AI 广告看起来假，原因很具体，也都能修：过度磨皮、像蜡一样的皮肤，蜂蜜色的“大片感”调色，乱码的标签文字，没有任何物体会遵守的物理规律，和音频对不上的嘴型，还有一种任何手机都拍不出来的图库式完美。这些都不是 AI 视频天生的毛病。它们是默认设置，你得主动靠提示词和流程把它们去掉。
我们每天在 Hermoso 上调度 Seedance 2.5、Veo 3.1、Kling 3.0，以及 Google 最新的任意输入视频模型。一条没法用的成片和一条你真愿意花钱投的成片，差距几乎从来不在模型本身，而在模型运行前后做出的七个手艺上的决定。
这篇文章会老实点出这些破绽，然后逐一讲解从业者真正在用的七个修正方法。它们也正是我们做进自家流程里的那几个。
是什么让 AI 广告看起来很假？
几乎每一条在第一秒就被识破的 AI 广告，都逃不出这七个破绽。如果你被那种油亮、诡异的成片坑过，那就是下面几条的某种组合：
- 蜡像皮肤。模型大量学习的是修过图、打着美颜光的图像，所以默认就会生成毫无毛孔、柔光发亮的脸，这是任何手机摄像头都拍不出来的。
- 金色大片调色。什么都打上温暖、蜂蜜色、电影感的光。想象一条康普茶广告，打光却像香水广告。
- 乱码的标签文字。产品名字融化成似是而非的字母，字幕变成一锅字母汤。这是露馅最快的一个破绽。
- 不可能的物理。产品在空中多停了一拍，倒出的液体违反重力，抛起的瓶子像失重一样悬着。质量和动量对这些模型来说仍然很难。
- 配音嘴型。把 TTS 音频叠在生成出来的嘴上，就会出现那种人人都在烂配音电影里见过的诡异嘴型。
- 模型画出来的字幕。让模型在画面里直接渲染字幕条或 CTA 按钮。它做不到，糊掉的结果会毁掉一个原本很好的镜头。
- 图库式完美。构图完美居中，双手纹丝不动，没人眨眼，没有一处有一点不对。真实的内容处处都有一点不对。
每一条都有对应的解法。下面是这七个修正方法，按重要程度排序。
修正 1：用提示词要求哑光皮肤和平淡的手机拍摄质感
去油光的办法，是在提示词里明确把模型从美颜光的默认状态拉开：带有可见纹理的哑光皮肤、中性光线，以及手机摄像头用平淡的 SDR 画面配置拍出来的质感，而不是经过调色的电影机。不加提示的话，每一个主流视频模型都会往发光的方向跑。
落到实处，就是把真实感这一层写进每一条 UGC 风格的提示词：没修过的皮肤，不要轮廓光，不要光晕，手持取景，还有前置摄像头那种轻微噪点和有限的动态范围。成片就不再像一条广告片，而像一个真人拍的东西，这正是 UGC 形式的全部意义。这是投入产出比最高的一个修正，因为观众对假的识别，在皮肤上最敏锐。
修正 2：所有文字、logo 和字幕都在后期合成，绝不让模型去画
观众需要读的任何文字（logo、标签、字幕、CTA、结尾卡）都应该合成在成片之上，而不是在画面里生成。扩散模型生成的是在统计上像文字的像素，它们并不会写字形。结果就是融化的字母和凭空编出的假词，一个乱码标签就能毁掉一条本来无懈可击的成片。
行得通的流程是：先把场景干净地渲染出来，再在合成环节把真实的品牌素材叠上去：真正的 logo 文件、真正的字体、像素级精准的字幕。带清晰 logo 和可读 CTA 的结尾卡，也是这样做出来的。这比在提示词里打一句“加上 logo”要多做不少流程上的活，这也正是大多数看起来很假的 AI 广告跳过它的原因。一个好的 AI 广告生成器 会替你完成这一步。
修正 3：每次渲染都以真实产品照片为依据
如果模型手里没有你真实的产品照片作参考，它就会编出一个看起来说得过去的“远房表亲”：品类对了，瓶子形状错了，标签是幻觉出来的，颜色也有点偏。熟悉这个产品的顾客一眼就能看出来，你自己也一样。
解法是每次生成都喂进一张真实的产品照片，把真品合成进场景，而不是用文字去描述它。文字提示描述的是品类，参考图锁定的是身份。再配合修正 2（合成的标签文字），广告里的产品就是货架上的那个产品。这就是一张生活方式图和一条你真能投放的成品广告之间的区别。
修正 4：在每一段表演里写进微动作和一个不完美的瞬间
看起来假的 AI 表演，通常是导演得不够，而不是渲染得不够。“女人拿着产品微笑”这样的提示词，给你的是一个人体模特：眼神定住，手握得僵硬，笑容左右对称。真人会有小动作。
把表演导到动作层面：她说到一半低头看一眼标签，换个握法，把头发别到耳后，被自己的措辞逗得笑出半声。然后只加一个不完美的瞬间：镜头晃一下，她有一个音节说串了，构图飘了一点。一个瑕疵显得真实，五个就是一团乱。这是写脚本，不是调模型，也是大多数团队想都想不到要做的修正，因为他们正忙着怪模型。
修正 5：嘴在镜头里就用模型原生语音，TTS 只用于画外音镜头
规则很简单：如果嘴在镜头里，语音就必须由视频模型在同一次生成里原生产出，让嘴唇和声音出自同一个过程。如果镜头是配着旁白的产品空镜，用 TTS 就行，因为没有嘴会露馅。
