Perché gli annunci fatti con l'IA sembrano finti (e i 7 interventi che li rendono utilizzabili)

Gli annunci fatti con l'IA sembrano finti per una serie di motivi precisi, e risolvibili: pelle cerosa e troppo levigata, una color correction dorata da "glamour", testo delle etichette illeggibile, una fisica a cui nessun oggetto obbedisce, labbra che non vanno a tempo con l'audio e una perfezione da foto stock che nessun telefono ha mai catturato. Niente di tutto questo è insito nel video generato con l'IA. Sono impostazioni predefinite, e per uscirne devi lavorare attivamente sul prompt e sulla pipeline.

Ogni giorno, in Hermoso, smistiamo i lavori fra Seedance 2.5, Veo 3.1, Kling 3.0 e il modello video più recente di Google che accetta qualsiasi input. La differenza fra un render inutilizzabile e uno su cui metteresti davvero budget non dipende quasi mai dal modello. Dipende da sette scelte di mestiere fatte prima e dopo che il modello gira.

In questo articolo chiamiamo i segnali rivelatori con il loro nome, poi passiamo ai sette interventi che chi lavora sul campo usa davvero. Sono gli stessi che abbiamo integrato nella nostra pipeline.

Che cosa fa sembrare finto un annuncio fatto con l'IA?

Sette segnali spiegano quasi ogni annuncio IA che viene smascherato nel primo secondo. Se ti sei scottato con risultati lucidi e inquietanti, era una combinazione di questi:

• Pelle cerosa. I modelli sono addestrati in gran parte su immagini ritoccate e con luci da beauty, quindi tendono a volti senza pori, con un bagliore morbido che nessuna fotocamera di telefono produce.
• La color correction dorata da glamour. Luce calda, color miele, cinematografica su tutto. Immagina uno spot di kombucha illuminato come la pubblicità di un profumo.
• Testo delle etichette illeggibile. Il nome del prodotto si scioglie in quasi-lettere. Le didascalie diventano una zuppa di alfabeto. È il segnale che ti tradisce più in fretta.
• Fisica impossibile. I prodotti restano sospesi un attimo di troppo, i liquidi sfidano la gravità, una bottiglia lanciata galleggia senza peso. Massa e quantità di moto sono ancora difficili per questi modelli.
• Labbra doppiate. Un audio TTS sopra una bocca generata produce quel labiale inquietante che tutti riconoscono dai film doppiati male.
• Didascalie dipinte dal modello. Chiedere al modello di disegnare dentro l'inquadratura la barra delle didascalie o il pulsante della CTA. Non ci riesce, e il risultato sbavato rovina un'inquadratura per il resto buona.
• Perfezione da foto stock. Inquadratura perfettamente centrata, mani perfettamente ferme, nessuno sbatte le palpebre, niente è un po' fuori posto. I contenuti veri sono un po' sbagliati dappertutto.

Ognuno ha una contromisura precisa. Ecco le sette, in ordine di importanza.

Intervento 1: chiedi pelle opaca e una ripresa piatta, da telefono

Per togliere la patina lucida devi spingere esplicitamente il modello lontano dal suo default da luce beauty: pelle opaca con la texture visibile, luce neutra e il carattere di un telefono che riprende con un profilo SDR piatto, non quello di una cinepresa con color grading. Se non lo chiedi, ogni grande modello video scivola verso il bagliore.

In pratica significa scrivere il livello di realismo in ogni prompt in stile UGC: pelle non ritoccata, niente controluce, niente bloom, ripresa a mano, il leggero rumore e i limiti di gamma dinamica di una fotocamera frontale. Il risultato smette di sembrare uno spot e comincia a sembrare qualcosa che ha girato una persona, che è proprio il senso del formato UGC. È l'intervento con il miglior rapporto fra sforzo e impatto, perché è sulla pelle che chi guarda riconosce il falso più in fretta.

Intervento 2: componi testi, loghi e didascalie in post; non lasciarli mai dipingere al modello

Ogni testo che chi guarda deve leggere (logo, etichetta, didascalia, CTA, end card) va sovrapposto al filmato finito, non generato dentro. I modelli di diffusione producono pixel che statisticamente somigliano a un testo; non scrivono caratteri. Il risultato sono lettere sciolte e parole quasi inventate, e un'etichetta illeggibile rovina un render altrimenti impeccabile.

