De ce par false reclamele AI (și cele 7 soluții care le fac utilizabile)

Reclamele AI par false dintr-un set precis de motive, care se pot rezolva: piele ceruită, netezită excesiv, o gradare de culoare „glamour” ca mierea, text stâlcit pe etichete, o fizică pe care niciun obiect nu o respectă, buze care nu se potrivesc cu sunetul și o perfecțiune de fotografie de stoc pe care n-a prins-o niciodată vreun telefon. Niciuna nu ține de natura video-ului AI. Sunt setări implicite din care trebuie să ieși activ, prin prompt și prin pipeline.

La Hermoso rutăm zilnic Seedance 2.5, Veo 3.1, Kling 3.0 și cel mai nou model video de la Google, care acceptă orice tip de input. Diferența dintre o randare inutilizabilă și una în care chiar ai pune buget aproape niciodată nu ține de model. Ține de șapte decizii de meserie, luate înainte și după ce rulează modelul.

Articolul ăsta numește cinstit semnele care te dau de gol, apoi trece prin cele șapte soluții pe care le folosesc practicienii. Sunt aceleași pe care le-am integrat în propriul nostru pipeline.

Ce face o reclamă AI să pară falsă?

Șapte semne explică aproape orice reclamă AI depistată în prima secundă. Dacă te-ai ars cu rezultate lucioase și stranii, a fost o combinație dintre acestea:

• Piele ceruită. Modelele sunt antrenate masiv pe imagini retușate, cu lumină de beauty, așa că pornesc implicit de la fețe fără pori, cu o strălucire moale, pe care nicio cameră de telefon nu le produce.
• Gradarea glamour aurie. Lumină caldă, ca mierea, cinematică, peste tot. Imaginează-ți o reclamă la kombucha luminată ca un spot de parfum.
• Text stâlcit pe etichetă. Numele produsului se topește în ceva ce aproape seamănă a litere. Subtitrările ies ca o supă de litere. E cel mai rapid semn care te dă de gol.
• Fizică imposibilă. Produsele plutesc o clipă prea mult, lichidul turnat sfidează gravitația, o sticlă aruncată atârnă fără greutate. Masa și impulsul sunt încă grele pentru modelele astea.
• Buze dublate. Audio TTS pus peste o gură generată produce mișcarea stranie a buzelor pe care toată lumea o recunoaște din filmele prost dublate.
• Subtitrări pictate de model. Îi ceri modelului să randeze în cadru bara de subtitrare sau butonul de CTA. Nu poate, iar rezultatul mânjit strică un cadru altfel bun.
• Perfecțiune de fotografie de stoc. Încadrare perfect centrată, mâini perfect nemișcate, nimeni nu clipește, nimic nu e puțin greșit. Conținutul real e puțin greșit peste tot.

Fiecare are o contramăsură precisă. Iată-le pe toate șapte, în ordinea importanței.

Soluția 1: Cere în prompt piele mată și o captură plată, de cameră de telefon

Soluția anti-luciu e să îndepărtezi explicit modelul, prin prompt, de lumina de beauty pe care o alege implicit: piele mată, cu textură vizibilă, lumină neutră și caracterul de captură al unei camere de telefon care filmează într-un profil SDR plat, nu al unei camere de cinema cu gradare. Lăsat fără indicații, orice model video important alunecă spre strălucire.

În practică, asta înseamnă să scrii stratul de realism în fiecare prompt în stil UGC: piele neretușată, fără lumină de contur, fără bloom, încadrare din mână, zgomotul ușor și limitele de gamă dinamică ale unei camere frontale. Rezultatul nu mai arată ca o reclamă de televizor și începe să arate ca ceva filmat de un om, ceea ce e tot rostul formatului UGC. E soluția cu cel mai bun raport între efort și impact, pentru că pe piele detectorul de fals al privitorilor e cel mai ascuțit.

Soluția 2: Compune tot textul, logourile și subtitrările în post-producție; nu lăsa niciodată modelul să le picteze

Orice text pe care privitorul trebuie să-l citească (logo, etichetă, subtitrare, CTA, cadru final) trebuie suprapus peste filmarea terminată, nu generat în ea. Modelele de difuzie produc pixeli care seamănă statistic cu un text; nu scriu glife. Rezultatul sunt litere topite și cuvinte inventate, iar o etichetă stâlcită strică o randare altfel impecabilă.

