Varför AI-annonser ser fejk ut (och 7 knep som gör dem användbara)

AI-annonser ser fejk ut av en konkret uppsättning skäl som går att åtgärda: vaxig, överslätad hud, en honungsgul "glamour"-färgsättning, sönderfallen etikettext, fysik som inget föremål följer, läppar som inte matchar ljudet och en bildbyråperfektion som ingen mobil någonsin har fångat. Inget av det här är inbyggt i AI-video. Det är standardlägen som du aktivt måste prompta och bygga dig ur.

Vi kör Seedance 2.5, Veo 3.1, Kling 3.0 och Googles nyaste videomodell för valfri input varje dag på Hermoso, och skillnaden mellan en oanvändbar rendering och en du faktiskt skulle lägga budget på handlar nästan aldrig om modellen. Den handlar om sju hantverksbeslut som fattas före och efter att modellen körs.

Det här inlägget pekar ärligt ut avslöjandena och går sedan igenom de sju knep som proffsen faktiskt använder. Det är samma knep som vi har byggt in i vårt eget flöde.

Vad får en AI-annons att se fejk ut?

Sju avslöjanden står för nästan varje AI-annons som genomskådas inom första sekunden. Har du bränt dig på glansigt, kusligt material var det någon kombination av de här:

• Vaxig hud. Modellerna är tränade på massor av retuscherade bilder med skönhetsljus, så de landar i porfria, mjukt glödande ansikten som ingen mobilkamera ger.
• Den gyllene glamourtonen. Varmt, honungsgult, filmiskt ljus på allt. Tänk dig en kombuchaannons ljussatt som en parfymreklam.
• Sönderfallen etikettext. Produktnamnet smälter ihop till nästan-bokstäver. Textremsor blir bokstavssoppa. Det här är det snabbaste enskilda avslöjandet.
• Omöjlig fysik. Produkter svävar en takt för länge, vätska som hälls trotsar gravitationen, en kastad flaska hänger viktlös i luften. Massa och rörelsemängd är fortfarande svårt för de här modellerna.
• Dubbade läppar. TTS-ljud som läggs över en genererad mun ger det kusliga läppfladdret alla känner igen från dåligt dubbade filmer.
• Textning som modellen målar. Att be modellen rendera textremsan eller CTA-knappen inne i bilden. Det klarar den inte, och det utsmetade resultatet förstör en annars bra tagning.
• Bildbyråperfektion. Perfekt centrerad komposition, helt stilla händer, ingen blinkar, inget är lite fel. Riktigt innehåll är lite fel överallt.

Varje avslöjande har en konkret motåtgärd. Här är de sju, i ordning efter hur mycket de spelar roll.

Knep 1: Prompta fram matt hud och platt mobilkamerakänsla

Knepet mot glansen är att uttryckligen prompta bort modellen från dess skönhetsljusade standardläge: matt hud med synlig textur, neutralt ljus och känslan av en mobilkamera som filmar med en platt SDR-bildprofil i stället för en färgsatt filmrigg. Utan sådana instruktioner glider varje stor videomodell mot glöd.

I praktiken betyder det att du skriver in realismlagret i varje prompt i UGC-stil: oretuscherad hud, inget kantljus, ingen bloom, handhållen bild, det lätta bruset och det begränsade dynamiska omfånget hos en frontkamera. Resultatet slutar se ut som en reklamfilm och börjar se ut som något en person har filmat, vilket är hela poängen med UGC-formatet. Det här är knepet med bäst förhållande mellan insats och effekt, eftersom huden är där tittarnas fejkdetektor är som skarpast.

Knep 2: Lägg på all text, alla logotyper och all textning i efterhand, låt aldrig modellen måla dem

All text som en tittare behöver läsa (logotyp, etikett, textning, CTA, slutskylt) ska läggas ovanpå det färdiga materialet i stället för att genereras inne i det. Diffusionsmodeller skapar pixlar som statistiskt liknar text; de skriver inga tecken. Resultatet blir smälta bokstäver och påhittade nästan-ord, och en sönderfallen etikett förstör en annars felfri rendering.

