Bakit mukhang peke ang AI ads (at ang 7 ayos para magamit sila)

Mukhang peke ang AI ads dahil sa iilang tiyak na dahilan na kayang ayusin: waxy at sobrang kinis na balat, malagkit na "glamour" na color grade, sirang text sa label, physics na walang bagay na sumusunod, labing hindi tugma sa audio, at isang stock-photo na kaperpektuhan na hindi pa nakuha ng kahit anong phone. Wala sa mga ito ang likas sa AI video. Mga default ito na kailangan mong sadyang labanan gamit ang prompt at ang pipeline mo.

Araw-araw naming pinapatakbo ang Seedance 2.5, Veo 3.1, Kling 3.0 at ang pinakabagong any-input video model ng Google sa Hermoso, at ang pagitan ng render na hindi magagamit at render na gagastusan mo talaga ay halos hindi kailanman nasa model. Nasa pitong desisyon ito sa craft, bago at pagkatapos tumakbo ang model.

Tapat na pinapangalanan ng post na ito ang mga senyales, tapos isa-isa nitong ipinapakita ang pitong ayos na talagang ginagamit ng mga practitioner. Pareho rin ang mga ito sa mga isinama namin sa sarili naming pipeline.

Ano ang nagpapapeke sa itsura ng isang AI ad?

Pitong senyales ang dahilan ng halos bawat AI ad na nahuhuli sa unang segundo. Kung napaso ka na sa makintab at nakakakilabot na output, kombinasyon ito ng mga ito:

• Waxy na balat. Sinanay nang husto ang mga model sa retouched na imahe na may beauty lighting, kaya ang default nila ay mukhang walang pores at bahagyang kumikinang, na hindi kailanman nakukuha ng phone camera.
• Ang gintong glamour grade. Mainit, malagkit at cinematic na ilaw sa lahat. Isipin ang ad ng kombucha na naiilawan na parang commercial ng pabango.
• Sirang text sa label. Natutunaw ang pangalan ng produkto at nagiging halos-letra. Lumalabas na parang alphabet soup ang captions. Ito ang pinakamabilis na palatandaan.
• Imposibleng physics. Medyo matagal lumutang ang mga produkto, sumasalungat sa gravity ang pagbuhos ng likido, nakabitin na parang walang bigat ang inihagis na bote. Mahirap pa rin para sa mga model na ito ang bigat at momentum.
• Dubbed na labi. Kapag ipinatong ang TTS audio sa ginawang bibig, lumalabas ang nakakakilabot na galaw ng labi na kilala ng lahat mula sa mga pelikulang palpak ang dubbing.
• Captions na ipininta ng model. Ang utusan ang model na i-render ang caption bar o CTA button sa loob ng frame. Hindi niya kaya, at sinisira ng pahid na resulta ang isang shot na maganda sana.
• Stock-photo na kaperpektuhan. Perpektong nakagitna ang framing, perpektong hindi gumagalaw ang mga kamay, walang kumukurap, walang kahit kaunting mali. Ang totoong content ay may kaunting mali kahit saan.

May tiyak na panlaban ang bawat isa. Ito ang pito, ayon sa kung gaano sila kahalaga.

Ayos 1: I-prompt ang matte na balat at patag na kuha ng phone camera

Ang panlaban sa kintab ay sadyang ilayo ang model sa default nitong beauty lighting: matte na balat na kita ang texture, neutral na ilaw, at ang karakter ng kuha ng phone camera na naka-patag na SDR picture profile, hindi graded na cinema rig. Kapag hindi mo ito ini-prompt, napupunta sa kinang ang bawat malaking video model.

Sa praktika, ibig sabihin nito na isinusulat mo ang realism layer sa bawat UGC-style na prompt: balat na hindi retouched, walang rim light, walang bloom, handheld na framing, ang bahagyang noise at limitadong dynamic range ng front camera. Hindi na mukhang commercial ang output at nagmumukha na itong kinunan ng isang tao, at iyan mismo ang buong punto ng UGC format. Ito ang ayos na pinakamalaki ang epekto kumpara sa pagod, dahil sa balat pinakamatalas ang pang-amoy ng manonood sa peke.

Ayos 2: I-composite sa post ang lahat ng text, logo at captions; huwag kailanman hayaang ipinta ito ng model

Ang anumang text na kailangang mabasa ng manonood (logo, label, caption, CTA, end card) ay dapat i-composite sa ibabaw ng tapos na footage, hindi ginagawa sa loob nito. Gumagawa ang diffusion models ng pixels na kahawig ng text ayon sa estadistika; hindi sila sumusulat ng mga letra. Ang resulta ay tunaw na letra at mga imbentong halos-salita, at sinisira ng isang sirang label ang render na walang mali sana.

