Alle indsigter

Kan AI-video vise hænder med jeres produkt? Hvad der virker, og hvad I bør undgå

Hvilke optagelser med hænder AI-video klarer, og hvilke der går i stykker, fra rolig holdning til udhældning og påføring, med et pointskema med syv spørgsmål og optagelser, der undgår fejlene.

Marianne Larsen
AI-producer, AI Vidia

Ja til en rolig holdning eller kort kontakt med et fast produkt, og sjældent til en hånd, der i flere sekunder skal skrue, pumpe, hælde eller smøre et produkt på. Videomodeller gengiver, hvordan hænder ser ud, bedre end hvordan kontakt opfører sig, og benchmarks viser fast mod fast som den svageste kategori. Giv jeres optagelse point nedenfor, og klip uden om fejlen, eller film den rigtige hånd.

En pipetteflaske i ravfarvet glas uden mærke og en hvid keramikskål på en lys marmorbordplade, med en hånd, der kommer ind fra venstre, og fingre, der er let ude af fokus i kanten af billedet
Billedet er genereret med AI: en fiktiv pipetteflaske uden mærke på en bordplade, mens en hånd kommer ind i billedet.
På denne side7 afsnit
  1. 01Kan AI-video lave hænder i dag?
  2. 02Hvorfor går kontaktoptagelser i stykker, når en rolig hånd ser fin ud?
  3. 03Hvilke optagelser med hænder er lav risiko, og hvilke er høj risiko?
  4. 04Fejler udhældning, klem og konsistens på samme måde?
  5. 05Hvordan planlægger I optagelsen, så fejlen aldrig vises?
  6. 06Hvornår bliver en optagelse med hænder til en påstand?
  7. 07Hvordan gennemgår I optagelser med hænder, før de godkendes?

En hånd, der åbner en cremekrukke, skruer på en pipette eller hælder sauce, sælger et produkt hurtigere end en pakke på en hylde. Det er også det øjeblik, hvor genereret video afslører sine svagheder.

Svaret afhænger af, hvad hånden gør, og hvor længe. En hånd, der hviler på et låg et halvt sekund, er en helt anden opgave end en hånd, der skruer låget af, mens kameraet zoomer ind. Giv jeres egen optagelse point i blokken længere nede, og brug så de afsnit, der passer til det niveau, I lander på.

Kan AI-video lave hænder i dag?

Bedre end før, men stadig ujævnt, hvor fingre møder produktet. Hænder i enkle stillinger bliver rene oftere end tidligere. Hænder, der griber, skruer, trykker eller hælder, giver stadig de fejl, som den, der driver jeres annoncering, ser inden for det første sekund: en sjette finger, en tommel, der glider gennem pakningen, et låg, der skifter form, mens det drejer.

Forskningen forklarer mønstret. Forfatterne bag HandRefiner skriver, at diffusionsmodeller ofte laver misdannede hænder med forkert antal fingre og uregelmæssige former, fordi en hånds opbygning indebærer store formændringer og skjulte dele. En hånd omkring et produkt tilføjer endnu en genstand, der skjuler dele af hånden og selv skal bevare sin form.

Se hver optagelse med hænder som en lille produktionsbeslutning. Nogle kan trygt genereres. Nogle kræver en anden kameravinkel. Enkelte kræver det rigtige produkt og en rigtig hånd foran kameraet.

Hvorfor går kontaktoptagelser i stykker, når en rolig hånd ser fin ud?

En videomodel tegner hvert billede, så det ligner den film, den har set. Den har ingen regel om, at en finger ikke kan gå gennem en flaske. Kang og kolleger testede det i en kontrolleret fysikopstilling (ICML 2025) og fandt, at modeller generaliserer fra sag til sag ved at kopiere det nærmeste eksempel, de har set, og fejler uden for træningsdataenes område. Jeres bestemte pumpe, et låg med kvarte omdrejninger eller en usædvanlig lås ligger oftere uden for det område end en almindelig handling.