Flödet som fungerar ser ut så här: rendera scenen ren och lägg sedan på de riktiga varumärkestillgångarna i ett kompositsteg: den riktiga logotypfilen, det riktiga typsnittet, pixelperfekt textning. Det är också så du får en slutskylt med en skarp logotyp och en läsbar CTA. Det är mer arbete i flödet än att skriva "lägg till logotypen" i en prompt, och det är precis därför de flesta fejkiga AI-annonser hoppar över det. En bra AI-annonsgenerator gör det steget åt dig.

Knep 3: Förankra varje rendering i ett riktigt produktfoto

Om modellen inte har ditt riktiga produktfoto som referens hittar den på en trovärdig kusin till din produkt: rätt kategori, fel flaskform, påhittad etikett, lite fel färg. Kunder som känner produkten märker det direkt, och det gör du också.

Knepet är att mata in ett riktigt produktfoto i varje generering och lägga in den äkta varan i scenen i stället för att beskriva den med ord. Textpromptar beskriver kategorier; referensbilder låser identiteten. Tillsammans med knep 2 (etikettext som läggs på i efterhand) är det det här som gör att produkten i annonsen är produkten på hyllan. Det är skillnaden mellan en livsstilsbild och en färdig annons som du faktiskt kan köra.

Knep 4: Skriv in mikrogester och ett ofullkomligt ögonblick i varje framträdande

AI-framträdanden som ser fejk ut är oftast för dåligt regisserade, inte för dåligt renderade. En prompt som "kvinna håller produkten och ler" ger dig en skyltdocka: låst blick, stelt grepp, symmetriskt leende. Riktiga människor rör på sig.

Regissera framträdandet på gestnivå: hon tittar ner på etiketten mitt i en mening, justerar greppet, stoppar håret bakom örat, skrattar lite åt sin egen formulering. Lägg sedan in exakt ett ofullkomligt ögonblick: kameran skakar till, hon pratar i mun på sig själv en stavelse, bildutsnittet glider. Ett fel känns äkta; fem känns som kaos. Det här är manusarbete, inte modelljustering, och det är knepet de flesta team aldrig kommer på eftersom de är upptagna med att skylla på modellen.

Knep 5: Modellens eget tal när munnen syns, TTS bara för voiceover-klipp

Regeln är enkel: om munnen syns i bild måste talet genereras direkt av videomodellen i samma körning, så att läpparna och ljudet kommer från en och samma process. Om tagningen är B-roll på produkten med berättarröst ovanpå går TTS bra, eftersom det inte finns någon mun som kan avslöja det.

Där team går fel är när de genererar tyst material av en person som pratar och sedan dubbar TTS ovanpå. Glappet mellan generiska munrörelser och specifika ljud är något mänsklig perception är skoningslöst bra på att upptäcka. Det är dubbad film-effekten, och ingen färgsättning i världen döljer den. Dagens modeller genererar riktigt läppsynkat tal om du låter dem; fejkkänslan kommer av att ljudet skruvas på i efterhand.

Knep 6: Håll tunga föremål borta från fri flykt

Be inte modellen att kasta, tappa, vända eller fånga något som har massa. Ballistisk rörelse (ett föremål i fri flykt under gravitationen) är där videomodellernas fysik fortfarande syns spricka: flaskan hänger kvar en takt för länge, snurrar i konstant takt, landar utan tyngd.

Koreografera runt det. Produkter ska hållas, vändas, ställas ner, plockas upp, hällas i: rörelser där en hand bär föremålet och modellen aldrig behöver lösa gravitationen på egen hand. Hällningar och stänk är riskablare än att hålla, men mycket säkrare än kast. Om konceptet verkligen kräver att produkten är i luften är det en tagning att klippa runt, inte en tagning att generera. De flesta fall av "omöjlig fysik" som vi ser är självförvållade: storyboarden bad om ett hjältekast som modellen aldrig skulle klara.

Knep 7: Svalt, neutralt ljus i stället för honungsgula toner

Prompta fram neutral eller lätt sval vitbalans och jämnt, oglamoröst ljus (mulet dagsljus, ett kök mitt på dagen, kontorslysrör) i stället för att acceptera den varma gyllene ton som modellerna tar till som standard. Den honungsgula looken är den visuella signaturen för "AI-annons" 2026, och tittarna har lärt sig känna igen den.

