AI विज्ञापन नकली क्यों लगते हैं (और 7 सुधार जो उन्हें काम का बनाते हैं)

AI विज्ञापन कुछ खास और ठीक की जा सकने वाली वजहों से नकली लगते हैं: मोम जैसी, ज़रूरत से ज़्यादा चिकनी त्वचा, शहद जैसा "ग्लैमर" कलर ग्रेड, बिगड़ा हुआ लेबल टेक्स्ट, ऐसी फ़िज़िक्स जिसे कोई चीज़ नहीं मानती, ऑडियो से मेल न खाते होंठ, और स्टॉक फ़ोटो जैसी वह परफ़ेक्शन जो किसी फ़ोन ने कभी कैप्चर नहीं की। इनमें से कुछ भी AI वीडियो में जन्मजात नहीं है। ये डिफ़ॉल्ट हैं, जिनसे आपको प्रॉम्प्ट और पाइपलाइन के ज़रिए जानबूझकर बाहर निकलना पड़ता है।

हम Hermoso पर हर दिन Seedance 2.5, Veo 3.1, Kling 3.0 और Google के सबसे नए किसी भी इनपुट वाले वीडियो मॉडल पर काम भेजते हैं। बेकार रेंडर और ऐसे रेंडर के बीच का फ़र्क, जिस पर आप सच में पैसा लगाएं, लगभग कभी मॉडल पर नहीं टिका होता। यह उन सात क्राफ़्ट फ़ैसलों पर टिका होता है जो मॉडल चलने से पहले और बाद में लिए जाते हैं।

यह पोस्ट पहले इन निशानियों को ईमानदारी से गिनाती है, फिर उन सात सुधारों से गुज़रती है जिन्हें प्रैक्टिशनर सच में इस्तेमाल करते हैं। यही सुधार हमने अपनी पाइपलाइन में भी डाल रखे हैं।

AI विज्ञापन नकली क्यों दिखता है?

पहले ही सेकंड में पकड़े जाने वाले लगभग हर AI विज्ञापन के पीछे ये सात निशानियां होती हैं। अगर चमकदार, अजीब आउटपुट से आपका नुकसान हुआ है, तो वजह इन्हीं में से कुछ का मेल था:

• मोम जैसी त्वचा। मॉडल रीटच की हुई, ब्यूटी लाइट वाली तस्वीरों पर बहुत ज़्यादा ट्रेन होते हैं, इसलिए वे बिना रोमछिद्रों वाले, हल्के से चमकते चेहरे बनाते हैं जो कोई फ़ोन कैमरा नहीं बनाता।
• सुनहरा ग्लैमर ग्रेड। हर चीज़ पर गर्म, शहद जैसी, सिनेमाई रोशनी। सोचिए, कोम्बुचा का विज्ञापन किसी परफ़्यूम कमर्शियल की तरह लाइट किया गया हो।
• बिगड़ा हुआ लेबल टेक्स्ट। प्रोडक्ट का नाम पिघलकर अधूरे अक्षरों में बदल जाता है। कैप्शन अक्षरों की खिचड़ी बन जाते हैं। यह सबसे तेज़ी से पकड़ में आने वाली निशानी है।
• नामुमकिन फ़िज़िक्स। प्रोडक्ट ज़रूरत से ज़रा ज़्यादा देर हवा में तैरते हैं, डाला गया लिक्विड गुरुत्वाकर्षण को नहीं मानता, उछाली गई बोतल बिना वज़न के लटकी रहती है। द्रव्यमान और गति अब भी इन मॉडलों के लिए मुश्किल हैं।
• डब किए हुए होंठ। बनाए गए मुंह पर TTS ऑडियो चढ़ाने से वही अजीब लिप-फ़्लैप आता है जिसे सब खराब डब की गई फ़िल्मों से पहचानते हैं।
• मॉडल के बनाए कैप्शन। मॉडल से फ़्रेम के अंदर कैप्शन बार या CTA बटन बनाने को कहना। वह यह नहीं कर सकता, और धुंधला नतीजा एक अच्छे शॉट को भी बिगाड़ देता है।
• स्टॉक फ़ोटो जैसी परफ़ेक्शन। एकदम बीच में फ़्रेमिंग, एकदम स्थिर हाथ, कोई पलक नहीं झपकाता, कुछ भी ज़रा सा गलत नहीं। असली कंटेंट में हर जगह कुछ न कुछ ज़रा सा गलत होता है।