La pipeline che funziona è questa: generi la scena pulita, poi in una fase di compositing sovrapponi i veri asset del brand, cioè il file del logo vero, il carattere tipografico vero, didascalie precise al pixel. È così che ottieni anche una end card con un logo nitido e una CTA leggibile. È più lavoro che scrivere "aggiungi il logo" in un prompt, ed è proprio per questo che quasi tutti gli annunci IA che sembrano finti lo saltano. Un buon generatore di annunci con l'IA fa questo passaggio al posto tuo.

Intervento 3: ancora ogni render a una foto vera del prodotto

Se il modello non ha come riferimento la foto vera del tuo prodotto, si inventerà un cugino credibile del tuo prodotto: categoria giusta, forma della bottiglia sbagliata, etichetta allucinata, colore leggermente diverso. I clienti che conoscono il prodotto se ne accorgono subito, e te ne accorgi anche tu.

La soluzione è dare una foto vera del prodotto a ogni generazione e inserire nella scena l'articolo autentico, invece di descriverlo a parole. I prompt testuali descrivono categorie; le immagini di riferimento fissano l'identità. Insieme all'intervento 2 (il testo dell'etichetta composto in post), è questo che fa sì che il prodotto nell'annuncio sia il prodotto sullo scaffale. È la differenza fra un'immagine lifestyle e un annuncio finito che puoi davvero mandare online.

Intervento 4: scrivi micro-gesti e un momento imperfetto in ogni interpretazione

Le interpretazioni IA che sembrano finte di solito sono poco dirette, non poco renderizzate. Un prompt come "una donna tiene il prodotto e sorride" ti dà un manichino: sguardo fisso, presa bloccata, sorriso simmetrico. Le persone vere si muovono.

Dirigi l'interpretazione a livello di gesto: a metà frase abbassa lo sguardo sull'etichetta, sistema la presa, si mette i capelli dietro l'orecchio, ride a metà di come ha detto una cosa. Poi aggiungi esattamente un momento imperfetto: la camera ha un sobbalzo, lei si sovrappone a se stessa per una sillaba, l'inquadratura scivola. Un difetto sembra autentico; cinque sembrano caos. Questa è scrittura, non tuning del modello, ed è l'intervento a cui la maggior parte dei team non pensa mai, perché è impegnata a dare la colpa al modello.

Intervento 5: voce nativa del modello quando la bocca è in scena, TTS solo per gli stacchi con voce fuori campo

La regola è semplice: se la bocca è in camera, il parlato deve essere generato in modo nativo dal modello video nello stesso passaggio, così labbra e audio nascono da un unico processo. Se l'inquadratura è un B-roll di prodotto con una narrazione sopra, il TTS va bene, perché non c'è nessuna bocca a tradirlo.

Dove i team sbagliano è generare un filmato muto di una persona che parla e poi doppiarci sopra un TTS. La discrepanza fra un movimento generico della bocca e fonemi precisi è una cosa che la percezione umana coglie con una precisione spietata. È l'effetto film doppiato, e nessuna color correction lo nasconde. I modelli attuali generano un parlato con un labiale davvero sincronizzato se li lasci fare; l'aspetto finto viene dall'audio attaccato dopo.

Intervento 6: tieni gli oggetti pesanti lontani dal volo libero

Non chiedere al modello di lanciare, far cadere, capovolgere o afferrare al volo niente che abbia una massa. Il moto balistico (un oggetto in volo libero sotto l'effetto della gravità) è dove la fisica dei modelli video si rompe ancora in modo visibile: la bottiglia resta sospesa un attimo di troppo, ruota a velocità costante, atterra senza peso.

Costruisci la coreografia intorno a questo limite. I prodotti vengono tenuti, girati, appoggiati, sollevati, riempiti: movimenti in cui una mano porta l'oggetto e il modello non deve mai risolvere la gravità da solo. Versate e schizzi sono più rischiosi di una presa, ma molto più sicuri di un lancio. Se il concept ha davvero bisogno del prodotto in aria, è un'inquadratura da evitare al montaggio, non da generare. Quasi tutti i fallimenti di "fisica impossibile" che vediamo sono autoinflitti: lo storyboard chiedeva un lancio eroico che il modello non avrebbe mai azzeccato.

Intervento 7: luce fredda e neutra al posto delle tinte color miele

Chiedi un bilanciamento del bianco neutro o leggermente freddo e una luce uniforme, per niente glamour (luce diurna con il cielo coperto, una cucina a mezzogiorno, i neon di un ufficio), invece di accettare la tinta calda e dorata a cui i modelli tendono di default. Quel look color miele è la firma visiva dell'"annuncio IA" nel 2026, e il pubblico ha imparato a riconoscerlo.

