googles nyeste video-model med vilkårligt input hver dag hos Hermoso, og forskellen på en ubrugelig render og en, du rent faktisk ville bruge annoncekroner på, handler næsten aldrig om modellen. Den handler om syv håndværksbeslutninger, der bliver truffet før og efter, modellen kører.

Dette indlæg sætter ærligt navn på afsløringerne og gennemgår derefter de syv løsninger, praktikere faktisk bruger. Det er de samme, vi har bygget ind i vores egen pipeline.

Hvad får en AI-annonce til at se falsk ud?

Syv afsløringer står for næsten alle AI-annoncer, der bliver gennemskuet i det første sekund. Hvis du er blevet brændt af blankt, uhyggeligt output, var det en kombination af disse:

• Voksagtig hud. Modellerne er trænet massivt på retoucherede billeder med beauty-lys, så de ender som standard med porefri, blødt glødende ansigter, som intet telefonkamera kan lave.
• Den gyldne glamour-korrektion. Varmt, honninggyldent, filmisk lys på alt. Forestil dig en kombucha-annonce, der er lyssat som en parfumereklame.
• Grødet tekst på etiketter. Produktnavnet smelter sammen til næsten-bogstaver. Undertekster bliver til bogstavsuppe. Det er den hurtigste enkeltstående afsløring.
• Umulig fysik. Produkter svæver et øjeblik for længe, væske hældes på tværs af tyngdekraften, en kastet flaske hænger vægtløs i luften. Masse og bevægelsesmængde er stadig svært for de her modeller.
• Dubbede læber. TTS-lyd lagt oven på en genereret mund giver den uhyggelige læbeflappen, alle kender fra dårligt dubbede film.
• Undertekster malet af modellen. At bede modellen om at rendere tekstbjælken eller CTA-knappen inde i billedet. Det kan den ikke, og det udtværede resultat ødelægger et ellers godt skud.
• Stockfoto-perfektion. Perfekt centreret beskæring, helt stille hænder, ingen blinker, intet er en smule forkert. Ægte indhold er en lille smule forkert overalt.

Hver af dem har en konkret modforanstaltning. Her er de syv, i rækkefølge efter hvor meget de betyder.

Løsning 1: Prompt efter mat hud og flad optagelse som fra et telefonkamera

Løsningen mod glansen er eksplicit at prompte modellen væk fra dens beauty-lyssatte standard: mat hud med synlig tekstur, neutralt lys og det udtryk, et telefonkamera får med en flad SDR-billedprofil, frem for en farvekorrigeret biografrig. Uden prompt glider alle de store videomodeller mod glød.

I praksis betyder det, at du skriver realisme-laget ind i hver eneste UGC-prompt: uretoucheret hud, intet modlys, ingen bloom, håndholdt beskæring, den lette støj og det begrænsede dynamikområde fra et frontkamera. Outputtet holder op med at ligne en reklame og begynder at ligne noget, et menneske har filmet, og det er hele pointen med UGC-formatet. Det er den løsning, der giver mest effekt for mindst arbejde, fordi huden er der, hvor seernes radar for falskhed er skarpest.

Løsning 2: Læg al tekst, alle logoer og undertekster på i efterbehandlingen, lad aldrig modellen male dem

Al tekst, seeren skal kunne læse (logo, etiket, undertekst, CTA, slutkort), skal lægges oven på de færdige optagelser i stedet for at blive genereret inde i dem. Diffusionsmodeller laver pixels, der statistisk ligner tekst, men de skriver ikke bogstaver. Resultatet er smeltede bogstaver og opfundne næsten-ord, og en grødet etiket ødelægger en ellers fejlfri render.

Den pipeline, der virker, ser sådan ud: render scenen ren, og læg så de ægte brandaktiver på i et compositing-trin: den rigtige logofil, den rigtige skrifttype, pixelperfekte undertekster. Det er også sådan, du får et slutkort med et skarpt logo og en læsbar CTA. Det er mere pipeline-arbejde end at skrive "tilføj logoet" i en prompt, og det er præcis derfor, de fleste falsk udseende AI-annoncer springer det over. En god AI-annoncegenerator klarer det trin for dig.

