تبلیغ‌های هوش مصنوعی به چند دلیل مشخص و قابل‌رفع مصنوعی به نظر می‌رسند: پوست مومی و بیش از حد صاف، رنگ‌بندی عسلی و «لوکس»، متن درهم روی برچسب، فیزیکی که هیچ جسمی از آن پیروی نمی‌کند، لب‌هایی که با صدا جور نیستند، و بی‌نقصی عکس‌های استوکی که هیچ گوشی‌ای تا حالا ثبت نکرده. هیچ‌کدام ذاتی ویدیوی هوش مصنوعی نیستند. این‌ها پیش‌فرض‌هایی هستند که باید با پرامپت و فرایند تولید، فعالانه از آنها بیرون بیایید.
ما هر روز در Hermoso کارها را بین Seedance 2.5، Veo 3.1، Kling 3.0 و جدیدترین مدل ویدیویی Google که هر نوع ورودی می‌گیرد پخش می‌کنیم، و فاصله بین یک رندر بی‌مصرف و رندری که واقعاً حاضرید پشتش بودجه بگذارید، تقریباً هیچ‌وقت به خود مدل برنمی‌گردد. به هفت تصمیم حرفه‌ای برمی‌گردد که قبل و بعد از اجرای مدل گرفته میشود.
این مطلب نشانهها را صادقانه نام می‌برد و بعد هفت راه‌حلی را که حرفه‌ای‌ها واقعاً به کار می‌برند مرور می‌کند. همان‌هایی که در فرایند خودمان هم گذاشته‌ایم.
چه چیزی یک تبلیغ هوش مصنوعی را مصنوعی نشان میدهد؟
هفت نشانه تقریباً پشت همه تبلیغ‌های هوش مصنوعی هستند که در همان ثانیه اول لو می‌روند. اگر از خروجی براق و عجیب ضربه خورده‌اید، ترکیبی از این‌ها بوده:
- پوست مومی. مدل‌ها بیشتر با تصاویر روتوش‌شده و نورپردازی زیبایی آموزش دیده‌اند، پس پیش‌فرضشان صورت‌های بی‌منفذ و درخشانی است که هیچ دوربین گوشی‌ای نمی‌سازد.
- رنگ‌بندی طلایی و لوکس. نور گرم، عسلی و سینمایی روی همه‌چیز. یک تبلیغ کامبوچا را تصور کنید که مثل تیزر عطر نورپردازی شده.
- متن درهم روی برچسب. اسم محصول به شبه‌حروف ذوب میشود. زیرنویسها مثل سوپ الفبا درمیآیند. این سریع‌ترین نشانه لو رفتن است.
- فیزیک ناممکن. محصول کمی بیش از حد در هوا می‌ماند، مایع خلاف جاذبه ریخته میشود، بطری پرتاب‌شده بی‌وزن معلق می‌ماند. جرم و تکانه هنوز برای این مدل‌ها سخت است.
- لب‌های دوبله‌شده. صدای TTS روی دهان ساختهشده همان تکان خوردن عجیب لب را میسازد که همه از فیلم‌های بد دوبله‌شده می‌شناسند.
- زیرنویس‌هایی که مدل نقاشی کرده. از مدل خواستن که نوار زیرنویس یا دکمه CTA را داخل کادر بکشد. نمی‌تواند، و نتیجه لک‌دار یک شات خوب را خراب می‌کند.
- بی‌نقصی عکس استوکی. کادربندی کاملاً وسط، دست‌های کاملاً بی‌حرکت، هیچ‌کس پلک نمی‌زند، هیچ‌چیز کمی اشتباه نیست. محتوای واقعی همه‌جایش کمی اشتباه دارد.
هرکدام یک راه مقابله مشخص دارد. این هفت راهحل است، به ترتیب اهمیت.
راهحل 1: پوست مات و تصویر تخت و گوشی‌مانند را در پرامپت بخواهید
راهحل براقی این است که صریحاً مدل را از پیش‌فرض نورپردازی زیبایی‌اش دور کنید: پوست مات با بافت پیدا، نور خنثی، و حس تصویری دوربین گوشی که با پروفایل تصویر تخت SDR فیلم می‌گیرد، نه دستگاه سینمایی رنگ‌بندی‌شده. اگر در پرامپت چیزی نگویید، همه مدلهای ویدیویی اصلی به سمت درخشش می‌روند.