Ganito ang pipeline na gumagana: i-render nang malinis ang eksena, tapos ipatong ang totoong brand assets sa isang compositing pass: ang mismong logo file, ang mismong typeface, at pixel-perfect na captions. Ganito mo rin nakukuha ang end card na may malinaw na logo at nababasang CTA. Mas maraming trabaho ito kaysa i-type ang "add the logo" sa prompt, at iyan mismo ang dahilan kung bakit nilalaktawan ito ng karamihan ng AI ads na mukhang peke. Ang isang magaling na AI ad generator ang gagawa ng pass na iyan para sa iyo.

Ayos 3: Iangkla ang bawat render sa totoong product photo

Kung walang totoong product photo ang model bilang reference, mag-iimbento ito ng kapani-paniwalang pinsan ng produkto mo: tamang kategorya, maling hugis ng bote, imbentong label, bahagyang maling kulay. Agad itong napapansin ng mga customer na kilala ang produkto, at mapapansin mo rin.

Ang ayos ay ipakain ang totoong product photo sa bawat generation at i-composite ang tunay na produkto sa eksena sa halip na ilarawan ito sa salita. Kategorya ang inilalarawan ng text prompts; ang reference images ang nagla-lock ng pagkakakilanlan. Kasama ang Ayos 2 (composited na text sa label), ito ang nagpapatiyak na ang produkto sa ad ay ang produkto sa istante. Ito ang pagitan ng isang lifestyle image at isang tapos na ad na talagang mapapatakbo mo.

Ayos 4: Isulat ang maliliit na kilos at isang hindi perpektong sandali sa bawat performance

Kadalasan, kulang sa direksyon ang mga AI performance na mukhang peke, hindi kulang sa render. Ang prompt na "woman holds product and smiles" ay magbibigay sa iyo ng mannequin: nakapirming tingin, nakapirming hawak, simetrikong ngiti. Ang totoong tao ay hindi mapakali.

Idirekta ang performance sa antas ng kilos: sumulyap siya sa label habang nagsasalita, inayos ang hawak, isinabit ang buhok sa likod ng tainga, bahagyang natawa sa sarili niyang pananalita. Tapos maglagay ng eksaktong isang hindi perpektong sandali: nauntog ang camera, nagsalita siya nang sabay sa sarili niya nang isang pantig, gumalaw ang framing. Ang isang mali ay mukhang totoo; ang lima ay mukhang gulo. Pagsusulat ito ng script, hindi pag-tune ng model, at ito ang ayos na hindi naiisip ng karamihan ng team dahil abala sila sa pagsisi sa model.

Ayos 5: Native na boses ng model para sa nakikitang bibig, TTS lang para sa voiceover cuts

Simple ang patakaran: kung nasa camera ang bibig, dapat native na gawa ng video model ang pagsasalita sa parehong pass, para iisang proseso ang pinanggalingan ng labi at ng audio. Kung product B-roll ang shot na may narration sa ibabaw, ayos lang ang TTS, dahil walang bibig na magkakanulo.

Nagkakamali ang mga team kapag gumagawa sila ng tahimik na footage ng taong nagsasalita, tapos nagda-dub ng TTS sa ibabaw. Walang awang magaling ang pandama ng tao sa paghuli sa hindi pagkakatugma ng pangkalahatang galaw ng bibig at ng tiyak na mga tunog. Ito ang epekto ng dubbed na pelikula, at walang grading na makakatago nito. Gumagawa ang mga kasalukuyang model ng talagang lip-synced na pagsasalita kapag hinayaan mo sila; nanggagaling ang pekeng itsura sa pagkakabit ng audio pagkatapos.

Ayos 6: Huwag palipadin ang mabibigat na bagay

Huwag utusan ang model na maghagis, maghulog, magbaligtad o sumalo ng kahit anong may bigat. Ang ballistic na galaw (isang bagay na malayang lumilipad sa ilalim ng gravity) ang lugar kung saan halata pa ring bumibigay ang physics ng mga video model: medyo matagal nakabitin ang bote, pare-pareho ang bilis ng pag-ikot, bumabagsak nang walang bigat.

Mag-choreograph sa paligid nito. Ang mga produkto ay hinahawakan, iniikot, inilalapag, dinadampot, binubuhusan: mga galaw kung saan kamay ang nagdadala sa bagay at hindi kailangang lutasin ng model ang gravity nang mag-isa. Mas delikado ang buhos at talsik kaysa sa hawak, pero mas ligtas pa rin kaysa sa hagis. Kung talagang kailangan ng konsepto na nasa ere ang produkto, shot iyon na iiwasan mo sa edit, hindi shot na ipapagawa mo. Karamihan ng "imposibleng physics" na palpak na nakikita namin ay gawa-gawa ng team mismo: humingi ang storyboard ng hero toss na hindi kailanman kayang gawin ng model.

Ayos 7: Malamig at neutral na ilaw sa halip na malagkit na grade

I-prompt ang neutral o bahagyang malamig na white balance at pantay, hindi pang-glamour na ilaw (makulimlim na araw, kusina sa tanghali, fluorescent sa opisina) sa halip na tanggapin ang mainit na gintong grade na default na inaabot ng mga model. Ang malagkit na itsurang iyan ang biswal na pirma ng "AI ad" sa 2026, at natutunan na ito ng mga manonood.

