Como funciona, em um parágrafo
Você digita uma descrição e uma imagem aparece. Por baixo, a ferramenta começa com ruído visual aleatório e vai empurrando esse ruído aos poucos na direção de algo que combine com as suas palavras, depois de ter aprendido a aparência das palavras a partir de uma quantidade enorme de imagens com legenda.
Uma única consequência explica quase toda a frustração de quem está começando: o modelo compara a sua descrição com padrões, ele não segue instruções como uma pessoa seguiria. Se você escrever "sem cachorro", a palavra cachorro continua lá dentro e é bem capaz de aparecer um cachorro. Se você deixar algo de fora, ele não pergunta: ele preenche a lacuna com a versão mais mediana daquilo que já viu.
A habilidade toda é essa. Diga com precisão o que você quer, e diga o que você não quer no lugar feito para isso.
A fórmula de seis partes
Quase todo bom prompt de imagem contém as mesmas seis coisas. As que faltam são preenchidas com valores padrão, e são exatamente esses valores padrão que deixam uma imagem com cara de genérica.
| Parte | O que dizer | Se você omitir |
|---|---|---|
| Assunto | A coisa específica, com os detalhes que importam | A versão mais genérica desse substantivo |
| Cenário | Onde ele está, e quanto do lugar aparece | Um fundo vazio ou poluído |
| Iluminação | Hora do dia, direção, qualidade | Chapada, uniforme, sem vida |
| Enquadramento | Close ou plano aberto, de que ângulo | Um plano médio centralizado, sempre |
| Estilo | Fotografia, pintura a óleo, render 3D, ilustração | Arte digital brilhosa |
| Clima ou cor | A sensação e a paleta | Supersaturado e com muito contraste |
Um prompt fraco: uma sala de estar aconchegante.
Um prompt forte: Uma sala de estar pequena com a lareira acesa e um gato rajado dormindo em uma poltrona gasta, luz do fim da tarde entrando por uma janela voltada para o oeste, plano aberto a partir da porta, fotografia realista, 35 mm, marrons quentes e âmbar suave, clima calmo e habitado.
Pensar em um ou no outro dá praticamente o mesmo trabalho. O segundo é uma imagem; o primeiro é uma categoria.
Depois acrescente a parte que os iniciantes pulam por completo: uma lista de negativos. Negativo: texto, marca d'água, dedos a mais, fundo poluído, sorriso de banco de imagens. Quase tudo que faz uma imagem parecer gerada por IA vem de um pequeno conjunto de defeitos recorrentes, e nomear esses defeitos é o que os remove.
O truque que deixa isso fácil
Você não precisa escrever esses prompts sozinho. Peça para uma IA de texto escrever por você.
Escreva um prompt de geração de imagem para: [sua ideia bruta]. É para [finalidade]. Estruture como assunto, cenário, iluminação, enquadramento, estilo, cor e clima, e depois uma lista de negativos. Me dê três versões que se diferenciem no enquadramento, não nos adjetivos.
Os modelos de linguagem escrevem prompts de imagem bem melhor do que a maioria das pessoas, porque o formato é conhecido e eles viram uma quantidade enorme de exemplos. É por isso que gerar imagens dentro de um chat é de fato mais útil do que uma caixinha de imagem separada: a ferramenta que escreve o prompt fica bem ao lado da que desenha.
Por que a sua imagem saiu errada
Uma lista curta de diagnóstico que cobre quase todo problema de iniciante.
Sem graça e genérica. Você não especificou iluminação nem enquadramento. Essas duas fazem mais diferença do que qualquer outro par.
Os elementos certos, arrumados errado. Diga o enquadramento de forma explícita: plano aberto visto de baixo, close, o assunto no terço esquerdo. O modelo não faz ideia de onde você quer as coisas se você não disser.
Aparece algo que você pediu para não aparecer. Citar isso no prompt principal deixa mais provável, não menos. Mova para a lista de negativos.
Mãos, rostos ou detalhes pequenos repetidos saem errados. Continua sendo o ponto mais fraco em qualquer ferramenta. Tente um corte mais fechado, outro ângulo, ou deixar as mãos fora do quadro. Às vezes basta gerar de novo.
O texto sai como rabisco sem sentido. Era de se esperar. Veja a próxima seção.
Parece foto de banco de imagens. Acrescente espontâneo, descreva uma ação em vez de uma pose, e ponha sorriso de banco de imagens olhando para a câmera nos negativos.
Formato errado para onde você precisa usar. Peça a proporção que você realmente precisa. Cortar um quadrado para virar banner joga fora a composição que você pediu.
Iterar sem ficar andando em círculos
Quem está começando gera o mesmo prompt de novo torcendo por uma sorte melhor. Um pouco de aleatoriedade é inevitável, mas a maior parte das tentativas desperdiçadas vem de mudar várias coisas ao mesmo tempo.