हर निशानी का एक खास इलाज है। ये रहे वे सात, इस क्रम में कि कौन कितना मायने रखता है।

सुधार 1: मैट त्वचा और सपाट, फ़ोन कैमरा जैसे कैप्चर के लिए प्रॉम्प्ट करें

चमक हटाने का तरीका है मॉडल को साफ़ शब्दों में उसके ब्यूटी लाइट वाले डिफ़ॉल्ट से दूर ले जाना: दिखती बनावट वाली मैट त्वचा, न्यूट्रल लाइटिंग, और फ़ोन कैमरे का वह कैप्चर जो ग्रेड किए गए सिनेमा रिग की जगह एक सपाट SDR पिक्चर प्रोफ़ाइल में शूट करता है। अगर प्रॉम्प्ट न करें, तो हर बड़ा वीडियो मॉडल चमक की तरफ़ खिसक जाता है।

असल में इसका मतलब है हर UGC स्टाइल प्रॉम्प्ट में रियलिज़्म की यह परत लिखना: बिना रीटच की त्वचा, कोई रिम लाइट नहीं, कोई ब्लूम नहीं, हाथ में पकड़ी फ़्रेमिंग, फ़्रंट कैमरे का हल्का नॉइज़ और डायनामिक रेंज की सीमाएं। आउटपुट कमर्शियल जैसा दिखना बंद हो जाता है और ऐसा लगने लगता है जैसे किसी इंसान ने फ़िल्माया हो, और UGC फ़ॉर्मैट का पूरा मकसद यही है। मेहनत के मुकाबले असर के हिसाब से यह सबसे बड़ा सुधार है, क्योंकि नकलीपन पकड़ने में दर्शकों की नज़र त्वचा पर सबसे तेज़ होती है।

सुधार 2: सारा टेक्स्ट, लोगो और कैप्शन पोस्ट में कंपोज़िट करें; मॉडल से कभी न बनवाएं

जो भी टेक्स्ट दर्शक को पढ़ना है (लोगो, लेबल, कैप्शन, CTA, एंड कार्ड), उसे तैयार फ़ुटेज के ऊपर कंपोज़िट किया जाना चाहिए, न कि उसके अंदर जनरेट किया जाए। डिफ़्यूज़न मॉडल ऐसे पिक्सल बनाते हैं जो आंकड़ों के हिसाब से टेक्स्ट जैसे दिखते हैं; वे अक्षर नहीं लिखते। नतीजा होता है पिघले अक्षर और गढ़े हुए अधूरे शब्द, और एक बिगड़ा लेबल बाकी बेदाग रेंडर को भी बर्बाद कर देता है।

काम करने वाली पाइपलाइन यह है: सीन को बिना टेक्स्ट के रेंडर करें, फिर कंपोज़िटिंग पास में असली ब्रांड एसेट ऊपर लगाएं: असली लोगो फ़ाइल, असली टाइपफ़ेस, पिक्सल-परफ़ेक्ट कैप्शन। इसी तरह आपको साफ़ लोगो और पढ़ने लायक CTA वाला एंड कार्ड भी मिलता है। प्रॉम्प्ट में "लोगो जोड़ दो" लिखने से यह ज़्यादा पाइपलाइन का काम है, और ठीक इसी वजह से नकली दिखने वाले ज़्यादातर AI विज्ञापन इसे छोड़ देते हैं। एक अच्छा AI ऐड जनरेटर यह पास आपके लिए करता है।

सुधार 3: हर रेंडर को असली प्रोडक्ट फ़ोटो पर टिकाएं

अगर मॉडल के पास रेफ़रेंस के तौर पर आपके असली प्रोडक्ट की फ़ोटो नहीं है, तो वह आपके प्रोडक्ट का एक विश्वसनीय दिखने वाला रिश्तेदार गढ़ लेगा: सही कैटेगरी, गलत बोतल का आकार, कल्पना से बना लेबल, ज़रा अलग रंग। प्रोडक्ट को जानने वाले ग्राहक इसे तुरंत पकड़ लेते हैं, और आप भी।