Benchmarken VideoPhy målte kontakt direkte. Personer vurderede, om hver genereret video fulgte sin beskrivelse og overholdt fysisk sund fornuft. Den bedste model i testen, CogVideoX-5B, klarede begge dele i 39,6 % af tilfældene samlet set. For samspil mellem to faste genstande var tallet 24,4 %. Artiklen nævner en flaske, der vælter ned fra et bord, som eksempel på den kategori.

Kontakt mellem faste genstande var den sværeste type samspilAndel genererede videoer, der fulgte beskrivelsen og overholdt fysikkens love, bedste model i testen (CogVideoX-5B), efter type samspil
Kontakt mellem faste genstande var den sværeste type samspil. Andel genererede videoer, der fulgte beskrivelsen og overholdt fysikkens love, bedste model i testen (CogVideoX-5B), efter type samspil
PunktVærdi
Alle beskrivelser40%
Fast mod fast24%
Fast og væske53%
Væske mod væske44%

VideoPhy, Bansal m.fl., arXiv 2406.03520v2, tabel 3: menneskelig vurdering, oktober 2024. Åbne modeller fra 2024, ikke nutidens kommercielle værktøjer.

Det var åbne modeller fra 2024, så læs diagrammet for rækkefølgen og ikke for niveauerne. Opfølgeren VideoPhy-2 (marts 2025, 200 handlinger fra virkeligheden) viste, at den bedste model nåede 22 % samlet overholdelse på den svære delmængde af handlinger, og pegede på bevarelse af masse og impuls som en svag side.

En hånd, der lukker sig om et fast produkt, er et tilfælde af fast mod fast. Den læsning er vores egen slutning, for ingen af artiklerne tester produktannoncer. Derfor fortjener kontaktøjeblikke mest opmærksomhed i et brief.

Hvilke optagelser med hænder er lav risiko, og hvilke er høj risiko?

Sortér optagelserne i jeres brief efter det, hånden gør. Tabellen går fra den sikreste opgave til den mest risikable.

Hånd-handlinger fra laveste til højeste risiko i genereret video. Vurderingerne er AI Vidias produktionsvejledning bygget på kilderne nedenfor og ikke en målt benchmark.
Hånd-handlingEksempelDet, der typisk går galtRisiko
Ingen kontaktProdukt på en bordplade, hånden uden for billedetIntet, der har med hånden at gøreLav
Rolig holdningEn hånd hviler på et låg eller holder en tube frem mod kameraetAntal fingre og tommelens placering skifter fra billede til billedeLav til middel
Greb og løftEn hånd tager en flaske og løfter denFingrene smelter ind i pakningen, og vægten ser forkert udMiddel
HældSauce, olie eller drikkevare forlader beholderenStrålen bliver tynd eller knækker, og væskestanden ændrer sigHøj
Fin håndteringSkrue et låg, pumpe, bruge en pipette, lukke en låsDelen skifter form, og en finger går gennem denHøj
Smøre på hudenFordele creme eller serum på en hånd eller et ansigtKonsistens og hud ser forkert ud, og resultatet læses som en påstandHøj

Typen af kontakt er kun det første, der tæller. Længere kontakt giver modellen flere billeder at tage fejl i. To synlige hænder fordobler antallet af fingre, der skal tælles. Et produkt, der skjuler fingrene, tvinger modellen til at opfinde det, der er bagved. Klart glas, væsker og hurtige kamerabevægelser lægger hver især risiko oveni.

To hænder trækker pipettelåget op af en lille flaske i ravfarvet glas uden mærke på en lys grå bordplade, vist i nærbillede, så fingre og pipette tydeligt kan ses
Billedet er genereret med AI: en fiktiv pipetteflaske uden mærke i det øjeblik, en hånd løfter pipetten op, den slags finhåndtering som pointskemaet vurderer som høj risiko.
VurderingGiv en optagelse med hænder point, før I genererer denVælg det svar, der passer til optagelsen i jeres brief. Summen er et risikoniveau og ikke en forudsigelse for en bestemt model.
  1. Hvad gør hånden?

    Vælg det sværeste, hånden gør i optagelsen.