- Mude uma coisa por tentativa. Iluminação, ou enquadramento, ou estilo. Não as três, ou você não vai saber o que ajudou.
- Acerte a composição antes do detalhe. Deixar o enquadramento e a luz certos primeiro é bem mais eficiente do que aperfeiçoar um assunto que está na parte errada do quadro.
- Descreva o que estava certo. Quando uma imagem chega perto, diga isso em palavras no próximo prompt em vez de supor que a ferramenta lembra.
- Salve os prompts que funcionaram. Seis ou oito estruturas de prompt confiáveis valem mais do que qualquer imagem isolada, e são elas que fazem um conjunto de imagens parecer da mesma família.
O que ele ainda não consegue fazer
Texto. Palavras dentro das imagens continuam pouco confiáveis em qualquer ferramenta. Uma palavra curta às vezes sai; um título ou um logotipo geralmente não. Gere a imagem limpa e acrescente o texto em qualquer ferramenta de design, o que ainda te dá a fonte certa.
Arranjos exatos. "Exatamente três objetos, o vermelho à esquerda" não é obedecido de forma confiável. Se o arranjo importa, gere as peças e monte você mesmo.
O mesmo personagem duas vezes. Conseguir uma pessoa ou um produto idênticos ao longo de uma série é difícil. Descrições detalhadas e repetidas ajudam, mas resultados idênticos não são garantidos.
Editar uma foto real com precisão. Ele ajusta bem fundo, iluminação e estilo. Ele não consegue mover um objeto cinco centímetros para a esquerda de forma confiável.
E sobre o uso do resultado: confira as regras antes de qualquer coisa gerada ir para um uso comercial. Tome cuidado especial com imagens que lembrem uma pessoa real, um lugar reconhecível ou o estilo característico de um artista vivo. Os termos mudam de ferramenta para ferramenta e a responsabilidade fica com quem publica a imagem.
- Inclua as seis partes: assunto, cenário, iluminação, enquadramento, estilo e clima
- Ponha o que você não quer em uma lista de negativos, nunca na descrição principal
- Peça para uma IA de texto escrever o prompt de imagem a partir da sua ideia bruta
- Gere na proporção que você realmente precisa
- Mude uma variável por tentativa para descobrir o que ajudou
- Acrescente o texto em uma ferramenta de design, não no modelo de imagem
- Salve os prompts que funcionaram para as suas imagens ficarem consistentes
Perguntas frequentes
Preciso ter talento artístico para gerar imagens com IA?
Não, mas você precisa de talento descritivo, e essa é a parte que quem está começando subestima. A diferença entre uma imagem decepcionante e uma boa está quase toda em quão específico você foi ao descrever a iluminação, o enquadramento e o estilo. Se descrever uma cena em detalhe não sai naturalmente, peça para uma IA de texto transformar a sua ideia bruta em um prompt estruturado, o que funciona muito bem.
Dá para usar IA para ter ideias de imagem?
Dá, e ajuda mais do que a maioria das pessoas imagina. Peça a um chatbot cinco conceitos descritivos e depois peça para ele transformar o seu favorito em um prompt de imagem completo e estruturado, com lista de negativos. Os modelos de linguagem escrevem prompts de imagem melhor do que a maioria dos iniciantes, e é por isso que gerar imagens dentro de um chat ganha de uma caixinha de imagem separada.
Por que o texto da minha imagem parece um rabisco sem sentido?
Porque texto renderizado é de fato o ponto mais fraco de todos os modelos de imagem, e nenhum prompt resolve isso de forma confiável. Palavras curtas e isoladas às vezes saem; títulos, logotipos e rótulos geralmente não. Gere a imagem sem texto e acrescente a tipografia em qualquer ferramenta de design, que ainda deixa você usar a fonte correta e posicionar direito.
Qual gerador de imagens é o melhor?
Depende do assunto mais do que as pessoas esperam. O Flux é o mais forte em fotorrealismo e em tudo que precisa parecer ter saído de uma câmera. O Stable Diffusion dá mais controle de estilo e mais variedade para ilustração. A forma mais rápida de decidir é rodar o mesmo prompt em dois deles e olhar os resultados lado a lado, já que quem ganha em retratos muitas vezes não é quem ganha em interiores.
Preciso de uma assinatura separada para gerar imagens?
Não necessariamente. A geração de imagens está incluída no Whizi a partir do plano Pro, junto com os modelos de texto, o que cobre o trabalho criativo e de conteúdo do dia a dia sem uma segunda fatura. Uma ferramenta de imagem dedicada ainda faz sentido para quem faz isso profissionalmente todo dia e quer um controle de estilo muito fino.