Pipeline-ul care funcționează e așa: randezi scena curată, apoi suprapui elementele reale de brand într-o etapă de compoziție: fișierul real al logoului, fontul real, subtitrări perfecte la pixel. Tot așa obții un cadru final cu un logo clar și un CTA lizibil. E mai multă muncă de pipeline decât să scrii „adaugă logoul” într-un prompt, și exact de aceea majoritatea reclamelor AI care par false o sar. Un generator de reclame AI bun face etapa asta pentru tine.

Soluția 3: Ancorează fiecare randare pe o fotografie reală a produsului

Dacă modelul nu are ca referință fotografia reală a produsului tău, va inventa un văr plauzibil al produsului: categoria corectă, forma greșită a sticlei, o etichetă halucinată, o culoare puțin pe lângă. Clienții care știu produsul observă imediat, și la fel observi și tu.

Soluția e să dai o fotografie reală a produsului la fiecare generare și să compui produsul autentic în scenă, în loc să-l descrii în cuvinte. Prompturile text descriu categorii; imaginile de referință fixează identitatea. Combinată cu Soluția 2 (textul etichetei compus), asta face ca produsul din reclamă să fie produsul de pe raft. E diferența dintre o imagine de lifestyle și o reclamă finalizată pe care chiar o poți rula.

Soluția 4: Scrie micro-gesturi și un moment imperfect în fiecare interpretare

Interpretările AI care par false sunt de obicei regizate prea puțin, nu randate prea puțin. Un prompt ca „femeia ține produsul și zâmbește” îți dă un manechin: privire fixă, mână încleștată, zâmbet simetric. Oamenii reali se foiesc.

Regizează interpretarea la nivel de gest: se uită în jos la etichetă în mijlocul propoziției, își ajustează priza, își dă o șuviță după ureche, râde scurt de felul în care a formulat. Apoi pune exact un moment imperfect: camera se zgâlțâie, își vorbește peste ea o silabă, încadrarea alunecă. Un defect pare autentic; cinci par haos. Asta e scriere de scenariu, nu reglaj de model, și e soluția la care majoritatea echipelor nu se gândesc, pentru că sunt ocupate să dea vina pe model.

Soluția 5: Vorbire nativă a modelului pentru guri vizibile, TTS doar pentru cadrele cu voce off

Regula e simplă: dacă gura e în cadru, vorbirea trebuie generată nativ de modelul video în aceeași trecere, ca buzele și sunetul să vină din același proces. Dacă e un B-roll de produs cu narațiune peste, TTS e în regulă, pentru că nu există nicio gură care să-l trădeze.

Echipele greșesc când generează o filmare mută cu un om care vorbește și apoi pun TTS peste. Nepotrivirea dintre mișcarea generică a gurii și fonemele precise e ceva ce percepția umană prinde fără milă. E efectul de film dublat și nicio gradare nu-l ascunde. Modelele actuale generează vorbire sincronizată pe buze de-adevăratelea când le lași; aspectul fals vine din sunetul lipit după aceea.

Soluția 6: Ține obiectele grele departe de zborul balistic

Nu-i cere modelului să arunce, să scape, să întoarcă în aer sau să prindă nimic care are masă. Mișcarea balistică (un obiect în zbor liber, sub gravitație) e locul unde fizica modelelor video încă se rupe vizibil: sticla atârnă o clipă prea mult, se rostogolește cu viteză constantă, aterizează fără greutate.

Coregrafiază în jurul ei. Produsele sunt ținute, rotite, puse jos, ridicate, turnate: mișcări în care o mână poartă obiectul și modelul nu trebuie niciodată să rezolve singur gravitația. Turnările și stropii sunt mai riscante decât ținutul în mână, dar mult mai sigure decât aruncările. Dacă ideea chiar cere produsul în aer, e un cadru în jurul căruia tai, nu unul pe care îl generezi. Majoritatea eșecurilor de „fizică imposibilă” pe care le vedem sunt autoprovocate: storyboardul a cerut o aruncare spectaculoasă pe care modelul n-avea cum s-o reușească.

Soluția 7: Lumină rece, neutră, în loc de gradări ca mierea

Cere în prompt un balans de alb neutru sau ușor rece și o lumină uniformă, deloc glamour (lumină de zi cu cer acoperit, o bucătărie la prânz, neoane de birou), în loc să accepți gradarea caldă, aurie, spre care sar modelele implicit. Aspectul ăsta ca mierea e semnătura vizuală a „reclamei AI” în 2026, iar privitorii au învățat s-o recunoască.

