Na primeira vez que se utiliza IA para gerar imagens, o que costuma travar mais não é o botão, mas sim três questões: começar pelo texto ou carregar uma imagem de referência; quão detalhado deve ser o prompt; e, quando o primeiro resultado não é satisfatório, onde exatamente ajustar.

Este artigo apresenta um fluxo repetível de geração de imagens por IA, utilizando o PixPix. Você começará definindo o propósito e a proporção da imagem, elaborando prompts que incluam lente, sujeito principal, ambiente, iluminação e estilo, e, em seguida, através de um exemplo original de alto-falante portátil, aprenderá como selecionar os resultados, fazer ajustes univariados e continuar utilizando as imagens geradas na edição ou na criação de vídeos.

Os exemplos e prompts deste artigo foram redesenhados especialmente para fins didáticos e não representam resultados reais obtidos com modelos específicos.

Conclusão rápida: decida primeiro onde a imagem será utilizada

Uma “imagem bonita gerada por IA” nem sempre é uma “imagem utilizável”. Antes de iniciar a geração, responda primeiramente a quatro perguntas:

1. A imagem será usada como foto principal de produto, conteúdo para redes sociais, capa de artigo ou banner?

2. Qual é o elemento principal da cena?

3. Quais informações visuais precisam permanecer estáveis, como a forma do produto, a identidade das pessoas ou as cores da marca?

4. Após a geração, a imagem será utilizada diretamente ou ainda passará por edições, ampliações ou conversão em vídeo?

Essas respostas determinarão se você deve optar pela geração a partir de texto ou de imagem, qual proporção escolher e quais informações no prompt devem ser especificadas com maior clareza.

Ordem recomendada: definir o propósito → escolher o caminho de geração → fixar a proporção → redigir o primeiro prompt → filtrar a estrutura → alterar apenas uma variável principal por vez.

Escolha entre geração a partir de texto ou de imagem

A página oficial do PixPix atualmente oferece tanto a geração a partir de texto quanto a geração a partir de imagem: a geração a partir de texto começa com uma descrição textual; já a geração a partir de imagem permite carregar uma imagem de referência, um esboço ou uma captura de tela, permitindo que o resultado mantenha a estrutura, a composição ou o estilo da imagem original.

Sem um objeto específico, comece pela geração a partir de texto

Quando você estiver explorando novos personagens, cenários conceituais, capas de artigos ou ideias fictícias de produtos, muitas vezes o texto já será suficiente. Nesse caso, o foco deve estar em decompor a “ideia” em informações visuais que o modelo consiga interpretar, em vez de preparar inicialmente uma imagem de referência.

Por exemplo, “criar uma imagem publicitária com forte atmosfera de verão” ainda é muito abstrato. O modelo não sabe qual é o sujeito principal, onde ele está localizado, como é a iluminação ou a distância da câmera. Ao transformar isso em objetos, ambientes e luzes específicos, fica mais fácil obter resultados avaliáveis.

Quando a consistência é essencial, dê prioridade à imagem de referência

Se a imagem precisa preservar determinado produto real, a aparência de uma pessoa, sua postura, a estrutura de um esboço ou uma composição já existente, dê preferência à geração a partir de imagem ou a métodos que aceitem imagens de referência.

Uma imagem de referência não garante que o resultado seja completamente idêntico. Após a geração, ainda é necessário verificar:

• A silhueta, as cores e os materiais do produto mudaram?

• O rosto, as roupas e os acessórios mantiveram sua identidade?

• A composição manteve a relação com a imagem de referência?

• O texto e o logotipo presentes na imagem de referência foram alterados?

• O estilo do fundo influenciou o sujeito principal?

Se a consistência for um requisito rigoroso, o prompt deve especificar claramente “o que deve permanecer inalterado”, sem limitar-se apenas a descrever o que se deseja acrescentar.

Estabeleça um objetivo de geração com um exemplo original

Neste artigo, definimos um visual fictício para um novo produto de verão: um alto-falante Bluetooth portátil, sem marca, cor laranja-coral, com cantos arredondados, posicionado sobre uma mesa de pedra branca ao lado de uma piscina azul-clara. No final da tarde, a luz oblíqua do sol entra pela esquerda; há algumas gotas de água sobre a mesa, enquanto o fundo mantém ondulações sutis da superfície da água, conferindo ao conjunto uma sensação fresca e moderna, típica de fotografia comercial.