इलाज है हर जनरेशन में असली प्रोडक्ट फ़ोटो देना और शब्दों में बताने की जगह असली चीज़ को सीन में कंपोज़िट करना। टेक्स्ट प्रॉम्प्ट कैटेगरी बताते हैं; रेफ़रेंस इमेज पहचान तय करती हैं। सुधार 2 (कंपोज़िट किया गया लेबल टेक्स्ट) के साथ मिलकर, यही विज्ञापन वाले प्रोडक्ट को शेल्फ़ वाला प्रोडक्ट बनाता है। यही एक लाइफ़स्टाइल इमेज और एक तैयार विज्ञापन का फ़र्क है जिसे आप सच में चला सकें।

सुधार 4: हर परफ़ॉर्मेंस में छोटे इशारे और एक अधूरा पल लिखें

नकली दिखने वाली AI परफ़ॉर्मेंस अक्सर कम डायरेक्ट की गई होती हैं, कम रेंडर की गई नहीं। "महिला प्रोडक्ट पकड़कर मुस्कुराती है" जैसा प्रॉम्प्ट आपको एक पुतला देता है: जमी हुई आंखें, जमी हुई पकड़, एकदम बराबर मुस्कान। असली लोग हिलते-डुलते रहते हैं।

परफ़ॉर्मेंस को इशारों के स्तर पर डायरेक्ट करें: वह बात करते-करते लेबल पर नज़र डालती है, पकड़ ठीक करती है, बाल कान के पीछे करती है, अपनी ही बात पर हल्का सा हंस देती है। फिर ठीक एक अधूरा पल शामिल करें: कैमरा हल्का सा हिल जाता है, वह एक शब्दांश के लिए अपनी ही बात काट देती है, फ़्रेमिंग खिसक जाती है। एक कमी असली लगती है; पांच कमियां अफ़रा-तफ़री लगती हैं। यह स्क्रिप्ट लिखना है, मॉडल ट्यूनिंग नहीं, और ज़्यादातर टीमें इसके बारे में कभी सोचती ही नहीं क्योंकि वे मॉडल को दोष देने में लगी रहती हैं।

सुधार 5: दिखते मुंह के लिए मॉडल की अपनी आवाज़, TTS सिर्फ़ वॉइसओवर वाले कट्स के लिए

नियम सीधा है: अगर मुंह कैमरे पर है, तो बोली वीडियो मॉडल को उसी पास में खुद बनानी चाहिए, ताकि होंठ और ऑडियो एक ही प्रक्रिया से आएं। अगर शॉट प्रोडक्ट का B-roll है और ऊपर नैरेशन चल रहा है, तो TTS ठीक है, क्योंकि पकड़वाने के लिए कोई मुंह ही नहीं है।

टीमें वहां गलती करती हैं जहां वे बोलते हुए इंसान का बिना आवाज़ वाला फ़ुटेज बनाती हैं और फिर ऊपर TTS डब कर देती हैं। आम मुंह की हरकत और खास ध्वनियों के बीच का बेमेल पकड़ने में इंसानी नज़र बेरहमी से तेज़ है। यही डब की गई फ़िल्म वाला असर है, और कोई भी ग्रेडिंग इसे छिपा नहीं सकती। मौजूदा मॉडल मौका दें तो सच में लिप-सिंक वाली आवाज़ बनाते हैं; नकलीपन बाद में ऑडियो जोड़ने से आता है।

सुधार 6: भारी चीज़ों को हवा में उड़ान से दूर रखें

मॉडल से वज़न वाली किसी चीज़ को उछालने, गिराने, पलटने या पकड़ने को न कहें। बैलिस्टिक गति (गुरुत्वाकर्षण में हवा में उड़ती चीज़) वही जगह है जहां वीडियो मॉडलों की फ़िज़िक्स अब भी साफ़ टूटती है: बोतल ज़रूरत से ज़रा ज़्यादा देर लटकी रहती है, एक ही रफ़्तार से घूमती है, बिना वज़न के उतरती है।

