Como gerar imagens com prompts visuais

Algumas ferramentas de geração de imagens usam uma abordagem chamada difusão. Em uma explicação simplificada, o processo começa com uma representação ruidosa — sem um objeto reconhecível — e a refina gradualmente, guiado por uma descrição.

A descrição não funciona como uma busca por uma fotografia já pronta. Ela orienta quais padrões visuais devem ganhar forma ao longo do refinamento. Nem toda ferramenta revela sua arquitetura, então pense na difusão como uma abordagem comum, não como uma regra visível em todos os serviços.

Compare duas ideias:

• Síntese: o sistema produz um novo resultado ao combinar padrões aprendidos e a orientação recebida. O resultado pode se parecer com muitas imagens conhecidas, mas não é, por definição, uma recuperação de um item específico.
• Busca em catálogo: um sistema localiza e mostra um arquivo que já estava armazenado ou indexado.

Na geração por difusão, a explicação central é a primeira: uma representação vai sendo organizada até formar uma imagem coerente com a descrição.

Uma finalidade visual precisa virar elementos que possam ser conferidos no resultado. Em vez de pedir “uma imagem bonita”, diga o que a pessoa deve conseguir ver.

Comece por três partes:

• Assunto: o elemento principal e suas características relevantes.
• Ação ou estado: o que acontece com ele — inclusive quando está parado.
• Ambiente: o contexto físico em que ele aparece.

Assim, o prompt visual orienta a imagem por evidências observáveis, não por uma impressão vaga.

Depois de definir o assunto e o ambiente, organize a cena no quadro. A composição distribui o assunto e o espaço livre; o enquadramento decide quanto da cena aparece e quanto espaço o assunto ocupa.

Escreva relações espaciais pela perspectiva de quem observa a imagem. Por exemplo: “a caneca à esquerda de quem observa” e “a alça aponta para a direita de quem observa”. Assim, o pedido fica verificável no resultado.

A proporção descreve o formato do quadro, não a posição dos elementos. A proporção 16:9 indica uma composição horizontal, mas ainda é preciso dizer onde ficará a caneca e onde estará o espaço livre.

A aparência orienta características visíveis, como fotografia de produto e iluminação suave vinda da esquerda. Isso é mais claro do que depender do nome de um artista.

A seguir há duas alternativas de composição, representadas como esquemas candidatos para a mesma cena. Compare cada uma com a composição-base do Prompt 1: formato horizontal em 16:9, caneca à esquerda de quem observa, alça voltada para a direita e espaço livre à direita.

Restrições são partes do prompt visual que definem critérios observáveis: o que deve estar presente, em qual quantidade ou o que não deve aparecer. Elas permitem conferir o resultado sem depender apenas da impressão de que a imagem “ficou bonita”.

Para a Capa de um guia de cerâmica, “cerâmica azul fosca” define material e cor; “uma única alça” define quantidade; e “sem texto e sem logotipos” define exclusões. Formule primeiro o resultado desejado e acrescente exclusões curtas quando forem necessárias.

Prompt 1

Assunto: uma caneca de cerâmica azul fosca, com uma única alça.

Ação ou estado: apoiada em uma mesa de madeira clara.

Ambiente: diante de um fundo bege.

Composição: composição horizontal em 16:9; caneca à esquerda de quem observa, alça apontando para a direita de quem observa e espaço livre à direita.

Aparência: fotografia de produto, com iluminação suave vinda da esquerda.

Restrições: sem texto e sem logotipos.

Antes de gerar, confira se as instruções podem coexistir. Duas quantidades incompatíveis para a mesma característica, ou pedir e excluir o mesmo elemento, criam um conflito. Também evite acumular exigências secundárias sem prioridade: comece pelo que define o assunto e a finalidade.

Quando houver conflito, faça uma revisão do prompt escolhendo o requisito observável que deve prevalecer. Isso torna o pedido mais claro, mas continua sendo uma orientação para a geração, não uma garantia absoluta.

