Nejdřív sdělení, teprve potom generování
Kolegyně Markéta Křížová, která u nás dělá Meta reklamu, to na webináři shrnula jednoduše: samotné generování už dnes není věda. Věda je to, co se děje před ním. Co má reklama říct, ke komu mluví a proč by to toho člověka mělo zajímat.
Od klientů často slyšíme, že jim AI hezké kreativy neumí. Když se zeptáme, jak zadávají, odpověď bývá jedna věta ve stylu „vygeneruj mi banner na produkt XY“. Z takového vstupu nic použitelného nevznikne, a u videa to platí ještě víc.
Vyplatí se proto věnovat pár minut přípravě: vybrat produkt, projít jeho výhody, recenze nebo komentáře pod reklamami a najít reklamní úhly. Meta s novým algoritmem vyžaduje testovat víc úhlů, které mluví k různým cílovkám, takže tahle příprava se vrátí i při dalším testování. Pokud nemáte manuál značky, často stačí dát nástroji snímek obrazovky vašeho webu, aby převzal barvy a styl.
Proč pracujeme v Higgsfieldu
Obrázky i videa děláme hlavně v Higgsfieldu. Má na jednom místě modely na obrázky, video i zvuk, takže se nemusí přeskakovat mezi nástroji. Hlavní výhoda je ale v práci s referenčními obrázky: fotku produktu nebo postavy nahrajete a v textu zadání přímo označíte, kde se má použít. Nástroj pak ví, co nesmí měnit.
Na statické bannery používáme hlavně GPT Image 2, protože umí relativně bez chyb vypsat text včetně české diakritiky. Když jde spíš o vizuál s vysoce kvalitní fotkou, sáhneme po Nano Banana. Z jednoho zadání se dá vygenerovat několik variant najednou a hotový banner převést do formátu pro stories.
Pro úplnost: pokud potřebujete dva bannery měsíčně, placený nástroj podle nás smysl nedává. Vyplatí se ve chvíli, kdy kreativ potřebujete víc a k tomu i video.
Seedance 2.0: nejčastější volba pro video
Seedance 2.0 je podle kolegy Thomase Hardona, který u nás má na starosti AI video, momentálně nejpoužívanější video model a u nás taky. Do zadání v něm jde přesně určit, kde se má která nahraná fotka objevit: tady je osoba, tady produkt.
Postavu drží zhruba na 90 % stejnou jako na předloze. Ještě nedávno nám nástroje deformovaly ruce nebo měnily oči, tady je výstup výrazně lepší. Chyby se ale dějí dál: produkt, který levituje ve vzduchu, nebo ovoce, které v produktu vůbec není. Řešení je upravit zadání a generovat znovu.
- Hodí se na krátké záběry s produktem a postavou bez mluveného slova.
- Na mluvené video v češtině se nehodí. Česká řeč z něj zní nesrozumitelně.
- Čím delší záběr, tím víc chyb. U patnáctisekundového videa nám prvních pár sekund sedělo a pak se začalo kazit.
Kling: rozpohybovaný obrázek
Kling používáme hlavně na rozpohybování produktové fotky, kde žádné mluvené slovo nepotřebujeme. Takové video bychom spíš nedávali přímo do reklamy, ale na web nebo do organického obsahu. Krátké video na webu pak může vytáhnout katalogová reklama a pohyb v ní upoutá víc než statická fotka.
Samostatná kapitola je Kling Motion Control, který kopíruje pohyb člověka z předlohy na vaši fotku. Je to trend, který teď koluje hlavně na TikToku a Instagramu. Obličej ale většinou pozmění a Thomas ho v praxi nepoužívá.
Kling má ještě jednu roli: je levnější než Veo, takže na něm ladíme zadání dřív, než ho pošleme do dražšího modelu.
Veo 3.1: když má postava mluvit česky
Z modelů, se kterými pracujeme, zvládá češtinu nejlépe Veo 3.1. Je ale dražší, takže s ním zacházíme opatrněji. Existuje i levnější verze Veo 3.1 Lite, ze které jsme na webináři pouštěli ukázku s češtinou výrazně lepší než ze Seedance.
U Vea se nám osvědčil delší a strukturovaný popis místo jednoho souvislého odstavce. A vyplatí se do zadání napsat i to, co ve videu být nemá. Bez toho nám Veo přidávalo titulky a hudbu v pozadí, které jsme nechtěli.
První výstup nikdy není dokonalý. Na webináři Thomas ukazoval, jak mu model u prvního pokusu úplně změnil postavu a držel se jen barvy vlasů. Pomáhá vrátit výstup zpátky do Clauda nebo ChatGPT, popsat, co nesedí, a zadání upravit. Taky je potřeba hlídat, aby délka videa odpovídala délce textu, který má postava říct. Když text nestihne, video ho utne.
Čeština v mluveném slovu
Čeština je u AI videa největší slabina. Když na webináři zazněla otázka, že zvuk z Vea bývá plechový a nepřesný, Thomas odpověděl, že on to dnes takhle nevnímá, ale kdyby ano, vypnul by původní zvuk a do videa vložil namluvený text zvlášť. Nástroje na hlas jako ElevenLabs jsou přímo v Higgsfieldu.
U produktových videí, kde nejsou vidět otevírající se ústa, je to jednodušší. Někteří naši klienti si komentář namlouvají sami, nebo ho nechají namluvit AI hlasem podle někoho z firmy s příjemným hlasem a přidají ho až v postprodukci.
Jak nepřijít o kredity při ladění
Kredity na video nejsou levné a na rozdíl od banneru ve videu nejde označit jednu část a opravit jen ji. Každá oprava znamená nové generování. Proto se držíme několika zásad.
- Začínat krátkým záběrem. Delší video skládáme střihem z více krátkých, třeba v Canvě nebo CapCutu.
- Ladit zadání na levnějším modelu nebo v nižší kvalitě a teprve funkční verzi pustit do dražšího.
- Rozlišení 720p nebo 1080p na Meta reklamu stačí. Thomas v reklamě používá i 720p a kvalitu nevnímá jako problém.
- Zadání psát v angličtině. Nástroje rozumí i česky, ale v našem srovnání vycházejí výsledky v angličtině lépe.
- Zadání ani dvě věty, ani román. Popsat, co má postava dělat a jak má záběr vypadat, a co nesedí, doladit v dalším kole.
- Počítat s časem. Video se obvykle generuje tři až pět minut.
Jak lidé AI video v reklamě vnímají
Na webináři padla otázka, jestli AI kreativy, hlavně AI recenze, nepůsobí lacině a neničí důvěru. Thomasovo video běží v reklamě skoro rok a podle něj ho zatím nikdo neodhalil. Komentáře pod ním se týkají postavy, ne toho, že jde o AI. Markéta k tomu dodala, že my v oboru žijeme v bublině a vidíme věci, které běžný člověk scrollující sociální sítě nepozná, pokud je výstup udělaný pečlivě.
Důvěru naopak ničí přeplácaný banner, na kterém je všechno najednou. Takový výstup na první pohled vypadá jako AI slop.
A pak je tu značka. Máme klienty, kteří mají generování čehokoli přes AI zakázané a chtějí vlastní grafiku, a to respektujeme. Pokud značka staví na skutečných lidech a influencerech, nemá smysl vytvářet virtuálního. U hravé nebo nové značky, která se snaží prorazit, je prostor pro testování větší. U zaběhnutého brandu musí být opatrnost mnohem vyšší.