इसके चारों ओर कोरियोग्राफ़ी करें। प्रोडक्ट पकड़े जाते हैं, घुमाए जाते हैं, रखे जाते हैं, उठाए जाते हैं, उनमें डाला जाता है: ऐसी हरकतें जिनमें हाथ चीज़ को थामे रहता है और मॉडल को कभी अकेले गुरुत्वाकर्षण हल नहीं करना पड़ता। डालना और छींटे पकड़ने से ज़्यादा जोखिम वाले हैं, पर उछालने से कहीं ज़्यादा सुरक्षित। अगर कॉन्सेप्ट को सच में प्रोडक्ट हवा में चाहिए, तो वह शॉट कट के ज़रिए टालने वाला है, जनरेट करने वाला नहीं। "नामुमकिन फ़िज़िक्स" की जितनी नाकामियां हम देखते हैं, उनमें से ज़्यादातर खुद की बुलाई होती हैं: स्टोरीबोर्ड ने ऐसा हीरो टॉस मांगा था जो मॉडल कभी सही से उतार ही नहीं पाता।

सुधार 7: शहद जैसे ग्रेड की जगह ठंडी, न्यूट्रल रोशनी

न्यूट्रल या हल्के ठंडे व्हाइट बैलेंस और एक जैसी, बिना ग्लैमर वाली रोशनी (बादलों वाला दिन, दोपहर की रसोई, ऑफ़िस की ट्यूबलाइट) के लिए प्रॉम्प्ट करें, न कि उस गर्म सुनहरे ग्रेड को मान लें जिसकी तरफ़ मॉडल डिफ़ॉल्ट से जाते हैं। वह शहद जैसा लुक 2026 में "AI विज्ञापन" की पहचान है, और दर्शक उसे पहचानना सीख चुके हैं।

न्यूट्रल रोशनी दोहरा काम करती है: यह ग्लैमर वाली निशानी को खत्म करती है, और सुधार 1 और 3 को और असरदार बनाती है, क्योंकि मैट त्वचा और कंपोज़िट किया गया असली प्रोडक्ट दोनों आम रोशनी में सबसे भरोसेमंद लगते हैं। परफ़ॉर्मेंस क्रिएटिव को खूबसूरत फ़ुटेज से ज़्यादा भरोसेमंद फ़ुटेज चाहिए। गोल्डन आवर उन शॉट्स के लिए बचाकर रखें जहां ब्रांड को सच में उसकी ज़रूरत हो, सोच-समझकर चुना गया, मॉडल के डिफ़ॉल्ट से विरासत में मिला नहीं।

Hermoso इन सुधारों को अपनी पाइपलाइन में कैसे डालता है

इस लिस्ट के सबसे मेहनत वाले सुधार सीधे Hermoso की पाइपलाइन में बने हैं, ताकि आपको हर दिन यही काम करने वाली टीम का आउटपुट मिले, बिना खुद पाइपलाइन का काम किए:

• एक चमक हटाने वाली रियलिज़्म परत UGC रेंडर में मैट त्वचा, न्यूट्रल लाइटिंग और फ़ोन कैमरा जैसा कैप्चर लिखती है (सुधार 1 और 7)।
• सारा टेक्स्ट, लोगो और कैप्शन पोस्ट में कंपोज़िट होते हैं, मॉडल से कभी नहीं बनवाए जाते, जिसमें आपके असली लोगो और CTA वाला एंड कार्ड भी शामिल है (सुधार 2)।
• रेंडर आपकी असली प्रोडक्ट फ़ोटो पर टिके होते हैं, जो सीन में कंपोज़िट की जाती है और जिस पर आपके ब्रांड के रंग लगाए जाते हैं (सुधार 3)।
• जब भी मुंह कैमरे पर हो, मॉडल की अपनी आवाज़ इस्तेमाल होती है, और TTS सिर्फ़ वॉइसओवर वाले कट्स के लिए रखा जाता है (सुधार 5)।

