Gerador de imagem com IA a partir de descrição: como escrever prompts que funcionam

Geradores de imagem por IA leem a descrição ao pé da letra: substantivos funcionam, adjetivos somem. Veja como montar um prompt que realmente funciona.
Um gerador de imagem com IA trabalha a partir do texto que você escreve, mas não interpreta do jeito que uma pessoa interpretaria. Palavras como "elegante" ou "caro" quase não fazem diferença pro modelo. Substantivos e detalhes concretos, por outro lado, são levados ao pé da letra. Essa diferença costuma ser o que separa um prompt que acerta de primeira de dez que erram.
O que um prompt bom realmente precisa
Objeto: o que está na cena, de que material é feito, a cor, o estado de conservação.
Cenário: sobre o que o objeto está apoiado, o que tem ao redor, o que aparece no fundo.
Luz: de onde vem, se é dura ou suave, qual é o horário do dia. Isso influencia a cena mais do que qualquer outro fator.
Ângulo: close-up, plano médio, visão de cima.
Exclusões: o que não deveria aparecer. Texto, pessoas, objetos aleatórios que você não quer na imagem.
O gerador de imagem por IA lê a descrição ao pé da letra: veja o que isso significa na prática
Peça uma "foto bonita de produto" e você recebe uma média do que o modelo viu durante o treinamento. Ele não faz ideia do que "bonito" significa pra você.
Peça "uma caneca de cerâmica sobre uma bancada de madeira, luz suave vindo de uma janela à esquerda, de manhã" e é exatamente isso que vem.
A diferença não está no tamanho do prompt. Está em quantos substantivos concretos cabem nele.
Erros de prompt que aparecem toda hora
Empilhar exigências demais de uma vez só. O modelo começa a escolher o que vai respeitar, e raramente escolhe a seu favor.
Esquecer as exclusões. Se você não disser "sem texto", ele vai desenhar letras que parecem texto mas não significam nada.
Apostar em adjetivos vagos em vez de descrição: "aconchegante", "premium", "moderno" não querem dizer nada pro modelo.
Mudar tudo entre uma tentativa e outra. Ajuste um elemento por vez, ou você nunca vai saber o que resolveu o problema.
Uma ressalva sobre mudar uma coisa de cada vez
Essa é a recomendação padrão, e eu mesmo não tenho certeza absoluta dela. Às vezes você reescreve o prompt inteiro e acerta na primeira. Outras vezes passa meia hora mexendo numa palavra só e não sai do lugar.
Ainda assim, quando o prompt fica longo, não encontrei um jeito melhor de descobrir o que causou o erro.
Como descrever algo que o modelo nunca viu
Tentar descrever o seu produto exato só com palavras é um beco sem saída. Você vai receber algo parecido, não o seu produto.
Pra algo inventado, ancore a descrição numa forma conhecida: "tipo um [objeto comum], mas com [este detalhe específico]".
Pra itens pouco comuns, descreva a função em vez do nome. O modelo pode não conhecer o termo, mas geralmente entende pra que a coisa serve.
E confira o resultado antes de montar uma cena inteira em cima dele. Assim você pega uma geração ruim antes que ela custe uma cena toda.
Onde a leitura literal falha
Metáforas não funcionam. Peça "frescor" e você vai receber folhas de hortelã e gotas d'água, não uma sensação.
Conceitos abstratos viram uma pilha de objetos literais.
Diagramas e infográficos saem com formato de diagrama, mas com legendas que não dá pra ler de verdade. Texto funciona melhor quando é adicionado por cima depois, o que vale a pena olhar nesse outro assunto.
Detalhamos a estrutura completa de um prompt bloco por bloco neste guia, e quais modelos seguem mais de perto uma descrição longa e detalhada está aqui.
Perguntas frequentes
Por que a IA ignora parte da minha descrição? Com um prompt longo, o modelo começa a priorizar o que vai seguir. Cortar o pedido pro essencial e colocar as exclusões no final costuma ajudar.
Quais palavras são perda de espaço num prompt? Adjetivos vagos: elegante, premium, aconchegante. O modelo responde a substantivos, materiais, iluminação e ângulo de câmera.
Por que listar o que não deveria aparecer na cena? Porque o modelo vai preencher essa lacuna sozinho, com texto, pessoas ou objetos aleatórios. Uma lista clara de exclusões economiza tentativas.
Quantas tentativas são normais? De três a cinco, mudando um elemento por vez. Reescrever tudo de uma vez e você nunca vai descobrir o que deu errado.
Fontes
Sobre o autor
Camila Souza
Redatora de análises na Flami