Esta imagem está planejada para ser usada como pré‑anúncio de um novo produto nas redes sociais; por isso, adotamos inicialmente uma composição vertical e reservamos espaço acima do elemento principal para a diagramação posterior. A cena não deve conter logotipos da marca, textos de embalagem, outros produtos eletrônicos nem mãos de pessoas.

Primeiro, dividimos os objetivos em dois tipos de restrições:

Essa divisão ajuda a evitar que o texto do prompt fique cada vez mais longo. As informações que precisam ser absolutamente estáveis devem aparecer claramente; já as partes que podem ser exploradas deixam margem para que o modelo faça ajustes.

Legenda: No início do caso, mantemos apenas a piscina, a bancada de pedra, a posição da câmera e a luz quente do lado esquerdo, estabelecendo assim limitações claras ao ambiente para a inclusão posterior do produto.

Organizamos o prompt em cinco módulos verificáveis

Em vez de acumular adjetivos abstratos como “avançado”, “deslumbrante” ou “perfeito”, é melhor atribuir a cada expressão uma tarefa visual específica. Uma estrutura adequada para iniciantes seria:

Câmera e composição + Elemento principal e características + Ambiente e posicionamento + Iluminação e atmosfera + Estilo visual.

Legenda: Os números 1 a 5 correspondem, respectivamente, à câmera e composição, ao elemento principal, ao ambiente, à iluminação e ao estilo visual; as explicações numéricas ficam no texto, evitando sobrecarregar a imagem com frases longas.

A câmera e a composição determinam como a cena será enquadrad

“Plano próximo”, “plano médio”, “vista aérea”, “visão frontal”, “elemento principal centralizado” e “espaço em branco acima” influenciam diretamente a organização da imagem. Se a imagem precisar incluir um título ou botões, é recomendável reservar espaço durante a etapa de geração, em vez de tentar recortar o elemento principal no final.

O elemento principal e suas características definem o que há na cena

Comece escrevendo os substantivos e, em seguida, acrescente formas, materiais e cores que realmente afetam a identificação. Por exemplo:

Uma caixa de som portátil Bluetooth sem marca, cor laranja coral, com corpo retangular de cantos arredondados, tela de tecido fina e um único botão discreto no topo.

“Sem marca” apenas reduz a probabilidade de aparecimento aleatório de logotipos; após a geração, ainda é necessário verificar se surgiram textos falsos ou elementos gráficos semelhantes a logos.

O ambiente e a posição definem as relações espaciais

O ambiente não é apenas o nome do cenário; também é preciso explicar como o elemento principal interage com o espaço. Neste caso, “sobre a bancada de pedra colocada à beira da piscina” é mais claro do que “fundo da piscina”, pois especifica simultaneamente a superfície, a posição e a relação de contato.

A iluminação e a atmosfera unificam a textura

Descreva de onde vem a luz, sua intensidade e se é suave ou forte, além de indicar se o tom geral é frio ou quente. Por exemplo: “A luz quente do sol ao entardecer incide diagonalmente pelo lado esquerdo, projetando uma sombra suave e curta atrás da caixa de som, voltada para a direita”. Isso é mais fácil de verificar do que simplesmente dizer “iluminação cinematográfica”.

O estilo visual fica por último, como conclusão da descrição.

O estilo pode ser “fotografia de produto comercial moderna”, “fotografia editorial fresca” ou “ilustração suave em papel recortado”. Evite, na mesma instrução, solicitar simultaneamente expressões que competem entre si, como fotografia, pintura a óleo, renderização 3D e filme retrô.

Realize a primeira geração no PixPix

Acesse o Gerador de Imagens e Vídeos por IA PixPix, iniciando este caso pela opção “texto para imagem”. As configurações oferecidas por diferentes modelos podem variar; as opções efetivas devem seguir o painel de geração atual.

Escolha primeiro o formato adequado ao local de publicação

O formato deve acompanhar o uso final, em vez de decidir após a geração da imagem:

• Formato vertical: mais adequado para conteúdos de redes sociais em dispositivos móveis e pôsteres de pessoas;

• Formato quadrado: ideal para conteúdos que precisam ser compatíveis com diversos formatos de feed;

• Formato horizontal: mais indicado para capas de blogs, banners de sites e apresentações.