团队常犯的错，是先生成一段人在说话的无声画面，再把 TTS 配上去。笼统的嘴部动作和具体音素之间的错位，人的感知抓得极其精准。这就是配音电影效应，调色再多也盖不住。只要你让它们去做，现在的模型能生成真正对上口型的语音；假感来自事后硬塞进去的音频。
修正 6：别让有分量的物体做抛物飞行
不要让模型去抛、扔、翻或接任何有质量的东西。抛物运动（物体在重力下自由飞行）正是视频模型的物理至今仍会明显崩坏的地方：瓶子在空中多停一拍，以恒定速度翻滚，落地时毫无重量感。
用编排绕开它。产品被拿着、转动、放下、拿起、倒进去：这些动作里都是手在带着物体走，模型永远不必独自去算重力。倾倒和飞溅比拿在手里风险高，但比抛扔安全得多。如果创意真的需要产品飞在空中，那是一个要靠剪辑绕过去的镜头，而不是一个要去生成的镜头。我们见到的大多数“不可能的物理”翻车都是自找的：分镜要了一个模型根本接不住的英雄式抛扔。
修正 7：用冷调、中性的光，别用蜂蜜色调色
在提示词里要求中性或略偏冷的白平衡，以及均匀、不加修饰的光线（阴天的日光、中午的厨房、办公室的日光灯），而不是接受模型默认会去找的暖金色调。那种蜂蜜色的观感就是 2026 年“AI 广告”的视觉标志，观众已经认得它了。
中性光一举两得：它去掉了大片感这个破绽，也让修正 1 和修正 3 更有效，因为哑光皮肤和真实合成的产品，都是在普通光线下最有说服力。效果类素材需要的是可信的画面，而不是漂亮的画面。把黄金时刻留给品牌真正需要它的镜头，那是刻意的选择，而不是从模型默认设置里继承来的。
Hermoso 是怎样把这些修正做进流程的
这份清单里最费力的几个修正，都直接做进了 Hermoso 的流程里，所以你能拿到一个天天做这件事的团队的产出，却不用自己去搭流程：
- 一层去油光的真实感处理，把哑光皮肤、中性光线和手机拍摄质感写进 UGC 渲染（修正 1 和 7）。
- 所有文字、logo 和字幕都在后期合成，绝不由模型去画，包括一张带你真实 logo 和 CTA 的结尾卡（修正 2）。
- 渲染以你真实的产品照片为依据，合成进场景，并套用你的品牌配色（修正 3）。
- 只要嘴在镜头里，就使用模型原生语音，TTS 只留给纯画外音的镜头（修正 5）。
在底层，它会把每个任务分派给 Seedance 2.5、Veo 3.1、Kling 3.0 和 Google 最新的任意输入视频模型，静态图则用 Flux、GPT Image 和 Google 最新的图像模型，按任务挑选，你永远不用自己选。而且因为它一开始就会在 Meta、Google 和 LinkedIn 广告库以及 TikTok 自然内容里研究你的市场里什么正在跑赢，所以在渲染出任何像素之前，创意就已经立足于已被验证的赢家。免费套餐可赚取 250+ 免费积分，无需绑卡；每次渲染前，应用里都会显示确切费用。用你自己的产品试试。检验这篇文章观点最快的办法，就是看成片能不能骗过你自己的“假货探测器”。
常见问题
为什么 AI 生成的文字和 logo 会变成乱码？
视频和图像模型生成的是在统计上像文字的像素，而不是真正的字形，所以标签和字幕会出现融化的字母、多余的笔画和似是而非的假词。可靠的解法是渲染不带文字的场景，然后在后期把真实的 logo、字幕和 CTA 合成到画面上。
AI 视频能做出逼真的口型同步吗？
能，但前提是语音由视频模型在生成画面的同一次运行里原生产出。把单独生成的 TTS 音频配到渲染好的嘴上，正是诡异嘴型的来源，所以 TTS 只用在看不到嘴的镜头里。
哪个 AI 视频模型最适合做广告？
没有唯一的最佳。Seedance 2.5、Veo 3.1 和 Kling 3.0 视镜头不同各有所长，而且每次有新模型发布，排名都会变。Hermoso 会把每个任务分派给最适合它的模型，所以用户永远不用自己挑。
我能把自己的真实产品放进 AI 生成的广告里吗？
能，而且你应该这么做。每次渲染都以真实产品照片为依据，是这份清单里影响最大的修正之一。Hermoso 会把你真实的产品照片合成进生成的场景，而不是让模型幻觉出一个相似品。
AI 广告素材比实拍便宜多少？
代理公司做一条制作好的广告，报价通常在四位数到五位数美元之间，创作者平台上的 UGC 视频通常每条标价几百美元。在 Hermoso 上，应用会显示每次渲染的确切费用，付费套餐为每月 $29、$69 和 $149。
观众会仅仅因为广告是 AI 生成的就拒绝它吗？
根据我们的经验，被拒绝的是那些破绽，而不是出身。哑光皮肤、中性光线、真实的标签文字，再加一个不完美的真人瞬间，这样的画面读起来就是普通内容；蜡像皮肤加金色油光的画面，不管是怎么做出来的，读起来都是假的。