अंदर से, यह हर काम को Seedance 2.5, Veo 3.1, Kling 3.0 और Google के सबसे नए किसी भी इनपुट वाले वीडियो मॉडल के बीच बांटता है, साथ ही स्टिल्स के लिए Flux, GPT Image और Google के नए इमेजिंग मॉडल, और हर काम के लिए खुद चुनता है ताकि आपको कभी चुनना न पड़े। और क्योंकि यह शुरुआत ही Meta, Google और LinkedIn की ऐड लाइब्रेरी के साथ ऑर्गेनिक TikTok में रिसर्च करके करता है कि आपके बाज़ार में पहले से क्या जीत रहा है, कॉन्सेप्ट पिक्सल रेंडर होने से पहले ही उस पर टिके होते हैं जो काम कर रहा है। फ़्री प्लान में 250+ कमाए जा सकने वाले मुफ़्त क्रेडिट हैं, बिना कार्ड के; हर रेंडर से पहले ऐप में सटीक खर्च दिखता है। इसे अपने प्रोडक्ट पर आज़माएं। इस पोस्ट की बात परखने का सबसे तेज़ तरीका यह देखना है कि आउटपुट आपकी अपनी नकलीपन पकड़ने वाली नज़र से बच पाता है या नहीं।

अक्सर पूछे जाने वाले सवाल

AI से बना टेक्स्ट और लोगो बिगड़ा हुआ क्यों आता है?

वीडियो और इमेज मॉडल असली अक्षरों की जगह ऐसे पिक्सल बनाते हैं जो आंकड़ों के हिसाब से टेक्स्ट जैसे दिखते हैं, इसलिए लेबल और कैप्शन पिघले अक्षरों, फ़ालतू लकीरों और अधूरे शब्दों के साथ आते हैं। भरोसेमंद इलाज है सीन को बिना टेक्स्ट के रेंडर करना और असली लोगो, कैप्शन और CTA को पोस्ट में फ़ुटेज के ऊपर कंपोज़िट करना।

क्या AI वीडियो भरोसेमंद लिप-सिंक कर सकता है?

हां, लेकिन तभी जब आवाज़ वीडियो मॉडल फ़ुटेज के उसी पास में खुद बनाए। अलग से बनाए गए TTS ऑडियो को रेंडर किए गए मुंह पर डब करने से ही वह अजीब लिप-फ़्लैप आता है, इसलिए TTS उन कट्स के लिए रखें जहां कोई मुंह न दिखे।

विज्ञापनों के लिए कौन सा AI वीडियो मॉडल सबसे अच्छा है?

कोई एक सबसे अच्छा नहीं है। शॉट के हिसाब से Seedance 2.5, Veo 3.1 और Kling 3.0 की अलग-अलग खूबियां हैं, और हर नए मॉडल रिलीज़ के साथ रैंकिंग बदल जाती है। Hermoso हर काम उस मॉडल को भेजता है जो उसके लिए सबसे सही है, ताकि यूज़र्स को कभी चुनना न पड़े।

क्या मैं AI से बने विज्ञापन में अपना असली प्रोडक्ट दिखा सकता हूं?

हां, और दिखाना चाहिए। हर रेंडर को असली प्रोडक्ट फ़ोटो पर टिकाना इस लिस्ट के सबसे असरदार सुधारों में से एक है। Hermoso मॉडल को हमशक्ल गढ़ने देने की जगह आपकी असली प्रोडक्ट फ़ोटो को जनरेट किए गए सीन में कंपोज़िट करता है।

AI ऐड क्रिएटिव शूट से कितना सस्ता है?

एजेंसियां आमतौर पर एक प्रोड्यूस किए गए विज्ञापन के लिए चार से पांच अंकों का कोट देती हैं, और क्रिएटर मार्केटप्लेस आमतौर पर UGC वीडियो कुछ सौ डॉलर प्रति वीडियो में लिस्ट करते हैं। Hermoso पर ऐप हर रेंडर का सटीक खर्च दिखाता है, और पेड प्लान $29, $69 और $149 प्रति महीने के हैं।

क्या दर्शक किसी विज्ञापन को सिर्फ़ इसलिए नकार देंगे कि वह AI से बना है?

हमारे अनुभव में नकारी निशानियां जाती हैं, स्रोत नहीं। मैट त्वचा, न्यूट्रल रोशनी, असली लेबल टेक्स्ट और एक अधूरे इंसानी पल वाला फ़ुटेज आम कंटेंट जैसा लगता है; मोम जैसी त्वचा और सुनहरी चमक वाला फ़ुटेज नकली लगता है, चाहे वह कैसे भी बना हो।