Løsning 3: Forankr hver render i et ægte produktfoto

Hvis modellen ikke har dit rigtige produktfoto som reference, opfinder den en troværdig fætter til dit produkt: rigtig kategori, forkert flaskeform, hallucineret etiket, lidt forkert farve. Kunder, der kender produktet, opdager det med det samme, og det gør du også.

Løsningen er at give et ægte produktfoto med til hver generering og lægge det ægte produkt ind i scenen i stedet for at beskrive det med ord. Tekstprompts beskriver kategorier; referencebilleder låser identiteten fast. Kombineret med løsning 2 (tekst på etiketten lagt på bagefter) er det det, der gør produktet i annoncen til produktet på hylden. Det er forskellen på et livsstilsbillede og en færdig annonce, du faktisk kan køre.

Løsning 4: Skriv mikrobevægelser og ét uperfekt øjeblik ind i hver præstation

AI-præstationer, der ser falske ud, er som regel underinstruerede, ikke underrenderede. En prompt som "kvinde holder produktet og smiler" giver dig en mannequin: låste øjne, stivnet greb, symmetrisk smil. Rigtige mennesker piller.

Instruer præstationen ned på bevægelsesniveau: hun kigger ned på etiketten midt i en sætning, flytter grebet, stryger håret om bag øret, halvgriner af sin egen formulering. Tilføj så præcis ét uperfekt øjeblik: kameraet får et lille stød, hun taler oven i sig selv i en stavelse, beskæringen glider. Én fejl virker autentisk; fem virker som kaos. Det her er manusskrivning, ikke modeltuning, og det er den løsning, de fleste teams aldrig tænker på, fordi de har travlt med at give modellen skylden.

Løsning 5: Modellens egen tale til synlige munde, TTS kun til voiceover-klip

Reglen er enkel: hvis munden er i billedet, skal talen genereres direkte af videomodellen i samme omgang, så læberne og lyden kommer fra én og samme proces. Hvis skuddet er produkt-B-roll med speak oven på, er TTS fint, for der er ingen mund til at afsløre det.

Hvor teams går galt i byen, er når de genererer stumme optagelser af en person, der taler, og derefter dubber TTS ovenpå. Uoverensstemmelsen mellem generiske mundbevægelser og konkrete lyde er noget, den menneskelige opfattelse er ubarmhjertigt god til at fange. Det er dubbet-film-effekten, og ingen farvekorrektion kan skjule den. De nuværende modeller laver tale med ægte læbesynkronisering, når du lader dem; det falske look opstår, når lyden bliver skruet på bagefter.

Løsning 6: Hold tunge genstande ude af frit fald

Bed ikke modellen om at kaste, tabe, vende eller gribe noget med masse. Ballistisk bevægelse (en genstand i frit fald under tyngdekraften) er der, hvor videomodellernes fysik stadig synligt bryder sammen: flasken hænger et øjeblik for længe, tumler med konstant hastighed, lander uden vægt.

Koreografer udenom. Produkter bliver holdt, drejet, sat ned, samlet op, hældt i: bevægelser, hvor en hånd bærer genstanden, og modellen aldrig selv skal løse tyngdekraften. Hældninger og plask er mere risikable end at holde noget, men langt sikrere end kast. Hvis konceptet virkelig kræver produktet i luften, er det et skud, du klipper udenom, ikke et skud, du genererer. De fleste fejl med "umulig fysik", vi ser, er selvforskyldte: storyboardet bad om et heltekast, som modellen aldrig ville kunne lande.

Løsning 7: Køligt, neutralt lys frem for honninggyldne korrektioner

Prompt efter neutral eller let kølig hvidbalance og jævnt, uglamourøst lys (overskyet dagslys, et køkken ved middagstid, lysstofrør på kontoret) i stedet for at acceptere den varme, gyldne korrektion, modellerne griber efter som standard. Det honninggyldne look er det visuelle kendetegn for "AI-annonce" i 2026, og seerne har lært det.