  2. Hvor længe varer kontakten?
  3. Hvor mange hænder er i billedet?
  4. Skjuler produktet fingrene?

    For eksempel en hånd, der lukker sig om en flaske eller en cremekrukke.

  5. Hvad er produktet lavet af?
  6. Hvordan bevæger kameraet sig?
  7. Skal handlingen dokumentere en påstand?

    Konsistens, optagelse i huden, et resultat eller hvor godt produktet virker.

Score: 0 af 21 · 0 af 7 besvaret

Besvar alle spørgsmål for at se vurderingen.

Sådan læser du din score
ScoreVurderingHvad det betyder
0 til 4Lav risiko: generér og gennemgåGenerér optagelsen, tjek antal fingre og produktets omrids i kvart hastighed, og behold den version, der består. Hold kontakten kort.
5 til 9Middel risiko: ændr billedet, før I generererBrug et af alternativerne: klip, når hånden rører produktet, vis det fra førstepersonsvinkel med færre synlige fingre, eller vis produktet i ro, efter hånden er væk. Regn med flere kasserede versioner, hvis I beholder hele handlingen. Hvis optagelsen skal dokumentere en påstand, skal den filmes med det rigtige produkt.
10 til 21Høj risiko: film den eller planlæg uden omFilm den rigtige hånd med det rigtige produkt, eller læg en optaget hånd ind i en genereret scene. Skal optagelsen dokumentere en påstand, skal demonstrationen afspejle produktets faktiske virkning, så her er generering ikke en mulighed.

Point er AI Vidias produktionsvejledning bygget på artiklens kilder. De er ikke en målt benchmark.

Middel risiko betyder, at ideen kan virke med en ændret optagelse. Høj risiko betyder, at selve handlingen er problemet, og det løser ingen prompt pålideligt.

Har I brug for nye annoncer?
Beskriv jeres produkt og det, I vil afprøve.
Send jeres brief

Fejler udhældning, klem og konsistens på samme måde?

Væsker fejler på en anden måde. I VideoPhy-data fik samspil mellem fast stof og væske 53,1 % for den bedste model, det højeste af kontaktkategorierne, og det betyder, at næsten halvdelen af beskrivelserne stadig fejler. En stråle, der ser rigtig ud i to sekunder, kan blive tynd, skifte tykkelse eller fylde et glas, der allerede var fuldt.

Tjek strålen, væskestanden og beholderen ved hver udhældning. Strålen har samme tykkelse fra beholderen til overfladen. Niveauet stiger én gang og bliver, hvor det lander. Beholderen bevarer sin form, mens den vippes.

Klem og klatter følger samme logik. En gel, der holder en top på fingerspidsen, er en påstand om konsistens, og det samme er en creme, der smelter ind i huden. Det fører til det andet spørgsmål om enhver optagelse med hænder: Er den en scene eller et bevis?

Hvordan planlægger I optagelsen, så fejlen aldrig vises?

De fleste rettelser sker i optagelsesplanen og ikke i prompten. Disse fem alternativer dækker middel og høj risiko, ordnet fra det billigste til det dyreste.

  1. Klip ved kontakten. Hånden kommer ind ved 0:01, og klippet falder ved 0:02, før fingrene lukker sig. Den næste optagelse viser allerede produktet åbnet eller i brug.
  2. Førstepersonsvinkel. Placér kameraet i øjenhøjde med den, der bruger produktet, så kun tommel og pegefinger rækker ind i billedet. Færre synlige fingre giver færre steder at fejle.
  3. Produktet i ro, efter hånden er væk. Vis hånden stille produktet fra sig, og bliv på produktet alene i de sidste sekunder af sekvensen.
  4. En optaget hånd lagt ind i scenen. Film en rigtig hånd, der udfører handlingen på en neutral baggrund, og læg den ind i den genererede scene.
  5. Rigtige optagelser til demonstrationen. Film det rigtige produkt og en rigtig hånd til enhver optagelse, der dokumenterer, hvad produktet kan.
Et storyboard i tre felter på et skrivebord: en hånd, der rækker ind mod en flaske, et tomt klipbillede i midten og flasken stående alene på en bordplade
Billedet er genereret med AI: planen med klip ved kontakten i tre felter, hånd kommer ind, klip, produkt i ro.