La luce neutra fa un doppio lavoro: elimina il segnale del glamour e rende più efficaci gli interventi 1 e 3, perché la pelle opaca e un prodotto vero composto nella scena convincono di più sotto una luce normale. I creativi per la performance hanno bisogno di immagini credibili più che di immagini belle. Tieni l'ora dorata per le inquadrature in cui il brand la richiede davvero, scelta di proposito e non ereditata dalle impostazioni del modello.

Come Hermoso integra questi interventi nella sua pipeline

Gli interventi più impegnativi di questa lista sono integrati direttamente nella pipeline di Hermoso, così ottieni il lavoro di un team che lo fa ogni giorno senza dover costruire tu la pipeline:

• Un livello di realismo anti-patina scrive pelle opaca, luce neutra e il carattere di una ripresa da telefono nei render UGC (interventi 1 e 7).
• Tutti i testi, i loghi e le didascalie sono composti in post, mai dipinti dal modello, compresa una end card con il tuo logo vero e la tua CTA (intervento 2).
• I render sono ancorati alla foto vera del tuo prodotto, inserita nella scena, con la palette del tuo brand applicata (intervento 3).
• La voce nativa del modello si usa ogni volta che una bocca è in camera, e il TTS resta per gli stacchi con sola voce fuori campo (intervento 5).

Sotto, smista ogni lavoro fra Seedance 2.5, Veo 3.1, Kling 3.0 e il modello video più recente di Google che accetta qualsiasi input, più Flux, GPT Image e gli ultimi modelli di immagine di Google per le immagini statiche, scegliendo per ogni lavoro così tu non devi mai scegliere. E siccome parte dalla ricerca di ciò che sta già vincendo nel tuo mercato, nelle librerie inserzioni di Meta, Google e LinkedIn più i contenuti organici di TikTok, i concept poggiano su quello che funziona già prima ancora che venga generato un pixel. Il piano gratuito include oltre 250 crediti gratuiti da guadagnare, senza carta di credito; i costi esatti sono indicati nell'app prima di ogni render. Provalo sul tuo prodotto. Il modo più veloce per mettere alla prova la tesi di questo articolo è vedere se il risultato supera il tuo rilevatore di falsi.

Domande frequenti

Perché testi e loghi generati con l'IA escono illeggibili?

I modelli video e di immagine generano pixel che statisticamente somigliano a un testo, non veri caratteri, quindi etichette e didascalie escono con lettere sciolte, tratti in più e parole quasi vere. La soluzione affidabile è generare la scena senza testo e sovrapporre in post il logo vero, le didascalie e la CTA.

Il video generato con l'IA può avere un labiale convincente?

Sì, ma solo quando il parlato è generato in modo nativo dal modello video nello stesso passaggio del filmato. Doppiare un audio TTS generato a parte sopra una bocca renderizzata è ciò che crea quel labiale inquietante, quindi tieni il TTS per gli stacchi in cui non si vede nessuna bocca.

Qual è il miglior modello video IA per gli annunci?

Non ce n'è uno migliore in assoluto. Seedance 2.5, Veo 3.1 e Kling 3.0 hanno punti di forza diversi a seconda dell'inquadratura, e la classifica cambia a ogni nuova versione. Hermoso manda ogni lavoro al modello più adatto, così chi lo usa non deve mai scegliere.

Posso mettere il mio prodotto vero in un annuncio generato con l'IA?

Sì, e dovresti farlo. Ancorare ogni render a una foto vera del prodotto è uno degli interventi con più impatto di questa lista. Hermoso inserisce la foto vera del tuo prodotto nelle scene generate invece di lasciare che il modello si inventi un sosia.

Quanto costa meno un creativo IA rispetto a uno shooting?

Le agenzie chiedono di solito cifre a quattro o cinque zeri per un singolo annuncio prodotto, e i marketplace di creator di solito mettono i video UGC a qualche centinaio l'uno. Su Hermoso l'app mostra il costo esatto di ogni render, con piani a pagamento da $29, $69 e $149 al mese.

Il pubblico rifiuterà un annuncio solo perché è generato con l'IA?

Secondo la nostra esperienza vengono rifiutati i segnali rivelatori, non l'origine. Un filmato con pelle opaca, luce neutra, testo vero sulle etichette e un momento umano imperfetto sembra un contenuto normale; un filmato con pelle cerosa e patina dorata sembra finto, comunque sia stato fatto.