Neutralt lys gør dobbelt arbejde: det fjerner glamour-afsløringen, og det får løsning 1 og 3 til at ramme hårdere, fordi mat hud og et ægte, pålagt produkt begge virker mest overbevisende i almindeligt lys. Performance-kreativer har mere brug for troværdige optagelser end smukke optagelser. Gem den gyldne time til skud, hvor brandet virkelig kræver det, valgt bevidst frem for arvet fra modellens standardindstillinger.

Sådan bygger Hermoso løsningerne ind i sin pipeline

De tungeste løsninger på listen er bygget direkte ind i Hermosos pipeline, så du får resultatet fra et team, der gør det her dagligt, uden selv at lave pipeline-arbejdet:

• Et realisme-lag mod glans skriver mat hud, neutralt lys og telefonkameraets udtryk ind i UGC-renders (løsning 1 og 7).
• Al tekst, alle logoer og undertekster lægges på i efterbehandlingen, aldrig malet af modellen, inklusive et slutkort med dit rigtige logo og din CTA (løsning 2).
• Renders er forankret i dit ægte produktfoto, lagt ind i scenen, med din brandpalet anvendt (løsning 3).
• Modellens egen tale bruges, når en mund er i billedet, og TTS er forbeholdt klip med kun voiceover (løsning 5).

Under motorhjelmen fordeler den hvert job mellem Seedance 2.5, Veo 3.1, Kling 3.0 og Googles nyeste video-model med vilkårligt input, plus Flux, GPT Image og Googles nyeste billedmodeller til stillbilleder, og vælger per job, så du aldrig behøver at vælge. Og fordi den starter med at researche, hvad der allerede vinder på dit marked i Meta-, Google- og LinkedIn-annoncebibliotekerne plus organisk TikTok, bygger koncepterne på det, der allerede vinder, før en eneste pixel bliver renderet. Den gratis plan giver 250+ gratis credits, du kan optjene, uden kreditkort; de præcise priser vises i appen før hver render. Prøv det på dit eget produkt. Den hurtigste måde at teste indlæggets pointe på er at se, om outputtet slipper igennem din egen falskheds-radar.

Ofte stillede spørgsmål

Hvorfor bliver AI-genereret tekst og logoer grødet?

Video- og billedmodeller laver pixels, der statistisk ligner tekst, frem for rigtige bogstaver, så etiketter og undertekster kommer ud med smeltede bogstaver, ekstra streger og næsten-ord. Den pålidelige løsning er at rendere scenen uden tekst og lægge det rigtige logo, undertekster og CTA oven på optagelserne i efterbehandlingen.

Kan AI-video lave overbevisende læbesynkronisering?

Ja, men kun når talen genereres direkte af videomodellen i samme omgang som optagelserne. At dubbe separat genereret TTS-lyd oven på en renderet mund er det, der giver den uhyggelige læbeflappen, så gem TTS til klip, hvor der ikke er nogen mund i billedet.

Hvilken AI-videomodel er bedst til annoncer?

Der er ikke én bedste. Seedance 2.5, Veo 3.1 og Kling 3.0 har hver deres styrker afhængigt af skuddet, og rangordenen skifter med hver ny modeludgivelse. Hermoso sender hvert job til den model, der passer bedst til det, så brugerne aldrig behøver at vælge.

Kan jeg få mit rigtige produkt med i en AI-genereret annonce?

Ja, og det bør du. At forankre hver render i et ægte produktfoto er en af de løsninger på listen, der har størst effekt. Hermoso lægger dit rigtige produktfoto ind i de genererede scener i stedet for at lade modellen hallucinere en kopi.

Hvor meget billigere er AI-annoncekreativer end en optagelse?

Bureauer giver ofte tilbud i fire- til femcifrede beløb for en enkelt produceret annonce, og creator-markedspladser har typisk UGC-videoer til et lavt trecifret beløb stykket. På Hermoso viser appen den præcise pris for hver render, og de betalte planer koster $29, $69 og $149 om måneden.

Vil seerne afvise en annonce, bare fordi den er AI-genereret?

Vores erfaring er, at det er afsløringerne, der bliver afvist, ikke oprindelsen. Optagelser med mat hud, neutralt lys, ægte tekst på etiketten og ét uperfekt menneskeligt øjeblik læses som almindeligt indhold; optagelser med voksagtig hud og gylden glans læses som falske, uanset hvordan de er lavet.