Neste caso, o objetivo é anunciar um novo produto nas redes sociais; portanto, recomenda-se usar o formato vertical. Se posteriormente for necessário criar uma capa para blog, pode‑se gerar a versão horizontal após estabilizar a composição, sem preencher mecanicamente os lados da imagem vertical.

Utilize a primeira versão completa da instrução

Instrução original do caso

Fotografia de produto em plano médio e próximo, na orientação vertical, com espaço em branco limpo na parte superior. Uma caixa de som portátil Bluetooth cor coral laranja, sem marca, com corpo retangular arredondado, tela de tecido fina e botões discretos na parte superior, posicionada integralmente sobre uma bancada branca de pedra escura à beira de uma piscina azul clara. A bancada apresenta algumas gotas de água bem definidas, enquanto o fundo exibe ondas suaves e simples. Ao entardecer, a luz quente do sol incide diagonalmente pelo lado esquerdo, projetando uma sombra curta e natural atrás da caixa de som; o corpo coral laranja exibe reflexos sutis. Fotografia comercial moderna e fresca, com materiais reais, imagem limpa, sem presença de pessoas, logotipos, textos de embalagem ou outros eletrônicos.

Esta é uma instrução criada especialmente para o caso original deste artigo; não se trata da instrução original do artigo de referência, nem indica que algum modelo irá segui‑la literalmente.

Na primeira rodada, observe primeiramente a estrutura, sem pressa de entrar nos detalhes

Após a geração, reduza inicialmente a imagem para avaliar o conjunto e verifique, em sequência:

1. Se, à primeira vista, é possível identificar a caixa de som;

2. Se o objeto principal não foi cortado ou ocultado;

3. Se o espaço em branco acima é suficiente para a diagramação posterior;

4. Se a relação espacial entre a bancada, a piscina e a caixa de som é coerente;

5. Se a direção da luz e as sombras produzidas são naturais.

Na primeira etapa, basta que a composição siga a direção correta para justificar a continuidade da revisão. Não desista imediatamente de um resultado bem estruturado apenas porque um botão não está perfeitamente detalhado.

Nota: Esta imagem didática mantém a coerência entre o produto, o cenário e a direção da luz, mas o objeto principal é demasiado pequeno e a parte frontal ocupa proporção excessiva; é adequada para demonstrar como ajustar apenas a distância da câmera e a proporção do objeto principal.

Modifique apenas uma variável principal por vez

Quando o resultado gerado se afastar do objetivo, identifique primeiro a categoria do problema e, em seguida, ajuste a frase correspondente.

Por exemplo, se o sujeito estiver muito pequeno, basta alterar o início para:

Fotografia de produto em close vertical, com o alto-falante ocupando cerca de metade da altura da imagem e mantendo espaço em branco na parte superior.

O restante relativo a texturas, ambiente e iluminação permanece inalterado por enquanto. Assim fica mais fácil identificar qual modificação provocou a mudança.

Legenda: versão corrigida amplia o sujeito e mantém espaço em branco acima; a carcaça laranja-coral, a malha de tecido, as áreas escuras de contato e a sombra projetada no canto direito traseiro formam juntos um foco visual bem definido.

Não coloque todos os erros em uma única observação negativa

“Não borre, não distorça, não fique feio, não seja de baixa qualidade” não substitui uma descrição positiva clara. As restrições negativas devem abordar riscos reais, como, neste caso, “não inclua pessoas, logotipos, textos de embalagem ou outros produtos eletrônicos”.

Se o modelo continuar interpretando incorretamente o sujeito, uma abordagem mais eficaz costuma ser simplificar a descrição do conflito, ajustar as informações da câmera ou recorrer a imagens de referência, em vez de acrescentar continuamente palavras negativas.

Escolher entre as imagens candidatas aquela que vale a pena continuar editando

Não escolha apenas a opção com mais detalhes. A ordem de seleção mais prática é:

1. Identidade do sujeito e composição geral;

2. Relações de contato, perspectiva e luz;

3. Texturas e cores;

4. Pequenos adornos, bordas e imperfeições locais.

Erros de composição e no sujeito geralmente exigem regeneração completa; já pequenas falhas como texto falso, gotas d’água ou problemas nas bordas são mais adequados para edições locais posteriores.