Skriv planen ind i briefet med tidsangivelser. En linje som "hånd ind 0:01, klip 0:02, produkt i ro 0:02 til 0:04" fortæller produceren, hvor kontakten slutter, og giver klipperen klippepunktet.

Hvornår bliver en optagelse med hænder til en påstand?

En hånd, der hælder sauce i en skål, er en scene. En hånd, der fordeler en creme, som synligt forsvinder i huden, er en udtalelse om, hvad cremen gør. Reklamereglerne behandler den anden som bevis.

Den klassiske sag er FTC v. Colgate-Palmolive, afgjort af USAs højesteret i 1965. En reklame for barbercreme viste sand på en plade af plexiglas som erstatning for sandpapir. Retten fastslog, at det er vildledende at præsentere en attrap som en rigtig test, også når påstanden om produktet i sig selv er sand. Ved analogi er et genereret klip af et serum, der trækker ind, eller en spray, der fjerner en plet, en attrap.

Den britiske tilsynsmyndighed siger det samme om billeder. Dens vejledning om produktionsteknikker (opdateret 18. august 2025) fastslår, at visuelle påstande ikke må overdrive produktets virkning på en vildledende måde, og at før- og efterbilleder skal vise typiske resultater. Den 11. juni 2026 tilføjede ASA i sin note om AI og deepfakes, at CAP-reglerne er medieneutrale, så de gælder, uanset hvordan annoncen er lavet, og at annoncøren fortsat er ansvarlig, når automatiske værktøjer producerer indholdet.

Det er vejledning fra én amerikansk sag og én britisk myndighed og ikke juridisk rådgivning for jeres marked. Den understøtter en enkel arbejdsregel. Markér hver optagelse med hænder i briefet som scene eller bevis. Scener kan genereres. Beviser bruger det rigtige produkt og en rigtig hånd.

Hvordan gennemgår I optagelser med hænder, før de godkendes?

I gennemgangen bliver en ren hånd udvalgt. Den kommer ikke fra første forsøg. Trinene nedenfor er en kort gennemgang af hvert klip.

  1. Afspil klippet i kvart hastighed, én gang for hver synlig hånd.
  2. Tæl fingre i første billede, kontaktbilledet og sidste billede.
  3. Følg produktets omrids gennem kontakten. Låg, pumpe og etiket skal beholde deres form.
  4. Sammenlign hvert synligt ord med jeres flade etiketfil, som beskrevet i vores guide til produkter, der er svære at generere.
  5. Skriv en note med tidspunkt for hver fejl, for eksempel "låget vrider sig ved 0:06" eller "tommelen går gennem pumpen ved 0:03".
  6. Beslut pr. klip: behold, generér igen, ændr billedet med et af alternativerne ovenfor, eller film.

Sæt en grænse. Efter tre kasserede forsøg på samme kontaktøjeblik ændrer I optagelsen og lader prompten være. Den samme fejlliste hører hjemme i jeres kvalitetskontrol af annoncemateriale og i jeres gennemgang af brandsikkerhed, så dem, der godkender, ser de samme noter.

Prøv det på 20 minutter. Åbn jeres nuværende brief, og skriv hvert sekund ned, hvor en hånd rører produktet. Giv hver optagelse point med blokken ovenfor, markér dem, der dokumenterer en påstand, og vælg et alternativ til hvert resultat på middel eller høj. Vil I have en producer til at køre den samme gennemgang, viser siden om forløbet, hvor gennemgangen ligger i et projekt, og AI-videoannoncer beskriver, hvad der leveres.