در عمل یعنی لایه واقع‌گرایی را در هر پرامپت سبک UGC بنویسید: پوست روتوش‌نشده، بدون نور لبه، بدون هاله، کادربندی دستی، و نویز و محدودیت دامنه دینامیکی دوربین جلو. خروجی دیگر شبیه تیزر تبلیغاتی نیست و شبیه چیزی میشود که یک آدم واقعی فیلم گرفته، که کل هدف قالب UGC همین است. این راهحل بهترین نسبت زحمت به نتیجه را دارد، چون پوست جایی است که چشم بیننده برای تشخیص جعلی بودن از همه تیزتر است.
راهحل 2: همه متن‌ها، لوگوها و زیرنویسها را در پستولید روی تصویر بگذارید؛ هیچ‌وقت نگذارید مدل آنها را بکشد
هر متنی که بیننده باید بخواند (لوگو، برچسب، زیرنویس، CTA، کارت پایانی) باید روی فوتیج نهایی کامپوزیت شود، نه اینکه داخلش ساخته شود. مدلهای دیفیوژن پیکسلهایی میسازند که از نظر آماری شبیه متن هستند؛ حرف نمی‌نویسند. نتیجه حروف ذوبشده و شبه‌کلمه‌های ساختگی است، و یک برچسب درهم رندری را که در بقیه جاها بی‌نقص است خراب می‌کند.
فرایندی که جواب میدهد این است: صحنه را تمیز و بدون متن رندر کنید، بعد در یک مرحله کامپوزیت دارایی‌های واقعی برند را رویش بگذارید: فایل واقعی لوگو، فونت واقعی، زیرنویس‌های دقیق تا پیکسل. کارت پایانی با لوگوی تیز و CTA خوانا هم همین‌طور ساخته میشود. این کار از تایپ کردن «لوگو را اضافه کن» در پرامپت بیشتر زحمت دارد، و دقیقاً به همین دلیل بیشتر تبلیغ‌های هوش مصنوعی مصنوعی‌نما از آن می‌گذرند. یک سازنده تبلیغ با هوش مصنوعی خوب این مرحله را برایتان انجام میدهد.
راهحل 3: هر رندر را روی عکس واقعی محصول بنا کنید
اگر مدل عکس واقعی محصول شما را به عنوان مرجع نداشته باشد، یک پسرعموی باورپذیر از محصولتان اختراع می‌کند: دسته درست، شکل بطری غلط، برچسب خیالی، رنگ کمی متفاوت. مشتری‌هایی که محصول را می‌شناسند فوراً متوجه میشوند، و شما هم همین‌طور.
راهحل این است که در هر تولید یک عکس واقعی محصول بدهید و خود جنس اصلی را در صحنه کامپوزیت کنید، نه اینکه با کلمات توصیفش کنید. پرامپت متنی دسته را توصیف می‌کند؛ تصویر مرجع هویت را قفل می‌کند. در کنار راهحل 2 (متن برچسب کامپوزیت‌شده)، همین است که محصول داخل تبلیغ را همان محصول روی قفسه می‌کند. فرق یک تصویر سبک زندگی با یک تبلیغ آماده که واقعاً می‌توانید اجرایش کنید همین است.
راهحل 4: در هر اجرا ریزحرکت‌ها و یک لحظه ناقص بنویسید
اجراهای هوش مصنوعی که مصنوعی به نظر می‌رسند معمولاً کم‌کارگردانی شده‌اند، نه کم‌رندر. پرامپتی مثل «زنی محصول را نگه می‌دارد و لبخند می‌زند» یک مانکن تحویل میدهد: چشم‌های قفل‌شده، دست خشک، لبخند قرینه. آدم‌های واقعی وول می‌خورند.
اجرا را در سطح حرکت کارگردانی کنید: وسط جمله نگاهی به برچسب می‌اندازد، دستش را روی محصول جابه‌جا می‌کند، موهایش را پشت گوش می‌زند، به جمله‌بندی خودش نیم‌خنده‌ای می‌کند. بعد دقیقاً یک لحظه ناقص بگذارید: دوربین تکان می‌خورد، یک هجا را روی حرف خودش می‌گوید، کادر کمی جابه‌جا میشود. یک نقص واقعی به نظر میرسد؛ پنج نقص آشفتگی است. این فیلمنامه‌نویسی است، نه تنظیم مدل، و راه‌حلی است که بیشتر تیم‌ها هیچ‌وقت به آن فکر نمی‌کنند چون مشغول مقصر دانستن مدل هستند.
راهحل 5: صدای بومی مدل برای دهان‌های در تصویر، TTS فقط برای برش‌های صداگذاری
قاعده ساده است: اگر دهان جلوی دوربین است، صحبت باید در همان اجرا و بهصورت بومی توسط مدل ویدیو ساخته شود تا لب‌ها و صدا از یک فرایند بیایند. اگر شات تصاویر تکمیلی محصول با روایت روی آن است، TTS مشکلی ندارد، چون دهانی نیست که لو بدهد.
