Imagecaster ensina uma rede neural a reconhecer o seu rosto com 10 a 100 fotos e experimenta roupas em casa
O Imagecaster é um programa para geração de imagens em uma placa de vídeo doméstica, e o autor ensinou-o a desenhar uma pessoa específica. Para isso, a rede neural é ajustada com um pequeno complemento LoRA treinado com 10 a 100 fotografias, e o novo quadro mostra a pessoa na cena e com a roupa desejadas. A roupa de uma foto de marketplace é transferida pelo modelo Klein, e o rosto é substituído em uma etapa separada, para que a semelhança não se perca. Por isso, um quadro malsucedido é simplesmente descartado, e não pago, como acontece na nuvem.
Processado por IA de Habr AI; editado por Hamidun News
Gerar imagens em uma placa de vídeo doméstica já não surpreende ninguém. Mais difícil é obter, como resultado, não uma "moça parecida com a capa", mas uma pessoa concreta: você, sua esposa ou um amigo, com a roupa e a cena desejadas. O autor do aplicativo open-source Imagecaster acrescentou exatamente isso. Agora, o programa ajusta a rede neural com 10 a 100 das suas fotografias (para isso é usado um pequeno complemento LoRA), depois substitui o rosto para garantir a semelhança exata e transfere a roupa de uma foto de marketplace ou do celular para o personagem, com um modelo separado. Todo o processamento é local, sem assinaturas em nuvem e sem pagamento por cada geração.
Como a cadeia funciona
LoRA é um conjunto pequeno de pesos adicionais sobre um modelo base. Imagine um estúdio universal, onde você traz um "acessório pessoal" com as características de uma pessoa. Cada modelo base precisa de seu próprio LoRA: um treinado para um modelo não funciona em outro. Diferentemente da simples troca de rosto em uma foto pronta, aqui primeiro é criado um novo quadro com a cena, a pose e o ângulo desejados, e a pessoa já é incorporada a ele.
O treinamento é executado por um servidor baseado no ai-toolkit, e as imagens são geradas pelo stable-diffusion.cpp. Nos exemplos, o autor usa o modelo rápido Z-Image: 8 passos de geração, amostrador Euler, CFG 1, quadros em geral de 1024×1536 pixels. O sistema não está preso a um único modelo: é possível escolher entre os suportados pelo aplicativo.
As etapas são separadas, o que facilita encontrar erros:
- o LoRA cria a pessoa em uma nova cena;
- o Klein, um modelo separado, transfere a roupa da foto da peça;
- a troca de rosto, no final, devolve a semelhança.
Essa última etapa é necessária porque, segundo o autor, o próprio LoRA às vezes produz uma pessoa apenas "um pouco" parecida e pode mudar o rosto de um quadro para outro. Se não houver rosto no quadro, a etapa é pulada.
Três formas de treinar o LoRA
A primeira é indicar a pasta com as fotos de uma só pessoa. São necessárias de 10 a 100 imagens em JPEG, PNG ou WebP. A variedade importa mais que a quantidade: dez quadros diferentes, com ângulos, luz e roupas distintos, valem mais do que dez quase idênticos.
A segunda é reunir o conjunto aos poucos pela seção "Minhas imagens". Ali também é possível adicionar fotos em grupo: o aplicativo localiza os rostos, compara com a pessoa escolhida e recorta a correta. Se a escolha for ambígua, ele sugere indicar o rosto manualmente, e se o rosto estiver pequeno ou borrado, avisa. É possível começar com dez fotos e um treinamento rápido, avaliar o resultado e depois clicar em "Retreinar": as fotos antigas permanecem, e as novas são usadas com mais frequência. Há também o treinamento do zero e a reversão para uma versão anterior.
A terceira é delegar o lançamento a um agente de IA via MCP. Trata-se de um protocolo aberto pelo qual Claude, Codex e clientes semelhantes controlam programas externos. Basta escrever: "Treine um LoRA da Ada com as fotos desta pasta no Z-Image". O agente recebe a lista de modelos, cria a tarefa e, se quiser, adia a execução para não ocupar a placa de vídeo imediatamente.