A página oficial do PixPix ainda apresenta capacidades de edição de imagens, como recriação local, ampliação, substituição de fundo e melhoria da qualidade. Após estabelecer uma estrutura sólida na imagem final, é possível continuar corrigindo partes específicas, expandir a moldura ou aprimorar a qualidade; caso deseje criar conteúdo dinâmico, também é possível utilizar a imagem estática como ponto de partida para a produção subsequente de vídeos por IA.

Legenda: a série de três imagens mostra, da esquerda para a direita, o ponto inicial da cena, os primeiros problemas e o objetivo da correção. O foco principal está na proporção do sujeito e na hierarquia da imagem, e não em tomar a simulação didática como medida real do modelo.

Um conjunto de modelos de prompts reutilizáveis

Modelo genérico

【Formato e lente】, o principal ponto de interesse visual na imagem é o 【sujeito】, que apresenta 【cor, forma, material e movimento】. O sujeito está situado no 【ambiente e posição específica】, estabelecendo uma 【relação de contato ou espacial】 com a 【superfície ou outros objetos】. Utiliza-se luz proveniente da 【direção】 com características de 【quente/frio e macio/rígido】, gerando 【reflexos e sombras distintas】. O conjunto segue um 【estilo visual único】, preservando o 【espaço de composição ou elementos-chave da estrutura】; não devem aparecer 【elementos perturbadores diretamente relacionados à tarefa】.

Ao preencher o modelo, dê prioridade à manutenção das palavras que alteram a imagem. Se, após a exclusão de uma palavra, o objetivo da imagem permanecer inalterado, essa palavra geralmente não é informação essencial.

Perguntas frequentes

Quanto mais longo for o prompt, melhor?

Não. O prompt deve abranger as decisões visuais fundamentais, mas seu comprimento em si não garante controle. Adjetivos repetidos, estilos conflitantes e conceitos abstratos difíceis de visualizar podem até diluir o foco principal.

Os prompts em chinês podem ser usados diretamente?

É possível começar pelo idioma que você domina melhor para expressar-se com precisão. O importante é descrever claramente a lente, o sujeito, o ambiente, a iluminação e o estilo, além de verificar como o modelo selecionado interpreta a descrição. Caso o resultado continue interpretando incorretamente determinada palavra, experimente substituí-la por uma expressão sinônima mais específica.

É possível gerar imagens de produtos sem uma referência visual?

É possível criar imagens conceituais fictícias de produtos; porém, se for necessário reproduzir fielmente a aparência, cores e detalhes de um produto real disponível no mercado, apenas com texto costuma ser difícil manter consistentemente sua identidade. Nesses casos, é recomendável carregar uma imagem de referência clara do produto e verificar item a item a correspondência.

Por que o mesmo prompt pode gerar resultados diferentes?

A geração de imagens por IA envolve um componente exploratório, de modo que a mesma descrição pode resultar em composições e detalhes variados. É mais controlável escrever claramente as informações que precisam ser mantidas estáveis e utilizar imagens de referência ou conservar os resultados já consolidados para fazer ajustes locais, do que tentar recomeçar do zero repetidamente.

Em que momento devo ampliar a imagem?

Primeiro, confirme a composição, o sujeito, a iluminação e os materiais, e só então proceda ao aprimoramento da qualidade da imagem. A ampliação pode melhorar o tamanho final e alguns detalhes, mas não corrige automaticamente relações espaciais ou estruturas do produto incorretas.

Resumo

A geração de imagens por IA não consiste em escrever o prompt perfeito de uma só vez; trata-se de dividir a criação em uma série de escolhas passíveis de avaliação:

Definir o propósito → Escolher entre geração por texto ou uso de imagem de referência → Fixar o formato → Descrever a lente, o sujeito, o ambiente, a iluminação e o estilo → Selecionar a estrutura → Fazer ajustes univariáveis → Editar localmente e produzir o resultado final.

Ao usar o PixPix pela primeira vez, você pode aplicar diretamente este modelo para criar uma imagem conceitual. Se a tarefa envolver produtos reais ou personagens específicos, prepare desde o início imagens de referência, elabore uma lista de requisitos de consistência como itens de verificação e, em seguida, siga o processo de geração e edição.