A maneira mais rápida de melhorar a qualidade das imagens geradas por IA não é trocar de modelo, mas sim reescrever a descrição. A maioria das pessoas para depois de escrever cerca de 15 caracteres, e o resultado é uma imagem bem comum; então, culpam o modelo, tentam novamente, mas o resultado continua sendo bem comum.
Este artigo é a solução. A seguir, apresentamos 12 dicas concretas e comprovadas que podem transformar a saída do GPT Image 2 de um “rascunho razoável” em um “resultado final pronto para publicação”. Cada imagem de exemplo foi gerada pelo GPT Image 2 usando prompts semelhantes aos descritos neste artigo.
1. Seja mais específico. Seja ainda mais específico.
"Um carro no deserto" não é uma pista. O modelo só pode adivinhar o modelo do carro, a época, a cor, o cenário e a hora do dia. Defina bem todos esses detalhes:
Um Mustang conversível vermelho cereja, modelo 1965, parado em uma estrada no deserto ao entardecer,
com a poeira levantada pelas rodas traseiras; ao longe, um planalto; foto tirada em ângulo baixo,
com a luz do sol refletindo em manchas brilhantes no para-choque cromado.
Cada palavra-chave (“1965”, “vermelho cereja”, “conversível”, “foto em ângulo baixo”) ajuda a evitar uma suposição aleatória ao selecionar a imagem. O resultado não é mais uma “imagem genérica”, mas aquela imagem.
2. Indique a distância focal, não escreva "parece que"
85mm 镜头, 35mm 镜头, 24mm 广角 e 100mm 微距 são algumas das palavras-chave de imagem com a melhor relação custo-benefício. Uma única palavra controla simultaneamente o enquadramento, a compressão espacial, a profundidade de campo e a distorção nas bordas.
- 85mm——Retratos cativantes, desfoque suave do fundo
- 35mm——Fotos de ambiente naturais, composições suaves
- Grande angular de 24 mm——Paisagens, ambientes internos envolventes
- Macro 100 mm——Close-ups de produtos, texturas e materiais
Se você ficar preso em uma palavra-chave, troque de ângulo primeiro e depois mude para outra coisa.
3. Dirigir a luz como um diretor de fotografia
"Boa iluminação" não faz sentido. Só os termos cinematográficos são válidos:
伦勃朗光——Fonte de luz única e forte, com sombras triangulares nas bochechas明暗对比 / chiaroscuro——Contraste intenso, ambiente escuro, único objeto iluminado背后的描边光（rim light）——Efeito de silhueta, com o objeto separado do fundo阴天散射光——Suave e uniforme, sem sombras marcadas黄金时刻逆光——Manchas de luz em tons quentes, com projeções longas
As palavras-chave da imagem acima são: single tungsten spotlight from above, deep shadows wrapping the rest of the room, Rembrandt lighting. Três palavras, conteúdo direcionado.
4. Utilizando o vocabulário da composição
O modelo de imagem domina os conceitos clássicos de composição:
三分法构图，主体在右下三分位居中对称构图从前景延伸到地平线的引导线画面左侧 2/3 留白
A localização do pescador na imagem acima corresponde exatamente à indicada na pista: 主体位于画面右下三分位，平静的雾气湖面占据上方三分之二.
5. Nomeie uma paleta de cores usando de 3 a 5 cores
Descrições vagas de cores só resultam em cores vagas. Nomes curtos e específicos para a paleta de cores permitem obter resultados precisos:
Tons: vermelho cereja, ocre areia, céu dourado, sombra marrom-escuraNomes de cores separados por dois pontos e vírgulas. Também é possível usar valores hexadecimais, mas eles não são tão confiáveis quanto os nomes de cores comuns. Não inclua mais do que 5 cores — quanto mais cores forem listadas, menor será o compromisso do modelo com cada uma delas.
6. Coloque o texto entre aspas e especifique o estilo da fonte
Quando for necessário incluir texto na imagem, faça duas coisas:
- Coloque o texto emvírgula invertida (ponto):
"FRESH BREAD DAILY" - Descrição em linguagem simples dofonte:
优雅手绘衬线字体
Cada linha deve ter no máximo 6 palavras. Frases longas ainda ficarão ilegíveis.
7. Prenda o objeto em uma superfície específica
Imagens de produtos, de pratos e de naturezas mortas: sempre especifique qual é a superfície da mesa. A superfície da mesa tem atributos de material, e o modelo irá utilizá-los:
带奶白和金色纹理的粉色大理石板带可见木纹的未上漆橡木桌夜晚潮湿的柏油路面，街灯倒影亚麻桌布，柔和的褶皱
A "mesa" difusa representa a diferença entre fotos de banco de imagens e imagens editadas.