جایی که تیم‌ها اشتباه میکنند این است که فوتیج بی‌صدا از آدمی که حرف می‌زند میسازند و بعد TTS را رویش دوبله میکنند. ادراک انسان در گرفتن ناهماهنگی بین حرکت کلی دهان و آواهای مشخص بی‌رحمانه خوب است. این همان اثر فیلم دوبله‌شده است، و هیچ مقدار رنگ‌بندی پنهانش نمی‌کند. مدلهای فعلی اگر اجازه بدهید صحبتی با لبخوانی واقعی میسازند؛ ظاهر مصنوعی از چسباندن صدا بعد از کار می‌آید.
راهحل 6: اجسام سنگین را به پرواز پرتابی نفرستید
از مدل نخواهید چیزی را که جرم دارد پرتاب کند، بیندازد، بچرخاند یا بگیرد. حرکت پرتابی (جسمی در پرواز آزاد تحت جاذبه) جایی است که فیزیک مدلهای ویدیویی هنوز آشکارا می‌شکند: بطری کمی بیش از حد در هوا می‌ماند، با سرعت ثابت معلق می‌زند، بی‌وزن فرود می‌آید.
حرکت را دور این مشکل طراحی کنید. محصول در دست گرفته، چرخانده، زمین گذاشته، برداشته و ریخته میشود: حرکت‌هایی که دست جسم را می‌برد و مدل هیچ‌وقت لازم نیست جاذبه را خودش حل کند. ریختن و پاشیدن از نگه داشتن پرریسک‌تر است ولی خیلی امن‌تر از پرتاب. اگر ایده واقعاً به محصول در هوا نیاز دارد، آن شاتی است که باید دورش برش زد، نه شاتی که باید ساخت. بیشتر شکست‌های «فیزیک ناممکن» که می‌بینیم خودساخته‌اند: استوری‌بورد یک پرتاب قهرمانانه خواسته بود که مدل هیچ‌وقت از پسش برنمی‌آمد.
راهحل 7: نور خنک و خنثی به جای رنگ‌بندی عسلی
در پرامپت تعادل رنگ سفید خنثی یا کمی خنک و نور یکنواخت و بی‌زرق‌وبرق بخواهید (نور روز ابری، آشپزخانه در ظهر، مهتابی‌های اداره) به جای پذیرفتن رنگ‌بندی گرم و طلایی که مدل‌ها بهصورت پیش‌فرض سراغش می‌روند. آن ظاهر عسلی امضای بصری «تبلیغ هوش مصنوعی» در 2026 است، و بینندهها آن را یاد گرفته‌اند.
نور خنثی دو کار می‌کند: نشانه زرق‌وبرق را از بین می‌برد، و راه‌حل‌های 1 و 3 را مؤثرتر می‌کند، چون پوست مات و محصول واقعی کامپوزیت‌شده هر دو زیر نور معمولی از همه باورپذیرترند. تبلیغ‌های پرفورمنس بیشتر از فوتیج زیبا به فوتیج باورپذیر نیاز دارند. ساعت طلایی را برای شات‌هایی نگه دارید که برند واقعاً آن را می‌خواهد، آگاهانه انتخابش کنید، نه اینکه از پیش‌فرض مدل به ارث ببرید.
Hermoso چطور این راه‌حل‌ها را در فرایندش ساخته
سنگین‌ترین راه‌حل‌های این فهرست مستقیماً در فرایند Hermoso ساخته شده‌اند، پس خروجی تیمی را می‌گیرید که هر روز این کار را می‌کند، بی‌آنکه خودتان کار فرایند را انجام دهید:
- یک لایه واقع‌گرایی ضدبراقی پوست مات، نور خنثی و حس تصویری دوربین گوشی را در رندرهای UGC می‌نویسد (راه‌حل‌های 1 و 7).
- همه متن‌ها، لوگوها و زیرنویسها در پستولید کامپوزیت میشوند، هیچ‌وقت توسط مدل کشیده نمی‌شوند، از جمله کارت پایانی با لوگوی واقعی و CTA شما (راهحل 2).
- رندرها روی عکس واقعی محصول شما بنا میشوند، در صحنه کامپوزیت میشوند و پالت رنگ برندتان روی آنها اعمال میشود (راهحل 3).
- هر وقت دهانی جلوی دوربین باشد از صدای بومی مدل استفاده میشود، و TTS برای برشهایی است که فقط صداگذاری دارند (راهحل 5).
