Como escrever prompts para Midjourney, DALL-E e Kandinsky e obter imagens precisas

Uma análise sobre geradores de imagens explica por que os modelos erram tanto o que o usuário espera. A ideia central é simples: o problema geralmente não está no modelo, mas num pedido vago demais.

Por que sai algo diferente do esperado

Quando o usuário escreve algo como "gato bonito" ou "retrato atmosférico", o modelo precisa inventar os detalhes por conta própria. Para Midjourney, DALL-E ou Kandinsky, essas palavras são genéricas demais: não definem cena, estilo, luz nem ângulo. O resultado é que o gerador escolhe uma opção média, que facilmente vira uma mistura estranha de artefatos, detalhes sobrando e texturas aleatórias. Daí vêm os quadros que dá vontade de jogar direto na lixeira.

Redes neurais de geração de imagens são ótimas executoras, mas

péssimas telepatas.

Os autores ressaltam que os modelos funcionam melhor com o concreto do que com a emoção. Se você quer fotorrealismo, é preciso dizer isso. Se importam a luz dourada quente, um close, uma lente de 85 mm ou uma estilização em aquarela imitando gravuras do século XIX, o melhor é escrever tudo isso diretamente no pedido. Até a ordem das palavras pode influenciar o resultado, porque partes diferentes do prompt definem prioridades para a geração. Isso aparece principalmente em cenas complexas, com vários objetos e fundo.

Do que montar um prompt

A sugestão é montar um prompt eficiente como um breve briefing técnico, e não como um desejo abstrato. Quanto menos o modelo precisa adivinhar, mais perto o resultado fica do esperado. Na prática, é um conjunto de camadas obrigatórias de descrição que o modelo lê como referências. Sem elas, ele volta aos modelos médios do conjunto de treinamento. Por isso os bons prompts costumam parecer secos, quase um briefing de filmagem.

Uma estrutura básica pode ser assim:

• Objeto principal ou cena — quem ou o que aparece, em qual ação e em qual ambiente.
• Estilo — foto, 3D, ilustração, anime, aquarela, gravura ou referência a uma escola visual.
• Luz e câmera — luz suave, contraluz, low key, close, wide shot, 35 mm, 85 mm, f/1.4.
• Composição e detalhes — fundo, materiais, clima, paleta de cores, pose, expressão facial, estação do ano, hora do dia.
• Parâmetros técnicos — proporção, qualidade, stylize, seed e outras configurações específicas do modelo.

Essa abordagem ajuda a transformar uma ideia vaga em um conjunto de atributos controláveis. O artigo aconselha ir do geral ao particular: primeiro descrever o objeto e o contexto, depois adicionar estilo e modificadores técnicos. É importante não sobrecarregar o prompt com contradições. Se você pedir ao mesmo tempo fotorrealismo, minimalismo, hiperdetalhamento e estilo de desenho animado, o modelo vai "rasgar" a imagem entre referências incompatíveis. É mais fácil fazer várias iterações curtas do que um único pedido sobrecarregado para todos os casos.

Como controlar o resultado

Um bloco à parte trata do ajuste fino. Aqui são úteis o peso das palavras, as instruções negativas e os parâmetros de geração. Se o serviço permite reforçar tokens individuais, é possível aumentar a prioridade de um objeto ou estilo importante. O prompt negativo, ao contrário, remove o que sobra: dedos extras, membros a mais, fundo desfocado, texto, marcas d'água ou objetos indesejados no quadro. Isso importa principalmente em gerações pagas, em que cada tentativa extra custa tempo ou dinheiro.

Os autores também lembram que as configurações do modelo não são um detalhe secundário. A proporção determina a composição, o seed ajuda a repetir bons resultados, e o grau de estilização e a qualidade influenciam o quanto a interpretação será "livre". Na prática, isso significa um ciclo simples: fazer um pedido básico, olhar as falhas, ajustar um parâmetro e testar de novo. Essa abordagem iterativa quase sempre é mais eficaz do que reescrever o prompt inteiro após cada geração fracassada.

Outra dica prática é não tentar colocar todas as ideias numa só linha. Primeiro, é melhor montar o "esqueleto" da imagem: objeto, estilo, luz e ângulo. Depois, acrescentar um a um materiais, fundo, clima ou efeitos adicionais. Assim fica mais fácil entender qual bloco estraga a imagem. Se, depois de adicionar cinematic lighting, o personagem perde realismo, a causa não está no modelo inteiro, e sim naquele modificador específico.

O que isso significa

O material é útil porque tira o trabalho com geradores de imagens do modo "mágica" e o leva para o de um ofício compreensível. Quanto mais precisamente o usuário descreve a cena, as restrições e a linguagem visual, menos acaso há no resultado. Para designers, profissionais de marketing e criadores de conteúdo, isso já não é uma habilidade opcional, e sim uma forma prática de obter mais rápido a imagem certa, sem regenerações infinitas. Dá mais controle sobre o resultado e reduz o número de experimentos inúteis.