Neutralt ljus gör dubbel nytta: det tar bort glamouravslöjandet, och det gör att knep 1 och 3 slår igenom ännu bättre, eftersom matt hud och en riktig, inlagd produkt ser mest övertygande ut i vanligt ljus. Performance-kreativ behöver trovärdigt material mer än vackert material. Spara gyllene timmen till tagningar där varumärket verkligen kräver det, valt medvetet i stället för ärvt från modellens standardlägen.

Så bygger Hermoso in de här knepen i sitt flöde

De tyngsta knepen på listan är inbyggda direkt i Hermosos flöde, så du får resultatet från ett team som gör det här dagligen utan att själv göra jobbet i flödet:

• Ett realismlager mot glans skriver in matt hud, neutralt ljus och mobilkamerakänsla i UGC-renderingar (knep 1 och 7).
• All text, alla logotyper och all textning läggs på i efterhand, målas aldrig av modellen, inklusive en slutskylt med din riktiga logotyp och CTA (knep 2).
• Renderingarna förankras i ditt riktiga produktfoto, inlagt i scenen, med din varumärkespalett (knep 3).
• Modellens eget tal används när en mun syns i bild, och TTS sparas till klipp med enbart voiceover (knep 5).

Under huven fördelas varje jobb mellan Seedance 2.5, Veo 3.1, Kling 3.0 och Googles nyaste videomodell för valfri input, plus Flux, GPT Image och Googles senaste bildmodeller för stillbilder, med val per jobb så att du aldrig behöver välja. Och eftersom det börjar med att undersöka vad som redan vinner på din marknad i annonsbiblioteken hos Meta, Google och LinkedIn plus organiskt TikTok, är koncepten förankrade i det som redan vinner innan en enda pixel renderas. Gratisplanen har 250+ intjänbara gratiskrediter utan kort; exakta kostnader visas i appen före varje rendering. Prova på din egen produkt. Det snabbaste sättet att testa inläggets argument är att se om resultatet klarar din egen fejkdetektor.

Vanliga frågor

Varför blir AI-genererad text och logotyper sönderfallna?

Video- och bildmodeller genererar pixlar som statistiskt liknar text i stället för riktiga tecken, så etiketter och textning får smälta bokstäver, extra streck och nästan-ord. Det säkra knepet är att rendera scenen utan text och lägga på den riktiga logotypen, textningen och CTA:n ovanpå materialet i efterhand.

Klarar AI-video övertygande läppsynk?

Ja, men bara när talet genereras direkt av videomodellen i samma körning som bilden. Att dubba separat genererat TTS-ljud över en renderad mun är det som ger det kusliga läppfladdret, så spara TTS till klipp där ingen mun syns.

Vilken AI-videomodell är bäst för annonser?

Det finns ingen enskild bästa. Seedance 2.5, Veo 3.1 och Kling 3.0 har olika styrkor beroende på tagningen, och rangordningen ändras med varje ny modell. Hermoso skickar varje jobb till den modell som passar bäst, så användarna aldrig behöver välja.

Kan jag ha min riktiga produkt i en AI-genererad annons?

Ja, och det bör du. Att förankra varje rendering i ett riktigt produktfoto är ett av knepen med störst effekt på listan. Hermoso lägger in ditt riktiga produktfoto i de genererade scenerna i stället för att låta modellen hitta på en kopia.

Hur mycket billigare är AI-annonskreativ än en inspelning?

Byråer tar ofta fyra- till femsiffriga belopp för en enda producerad annons, och kreatörsmarknadsplatser listar ofta UGC-videor för ett par hundra styck. På Hermoso visar appen den exakta kostnaden för varje rendering, med betalplaner för $29, $69 och $149 i månaden.

Kommer tittare att avvisa en annons bara för att den är AI-genererad?

Vår erfarenhet är att det är avslöjandena som avvisas, inte ursprunget. Material med matt hud, neutralt ljus, riktig etikettext och ett ofullkomligt mänskligt ögonblick uppfattas som vanligt innehåll; material med vaxig hud och gyllene glans uppfattas som fejk oavsett hur det gjordes.