Doble ang trabaho ng neutral na ilaw: pinapatay nito ang glamour na senyales, at pinapalakas nito ang Ayos 1 at 3, dahil pinakakapani-paniwala ang matte na balat at ang totoong composited na produkto sa ordinaryong ilaw. Mas kailangan ng performance creative ang kapani-paniwalang footage kaysa magandang footage. Itabi ang golden hour sa mga shot kung saan talagang hinihingi ito ng brand, sadyang pinili at hindi minana sa default ng model.

Paano isinasama ng Hermoso ang mga ayos na ito sa pipeline nito

Ang pinakamabibigat na ayos sa listahang ito ay direktang nakapaloob sa pipeline ng Hermoso, kaya makukuha mo ang output ng isang team na araw-araw itong ginagawa nang hindi mo na kailangang gawin ang pipeline:

• Isang anti-gloss na realism layer ang nagsusulat ng matte na balat, neutral na ilaw at karakter ng kuha ng phone camera sa UGC renders (Ayos 1 at 7).
• Kino-composite sa post ang lahat ng text, logo at captions, hindi kailanman ipinipinta ng model, kasama ang end card na may totoo mong logo at CTA (Ayos 2).
• Ang renders ay nakaangkla sa totoo mong product photo, naka-composite sa eksena, at may brand palette mo (Ayos 3).
• Native na boses ng model ang ginagamit tuwing may bibig sa camera, at nakalaan ang TTS sa mga cut na voiceover lang (Ayos 5).

Sa ilalim nito, ipinapadaan nito ang bawat trabaho sa Seedance 2.5, Veo 3.1, Kling 3.0 at sa pinakabagong any-input video model ng Google, pati Flux, GPT Image at ang mga pinakabagong imaging model ng Google para sa stills, at pumipili kada trabaho kaya hindi ka na pipili. At dahil nagsisimula ito sa pag-research kung ano ang panalo na sa market mo sa Meta, Google at LinkedIn ad libraries pati organic na TikTok, nakaugat ang mga konsepto sa kung ano ang panalo na bago pa i-render ang pixels. Kasama sa free plan ang 250+ libreng credits na puwedeng makuha, walang card na kailangan; ipinapakita ng app ang eksaktong gastos bago ang bawat render. Subukan ito sa sarili mong produkto. Ang pinakamabilis na paraan para subukan ang argumento ng post na ito ay tingnan kung lulusot ang output sa sarili mong pang-amoy ng peke.

Mga madalas na tanong

Bakit sira ang lumalabas na text at logo na gawa ng AI?

Gumagawa ang video at image models ng pixels na kahawig ng text ayon sa estadistika, hindi ng totoong mga letra, kaya lumalabas ang labels at captions na may tunaw na letra, sobrang guhit at halos-salita. Ang maaasahang ayos ay i-render ang eksena nang walang text at i-composite sa post ang totoong logo, captions at CTA sa ibabaw ng footage.

Kaya ba ng AI video ang kapani-paniwalang lip sync?

Oo, pero kapag native na ginawa ng video model ang pagsasalita sa parehong pass ng footage. Ang pag-dub ng hiwalay na TTS audio sa isang na-render na bibig ang pinanggagalingan ng nakakakilabot na galaw ng labi, kaya ilaan ang TTS sa mga cut na walang nakikitang bibig.

Aling AI video model ang pinakamaganda para sa ads?

Walang iisang pinakamaganda. Magkakaiba ang lakas ng Seedance 2.5, Veo 3.1 at Kling 3.0 depende sa shot, at nagbabago ang ranking sa bawat bagong model release. Ipinapadaan ng Hermoso ang bawat trabaho sa model na pinakaangkop dito, kaya hindi na kailangang pumili ng mga user.

Puwede ko bang ilagay ang totoo kong produkto sa ad na gawa ng AI?

Oo, at dapat mo itong gawin. Ang pag-angkla ng bawat render sa totoong product photo ay isa sa mga ayos na pinakamalaki ang epekto sa listahang ito. Kino-composite ng Hermoso ang mismong product photo mo sa mga ginawang eksena sa halip na hayaang mag-imbento ang model ng kamukha.

Gaano kamura ang AI ad creative kumpara sa isang shoot?

Karaniwang naniningil ang mga agency ng apat hanggang limang digit para sa isang produced na ad, at karaniwang nasa mababang daan-daan ang bawat UGC video sa mga creator marketplace. Sa Hermoso, ipinapakita ng app ang eksaktong gastos ng bawat render, at ang paid plans ay $29, $69 at $149 kada buwan.

Tatanggihan ba ng manonood ang isang ad dahil lang AI ang gumawa nito?

Sa karanasan namin, ang mga senyales ang tinatanggihan, hindi ang pinagmulan. Ang footage na may matte na balat, neutral na ilaw, totoong text sa label at isang hindi perpektong sandali ng tao ay mukhang ordinaryong content; ang footage na may waxy na balat at gintong kintab ay mukhang peke kahit paano pa ito ginawa.