Estilista, privacidade e defeitos
O estilista funcionava antes apenas via MCP; agora está integrado ao aplicativo. Nele são escolhidos a pessoa, o modelo, o estilo, a roupa (opcional), o penteado, a maquiagem, o fundo e as poses, e então é montado um plano de sessão. Pelo MCP, o agente pode sugerir looks por conta própria e enviar os quadros para a fila.
Quanto à privacidade, o autor tratou o tema à parte: as fotos originais não entram no histórico de uma IA "inteligente" na nuvem. Elas são descritas por um modelo de visão local, e para fora o MCP envia apenas texto e números dos resultados.
No teste, o agente propôs três séries: uma de estúdio com terno grafite, uma noite urbana com trench bordô e um jardim com vestido verde-sálvia. Na série de estúdio, o modelo deixou de fora o paletó. O agente percebeu isso sozinho, ajustou a descrição da roupa e refez os quadros, e o paletó apareceu.
O autor também mostrou com franqueza os quadros malsucedidos. Em um deles, o modelo deixou a personagem mais gorda e não mostrou o rosto; em outro, havia quatro dedos em um pé; em um terceiro, três mãos. A Ada fictícia sai "perfeita" demais, mas, segundo a impressão do autor, com pessoas reais o resultado é mais interessante e a semelhança é boa.
A economia é simples. Não existe geração gratuita: são necessários hardware, eletricidade e tempo. Mas uma tentativa malsucedida não consome créditos pagos, como acontece em serviços de nuvem cobrados por geração. É possível fazer dezenas de variantes e descartar as ruins.
A conclusão prática para desenvolvedores: a combinação "LoRA + troca de rosto separada + transferência de roupa separada" é mais confiável do que um único modelo para todos os casos. E um agente que avalia o resultado e corrige o próprio prompt já consegue consertar os próprios erros. O aplicativo e o servidor podem rodar no mesmo computador ou ser distribuídos pela rede doméstica, e o código-fonte e as builds estão publicados.
- 22 de nov. de 2026Matemático da Anthropic usando Claude afirma ter provado a hipótese de Riemann, mas publica apenas código ilegível para humanos
- 22 de nov. de 2026Nasdaq 100 cai 10,4% em uma semana: pior desempenho desde a pandemia
- 22 de nov. de 2026Perfil de trabalho do Android fecha vazamento de IP real que Happ e v2rayNG não detectam
- 22 de nov. de 2026Anthropic chega à Nasdaq: ações saem de $83 para $111, mas a segurança aguenta?
Perguntas frequentes sobre a notícia
Como a cadeia funciona?
LoRA é um conjunto pequeno de pesos adicionais sobre um modelo base. Imagine um estúdio universal, onde você traz um "acessório pessoal" com as características de uma pessoa. Cada modelo base precisa de seu próprio LoRA: um treinado para um modelo não funciona em outro. Diferentemente da simples troca de rosto em uma foto pronta, aqui primeiro é criado um novo quadro com a cena, a pose e o ângulo desejados, e a pessoa já é incorporada a ele.
O que se sabe sobre Três formas de treinar o LoRA?
A primeira é indicar a pasta com as fotos de uma só pessoa. São necessárias de 10 a 100 imagens em JPEG, PNG ou WebP. A variedade importa mais que a quantidade: dez quadros diferentes, com ângulos, luz e roupas distintos, valem mais do que dez quase idênticos. A segunda é reunir o conjunto aos poucos pela seção "Minhas imagens". Ali também é possível adicionar fotos em grupo: o aplicativo localiza os rostos, compara com a pessoa escolhida e recorta a correta.
O que se sabe sobre Estilista, privacidade e defeitos?
O estilista funcionava antes apenas via MCP; agora está integrado ao aplicativo. Nele são escolhidos a pessoa, o modelo, o estilo, a roupa (opcional), o penteado, a maquiagem, o fundo e as poses, e então é montado um plano de sessão. Pelo MCP, o agente pode sugerir looks por conta própria e enviar os quadros para a fila. Quanto à privacidade, o autor tratou o tema à parte: as fotos originais não entram no histórico de uma IA "inteligente" na nuvem.
Build & Ship Production AI Agents Without Boilerplate Code
Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.