8. Conecte os sujeitos usando um verbo de relação física
Quando houver dois elementos principais na cena, não basta apenas listá-los. Atribua ao modelo um verbo de espaço para indicar como eles se relacionam:
靠在从…升起倒映在缠绕在俯瞰着
Essa é a diferença entre “um gato, uma janela” e “um gato enrolado no parapeito da janela, com as patas apoiadas no vidro”.
9. Descreva o que não aparece na imagem
As descrições negativas são tão importantes quanto as positivas. Acrescente uma pequena frase após a descrição da cena:
A etiqueta não contém texto, logotipo ou marca d'água, e não há pessoas no fundoO GPT Image 2 geralmente cumpre rigorosamente as diretrizes de no text e no logos. Recomenda-se adicionar uma marca d'água a qualquer imagem comercial, para evitar que marcas d'água sem sentido apareçam na imagem.
10. Combine estilos de forma consciente — mas escolha um tom principal
A fusão de estilos é uma das formas mais expressivas de trabalhar com modelos, desde que você escolha primeiro um estilo principal e, em seguida, sobreponha um estilo secundário para dar um toque especial:
Ilustração estilizada: a estética aquarela do Studio Ghibli, combinada com reflexos neon cyberpunk,
nuvens com um suave efeito aquarela, em contraste com letreiros neon nítidos.
Se você listar os dois estilos com igual peso (“Ghibli E cyberpunk”), o modelo fará uma média entre eles, e a imagem ficará sem profundidade. Só com uma estrutura do tipo “estilo base + estilo de refinamento + realces” é que a imagem manterá sua coerência.
11. Antes de usar uma lista de pontos-chave, comece com um parágrafo narrativo
Eu organizo as melhores sugestões em parágrafos de 4 a 6 linhas, em vez de listas de pontos-chave. Por dois motivos:
- A prosa pode forçar a autocontradição.“Uma cozinha clara e alegre, uma luz escura e opressiva” soa claramente errado quando lido como uma frase; por outro lado, quando escrito como pontos-chave, o erro passa despercebido.
- **O modelo trata as vírgulas como limites.**Uma frase coerente permite que a relação entre as orações se mantenha (”sobre o mármore, rodeada por folhas, com gotas de água”), ao passo que três fragmentos independentes não conseguem fazer isso.
As palavras-chave concisas são adequadas para modelos puramente baseados em rótulos. O GPT Image 2 não é um modelo desse tipo.
12. Altere apenas uma variável por vez
Esta última é uma regra de fluxo de trabalho, não uma regra de redação. Quando uma imagem está “quase a semelhança”:
- Altere apenasvariável——lente, iluminação, tempo, mesa——e, em seguida, gere novamente
- . Compare lado a lado
- . Fixe essa variável e passe para a próxima.
Existem duas razões pelas quais a maioria das pessoas fracassa nas iterações: ou alteram três parâmetros de uma só vez, sem conseguir distinguir qual alteração surtiu efeito; ou começam sempre do zero com a conversão de texto para imagem, em vez de usar a versão anterior como referência para a conversão de imagem para imagem. Ambas as coisas podem ser corrigidas com uma tarde de prática.
Uma comparação "antes e depois" que fica clara à primeira vista
Palavras-chave inadequadas:
Uma pessoa tocando piano em um barUma boa frase de prompt (utilizando as dicas 1, 2, 3 e 5):
Retrato com contraste de luz e sombra digno do cinema: um pianista de jazz de meia-idade sentado diante de um piano de cauda em um bar escuro e cheio de fumaça,
com um único holofote de tungstênio de tom quente acima de sua cabeça projetando uma luz aconchegante sobre seu rosto e mãos,
enquanto o restante da sala fica envolto em sombras profundas. Lente de 85 mm, textura da pele com qualidade fotográfica.
Tonalidades: âmbar quente, bordô escuro, sombras quase negras.O mesmo modelo, o mesmo número de gerações — mas os resultados são completamente diferentes. Essa é a premissa fundamental da engenharia de prompts: o modelo está correto, o gargalo está no seu prompt.
Experimente
Acesse GPT Image 2 Text-to-Image, escolha qualquer uma das sugestões disponíveis e cole-a na página para gerar a imagem. Em seguida, altere apenas um dos parâmetros — ângulo, iluminação ou paleta de cores — e gere a imagem novamente. Em menos de dez tentativas, você terá uma noção intuitiva de "qual desses parâmetros tem maior impacto no seu gosto estético".
Essa capacidade de discernimento é a única diferença entre "saber criar imagens de IA" e "saber criar imagens".