Ofte stillede spørgsmål

01Kan AI-video generere en realistisk hånd, der holder mit produkt?
Ja, hvis det er en rolig eller langsom holdning, der varer omkring et sekund, med synlige fingre og et fast produkt. Pålideligheden falder, når hånden griber hårdt, lukker sig om pakningen eller holder fast i flere sekunder. Gennemgå optagelsen i kvart hastighed, tæl fingre i første billede, kontaktbilledet og sidste billede, og generér igen eller ændr billedet, hvis tommelen eller pakningen skifter form.
02Hvorfor er AI dårlig til hænder?
Forfatterne bag HandRefiner forklarer misdannede hænder med, at en hånds opbygning indebærer store formændringer og skjulte dele, hvilket gør den svær for diffusionsmodeller at lære. En hånd har mange led, skifter form ved hvert greb og er ofte delvist skjult. Et produkt tilføjer en genstand, der skjuler fingre og selv skal bevare sin form, så kontaktoptagelser fejler oftere end hænder alene.
03Kan jeg vise en hånd, der smører min creme eller mit serum på, i AI-video?
Brug AI-video til scenen, og film det rigtige produkt til resultatet. Et genereret klip af creme, der trækker ind i huden, er en attrap, og både ASA og USAs højesteret i FTC v. Colgate-Palmolive ser vildledende demonstrationer som et problem. Film smøringen med det rigtige produkt, eller klip, før konsistensen kan ses.
04Hvordan retter man en dårlig hånd i et genereret klip?
Ændr optagelsen, før I ændrer prompten. Klip tidligere, så de fejlramte billeder aldrig vises, vis det fra en førstepersonsvinkel med færre fingre, eller læg en optaget hånd ind i scenen. Værktøjer som HandRefiner retter hænder i stillbilleder, og et videoklip kræver i stedet en ny vinkel eller en filmet hånd. Efter tre kasserede forsøg ændrer I optagelsen.
05Hvor mange optagelser med hænder skal en videoannonce indeholde?
Planlæg ét eller to kontaktøjeblikke i en annonce på 15 sekunder, og hold hvert under to sekunder. Det er AI Vidias produktionsvejledning og ikke en målt regel. Færre kontaktøjeblikke giver færre klip at kassere, og I kan filme dem, der bærer beviset, i stedet for at forsøge at generere dem.

Sådan har vi lavet artiklen

Kilderne er læst den 30. september 2026. Procenterne stammer fra tabel 3 i VideoPhy (menneskelig vurdering af åbne modeller fra 2024) og fra sammendraget af VideoPhy-2. Risikovurderingerne, pointskemaet og trinene i gennemgangen er AI Vidias produktionsvejledning bygget på de kilder og ikke en målt benchmark. Læsningen af, at hånd-kontakt er et tilfælde af fast mod fast, er vores egen slutning. Der er ikke testet videoværktøjer til denne artikel, og billederne er AI-genererede illustrationer af et fiktivt produkt.

Vi researcher og skriver udkast med hjælp fra AI, og vi tjekker tallene mod kilderne herunder.

Kilder

  1. 01Bansal et al.: VideoPhy, Evaluating Physical Commonsense for Video Generation, arXiv 2406.03520v2, October 2024
  2. 02Bansal et al.: VideoPhy-2, A Challenging Action-Centric Physical Commonsense Evaluation in Video Generation, arXiv 2503.06800, March 2025
  3. 03Lu et al.: HandRefiner, Refining Malformed Hands in Generated Images by Diffusion-based Conditional Inpainting, arXiv 2311.17957
  4. 04Kang et al.: How Far is Video Generation from World Model, A Physical Law Perspective, ICML 2025, arXiv 2411.02385
  5. 05US Supreme Court: FTC v. Colgate-Palmolive Co., 380 U.S. 374 (1965), Cornell Legal Information Institute
  6. 06ASA and CAP: Beauty and cosmetics, the use of production techniques (updated 18 August 2025)
  7. 07ASA: AI and deepfakes, four things advertisers need to know before they hit run (11 June 2026)

Næste skridt

Få et forslag til jeres næste annoncer.

Fortæl os om jeres produkt, målgruppe og behov for annoncer. Vi læser jeres brief og vender tilbage med et forslag til næste skridt.

Send jeres brief

Læs videre