در پشت صحنه، هر کار را بین Seedance 2.5، Veo 3.1، Kling 3.0 و جدیدترین مدل ویدیویی Google که هر نوع ورودی می‌گیرد پخش می‌کند، به‌علاوه Flux، GPT Image و جدیدترین مدلهای تصویری Google برای تصاویر ثابت، و برای هر کار خودش انتخاب می‌کند تا شما مجبور به انتخاب نباشید. و چون کار را با تحقیق درباره آنچه همین حالا در بازار شما جواب میدهد شروع می‌کند، در کتابخانه‌های تبلیغات Meta، Google و LinkedIn به‌علاوه محتوای ارگانیک TikTok، ایده‌ها قبل از رندر شدن پیکسل‌ها روی چیزی بنا میشوند که همین حالا برنده است. پلن رایگان شامل بیش از 250 اعتبار رایگان قابل‌کسب است، بدون نیاز به کارت؛ هزینه دقیق قبل از هر رندر در اپ نشان داده میشود. روی محصول خودتان امتحانش کنید. سریع‌ترین راه آزمودن حرف این مطلب این است که ببینید خروجی از ردیاب جعلی‌یاب خودتان رد میشود یا نه.
سؤالات متداول
چرا متن و لوگوهای ساختهشده با هوش مصنوعی درهم درمیآیند؟
مدلهای ویدیو و تصویر پیکسلهایی میسازند که از نظر آماری شبیه متن هستند، نه حروف واقعی، برای همین برچسبها و زیرنویسها با حروف ذوبشده، خطهای اضافه و شبهکلمهها درمیآیند. راهحل مطمئن این است که صحنه را بدون متن رندر کنید و لوگوی واقعی، زیرنویسها و CTA را در پستولید روی فوتیج کامپوزیت کنید.
آیا ویدیوی هوش مصنوعی میتواند لبخوانی باورپذیر داشته باشد؟
بله، ولی فقط وقتی صحبت بهصورت بومی توسط مدل ویدیو و در همان اجرای فوتیج ساخته شود. دوبله کردن صدای TTS جداگانه روی دهان رندرشده همان چیزی است که تکان خوردن عجیب لب را میسازد، پس TTS را برای برشهایی نگه دارید که دهانی در آنها دیده نمیشود.
کدام مدل ویدیوی هوش مصنوعی برای تبلیغ بهتر است؟
یک بهترین وجود ندارد. Seedance 2.5، Veo 3.1 و Kling 3.0 هرکدام بسته به شات نقاط قوت متفاوتی دارند، و رتبه‌بندی با هر نسخه جدید مدل جابه‌جا میشود. Hermoso هر کار را به مناسب‌ترین مدل می‌فرستد، تا کاربران هیچ‌وقت مجبور به انتخاب نباشند.
می‌توانم محصول واقعی خودم را در تبلیغ ساختهشده با هوش مصنوعی بگذارم؟
بله، و باید بگذارید. بنا کردن هر رندر روی عکس واقعی محصول یکی از پراثرترین راه‌حل‌های این فهرست است. Hermoso عکس واقعی محصول شما را در صحنه‌های ساختهشده کامپوزیت می‌کند، به جای اینکه بگذارد مدل یک بدل خیالی بسازد.
تبلیغ با هوش مصنوعی چقدر از یک فیلمبرداری ارزانتر است؟
آژانسها برای یک تبلیغ تولیدشده معمولاً قیمتهای چهار تا پنج رقمی میدهند، و بازارهای کریتورها معمولاً هر ویدیوی UGC را چند صد دلار قیمت میگذارند. در Hermoso، اپ هزینه دقیق هر رندر را نشان میدهد، و پلنهای پولی $29، $69 و $149 در ماه هستند.
آیا بینندهها یک تبلیغ را فقط چون با هوش مصنوعی ساخته شده رد میکنند؟
در تجربه ما، نشانهها هستند که رد میشوند، نه منشأ. فوتیج با پوست مات، نور خنثی، متن واقعی برچسب و یک لحظه ناقص انسانی مثل محتوای معمولی خوانده میشود؛ فوتیج با پوست مومی و براقی طلایی، فارغ از اینکه چطور ساخته شده، مصنوعی به نظر میرسد.
Hermoso این راه‌حل‌ها را در فرایند رندرش ساخته است. پلن رایگان بیش از 250 اعتبار رایگان قابل‌کسب دارد، بدون نیاز به کارت، پس یک تبلیغ برای محصول خودتان بسازید و خودتان درباره خروجی قضاوت کنید.
رایگان شروع کنید → ← همه مطالب