Lumina neutră face o dublă treabă: elimină semnul glamour și face Soluțiile 1 și 3 mai convingătoare, pentru că pielea mată și un produs real compus în scenă arată cel mai credibil în lumină obișnuită. Creativele de performanță au nevoie de filmări credibile mai mult decât de filmări frumoase. Păstrează ora de aur pentru cadrele unde brandul chiar o cere, aleasă deliberat, nu moștenită din setările implicite ale modelului.

Cum integrează Hermoso aceste soluții în pipeline

Cele mai grele soluții de pe listă sunt integrate direct în pipeline-ul Hermoso, așa că primești rezultatul unei echipe care face asta zilnic, fără să faci tu munca de pipeline:

• Un strat de realism anti-luciu scrie pielea mată, lumina neutră și caracterul de captură de telefon în randările UGC (Soluțiile 1 și 7).
• Tot textul, logourile și subtitrările sunt compuse în post-producție, niciodată pictate de model, inclusiv un cadru final cu logoul tău real și CTA-ul tău (Soluția 2).
• Randările sunt ancorate pe fotografia reală a produsului tău, compusă în scenă, cu paleta brandului tău aplicată (Soluția 3).
• Vorbirea nativă a modelului e folosită ori de câte ori o gură e în cadru, iar TTS e păstrat pentru cadrele doar cu voce off (Soluția 5).

Dedesubt, rutează fiecare job între Seedance 2.5, Veo 3.1, Kling 3.0 și cel mai nou model video de la Google care acceptă orice input, plus Flux, GPT Image și cele mai noi modele de imagine de la Google pentru imagini statice, alegând pentru fiecare job, ca să nu fie nevoie să alegi tu. Și pentru că pornește prin a cerceta ce câștigă deja pe piața ta, în bibliotecile de reclame Meta, Google și LinkedIn plus TikTok organic, ideile sunt ancorate în ce funcționează deja înainte să fie randat vreun pixel. Planul gratuit include peste 250 de credite gratuite pe care le poți câștiga, fără card; costurile exacte îți sunt afișate în aplicație înainte de fiecare randare. Încearcă pe propriul tău produs. Cel mai rapid mod de a testa argumentul articolului e să vezi dacă rezultatul trece de propriul tău detector de fals.

Întrebări frecvente

De ce textul și logourile generate de AI ies stâlcite?

Modelele video și de imagine generează pixeli care seamănă statistic cu un text, nu glife reale, așa că etichetele și subtitrările ies cu litere topite, linii în plus și cuvinte aproape corecte. Soluția sigură e să randezi scena fără text și să suprapui logoul real, subtitrările și CTA-ul peste filmare, în post-producție.

Poate video-ul AI să facă un lip sync convingător?

Da, dar doar când vorbirea e generată nativ de modelul video, în aceeași trecere cu filmarea. Efectul straniu al buzelor vine din audio TTS generat separat și dublat peste o gură randată, așa că păstrează TTS pentru cadrele în care nu se vede nicio gură.

Care model video AI e cel mai bun pentru reclame?

Nu există unul singur. Seedance 2.5, Veo 3.1 și Kling 3.0 au fiecare puncte forte diferite, în funcție de cadru, iar clasamentul se schimbă la fiecare lansare de model. Hermoso rutează fiecare job către modelul cel mai potrivit pentru el, ca utilizatorii să nu fie nevoiți să aleagă.

Pot pune produsul meu real într-o reclamă generată cu AI?

Da, și chiar ar trebui. Ancorarea fiecărei randări pe o fotografie reală a produsului e una dintre soluțiile cu cel mai mare impact de pe listă. Hermoso compune fotografia reală a produsului tău în scenele generate, în loc să lase modelul să halucineze o copie.

Cu cât e mai ieftin un creativ AI decât o filmare?

Agențiile cer de obicei sume de patru-cinci cifre pentru o singură reclamă produsă, iar marketplace-urile de creatori listează frecvent videoclipuri UGC la câteva sute pe bucată. Pe Hermoso, aplicația îți arată costul exact al fiecărei randări, iar planurile plătite sunt de $29, $69 și $149 pe lună.

Vor respinge privitorii o reclamă doar pentru că e generată cu AI?

Din experiența noastră, sunt respinse semnele care te dau de gol, nu originea. O filmare cu piele mată, lumină neutră, text real pe etichetă și un moment omenesc imperfect pare conținut obișnuit; o filmare cu piele ceruită și luciu auriu pare falsă, indiferent cum a fost făcută.