Você pode seguir um de dois percursos equivalentes:

Teste na ferramenta: abra no computador um recurso de geração de imagens que esteja disponível para você. Insira o Prompt 1 da próxima tela, confira os controles visíveis relevantes e solicite a imagem. Se houver um controle de proporção, selecione 16:9; se não houver, mantenha a proporção escrita no prompt visual. Registre o texto do prompt e a proporção ou outros controles que a ferramenta mostrar. Chame a primeira tentativa de Resultado A. Se o acesso permitir, repita exatamente o mesmo pedido e chame a nova tentativa de Resultado B.

Cenário textual: se não houver recurso ou cota disponível, use as descrições hipotéticas da próxima tela. Elas permitem praticar a mesma observação sem enviar imagens, fotos ou dados pessoais.

Uma imagem pode ser atraente e ainda não atender ao pedido. Avalie o resultado em relação ao prompt visual e à finalidade, não apenas pela primeira impressão.

Use quatro critérios: Assunto, Composição, Restrições e Coerência visual. Para cada um, registre um dos estados: Atende, Atende em parte ou Não atende.

Essa comparação transforma uma reação vaga — como “parece boa” — em evidências observáveis para decidir qual resultado usar ou o que revisar.

Observe primeiro os elementos que podem ser confirmados na imagem. Depois, registre o estado de cada critério; não compense uma restrição descumprida apenas porque a fotografia parece bonita.

Considere este pedido para a Capa de um guia de cerâmica:

Prompt 1
Assunto: uma caneca de cerâmica azul fosca, com uma única alça.
Ação ou estado: apoiada sobre a mesa.
Ambiente: mesa de madeira clara diante de um fundo bege.
Composição: composição horizontal 16:9; caneca à esquerda de quem observa, alça apontando para a direita de quem observa e espaço livre à direita.
Aparência: fotografia de produto, iluminação suave vinda da esquerda.
Restrições: sem texto nem logotipos.

Agora compare as duas descrições hipotéticas de resultado com esse prompt visual.

Os dois resultados podem compartilhar aparência agradável e boa iluminação. A diferença decisiva é a correspondência com os requisitos explícitos do prompt visual.

Ao inspecionar um resultado, amplie mentalmente os detalhes relevantes:

• Quantidade e posição: há uma única alça? Ela está no lado indicado pela perspectiva de quem observa?
• Proporções e relações: o objeto parece apoiado na mesa? A alça se conecta à caneca de modo plausível?
• Luz e sombra: a direção da iluminação e a sombra concordam? A sombra toca o objeto e a superfície?
• Detalhes frágeis: em cenas com pessoas, observe anatomia, como dedos e articulações. Se houver escrita, confira se ela é legível e se deveria existir.

Uma falha concreta deve gerar uma revisão do prompt concreta. Não é necessário mudar requisitos que já atendem ao pedido.

Procure indícios visuais antes de concluir que um resultado atende ao pedido.

A finalidade agora é a Capa de um guia de cerâmica em formato vertical. Mantenha o mesmo assunto e a mesma aparência já definidos, mas reorganize a cena: proporção 4:5, caneca na parte inferior e espaço livre na parte superior.

Aplique o fluxo completo: transforme o briefing em um prompt visual, gere ou compare um resultado, avalie-o pelos critérios e faça uma revisão do prompt baseada em uma falha observável. Preservar uma imagem atraente não basta: ela também precisa servir à finalidade da capa.

Nesta aplicação, a versão vertical será o Prompt 2. O Prompt 1 permanece sendo a composição horizontal em 16:9 trabalhada anteriormente.

Primeiro, redija o Prompt 2 a partir do briefing da tela anterior. No Teste na ferramenta, abra no seu computador um recurso de geração disponível, insira seu prompt visual e, se houver esse controle, selecione a proporção 4:5. Registre o texto usado e os controles visíveis relevantes.

Chame a primeira tentativa de Resultado A. Se puder gerar outra imagem com o mesmo Prompt 2, chame-a de Resultado B. Os resultados podem variar, mesmo com o mesmo pedido. Se não houver recurso ou cota disponível, use o Cenário textual desta tela.