O maior valor da geração de imagens a partir de imagens de referência não está em fazer com que a IA “desenhe exatamente igual”, mas sim em transformar elementos como sujeitos, poses, composições ou direções visuais — difíceis de expressar apenas com texto — em restrições visíveis. Para obter resultados mais consistentes, as instruções devem responder simultaneamente a duas questões: quais elementos precisam ser mantidos e quais podem variar.

A imagem anexada é um material ilustrativo original criado especialmente para este tutorial, gerado pela ferramenta Codex; não se trata de uma análise comparativa entre modelos PixPix nem de testes realizados na plataforma. As descrições das funcionalidades do PixPix foram extraídas das páginas públicas atuais; limitações de entrada, dimensões e opções específicas de cada modelo e da interface atual devem ser verificadas conforme as informações apresentadas nas respectivas páginas.

Conclusão rápida: primeiro defina os elementos que devem ser preservados, depois os que podem mudar.

Uma solicitação executável de geração de imagens pode ser resumida nesta fórmula:

Personagem da imagem de referência + identidade/estrutura/composição obrigatórias a serem mantidas + objetos que podem ser alterados + cenário ou estilo desejado + iluminação e proporções + proibição de adicionar novos elementos.

Se uma única instrução pedir simultaneamente a troca de personagens, movimentos, ângulos de câmera, fundos e estilos, será difícil para o modelo determinar qual deve ser o ponto de ancoragem. Uma abordagem mais segura é alterar apenas uma variável principal por vez, utilizando sempre a imagem confirmada na etapa anterior como referência.

O que exatamente a imagem de referência consegue controlar?

Atualmente disponível no PixPixEntrada para geração de imagens a partir de imagensPermite carregar imagens de referência, esboços ou capturas de tela, permitindo que o modelo gere novas imagens com base na estrutura, composição e estilo da imagem original, sendo ideal para ampliar estilos, alterar personagens, expandir cenários de produtos e explorar visualmente.

Sujeito e identidade

O formato do rosto, o penteado, as roupas e a silhueta de uma pessoa, assim como o contorno, a cor, o material e as estruturas-chave de um produto, são todos elementos inalteráveis do sujeito. Em vez de simplesmente escrever “manter consistente”, liste detalhadamente todas as características observáveis.

Poses e composição

As imagens de referência transmitem com mais facilidade do que o texto informações sobre a posição dos personagens, a direção do olhar, a altura da câmera, a proporção do sujeito e as relações entre os objetos. Se essas relações precisam ser mantidas, especifique claramente: “manter a mesma pose, altura da câmera, escala do sujeito e recorte da imagem”.

Estilo e iluminação

A imagem de referência também pode servir apenas como orientação visual: cores, texturas, materiais, iluminação ou layout. Nesse caso, indique claramente que se trata de uma “referência de estilo”, evitando que o modelo incorpore erroneamente personagens ou produtos presentes na imagem de referência ao resultado final.

Caso original: ciclista urbano Lin

Neste exemplo, criamos um personagem fictício chamado Lin, cujas características principais são:

• Mulher asiática, com cerca de vinte e poucos anos, cabelos médios e pretos;

• Jaqueta leve azul-cobalto, calças retas cinza-escuro e tênis brancos de cano baixo;

• Capacete de ciclismo fosco cor-de-rosa;

• Segurando uma bicicleta urbana prateada;

• Tanto o corpo inteiro quanto a bicicleta estão dentro do enquadramento, com ângulo de visão e linha de visão fixos.

Esta imagem de referência reúne identidade, vestimenta, pose, acessórios e composição. Se, posteriormente, desejar apenas mudar o estilo, não altere o layout do fundo; se quiser apenas trocar o cenário, não mude inadvertidamente a roupa nem os movimentos.

Passos operacionais: divida a solicitação em uma variável por vez

Primeiro passo: atribua um papel a cada imagem de referência

Ao carregar várias imagens ao mesmo tempo, evite deixar o modelo tentar adivinhar:

• Referência à Figura A: identidade do sujeito e vestuário;

• Referência à Figura B: postura e composição;

• Referência à Figura C: cores, texturas ou estilo de ilustração.

Mesmo que haja apenas uma imagem, é necessário especificar no prompt o que ela representa. Quanto mais clara for a descrição do personagem, menor será a possibilidade de conflitos.

Segunda etapa: escrever os invariantes verificáveis

No caso de Lin, o invariante não é “a mesma pessoa”, mas sim:

Manter inalterados os traços faciais do personagem, os cabelos médios e longos, de cor preta, o casaco azul-cobalto, o capacete cor de coral, as calças cinza-escuro, os sapatos brancos, a postura com as mãos apoiadas no guidão, a estrutura da bicicleta prateada, bem como a composição geral e o ângulo de visão.

Para produtos, pode-se substituir por: “manter inalteradas a proporção entre comprimento e largura do frasco, a estrutura da tampa, a posição do rótulo, o material, a cor e a marca.”

Terceira etapa: descrever apenas o que será alterado nesta rodada

Primeiro, decida a qual categoria pertence esta rodada:

• Mudar apenas o estilo de renderização;

• Mudar apenas o fundo e a hora do dia;

• Mudar apenas a roupa ou um único objeto;

• Apenas ampliar a tela;

• Corrigir apenas erros pontuais.

Não execute todas essas tarefas de uma só vez. Primeiro, obtenha uma versão com estrutura estável e, em seguida, avance para a próxima rodada.

Exemplo 1: mudar apenas o estilo

Instrução de exemplo:

Transformar a imagem de referência em uma ilustração editorial contemporânea em técnica de xilogravura. Manter inalterados os traços faciais de Lin, as proporções corporais, a expressão, o casaco azul-cobalto, o capacete cor de coral, as calças cinza-escuro, os sapatos brancos, a postura em pé, a bicicleta prateada, o ângulo de câmera e o recorte; alterar apenas o modo de renderização. Utilizar tons de azul-cobalto, coral, cinza-escuro e papéis quentes, preservando os pontos de meia‑tonalidade e a leve textura de sobreposição de cores. Não acrescentar personagens, textos nem marcas.

O verbo central aqui é “apenas mudar o modo de renderização”. O objetivo estilístico pode ser específico, mas não se deve exigir simultaneamente a mudança de cenário ou o redesenho da roupa.

Exemplo 2: mudar apenas o fundo e a iluminação

Instrução de exemplo:

Transformar o ambiente em uma ciclovia à beira de um rio após uma chuva fina, durante o crepúsculo azulado. Alterar apenas o fundo e a luz ambiente; manter inalterados a identidade do personagem, o penteado, o capacete cor de coral, o casaco azul-cobalto, as calças cinza-escuro, os sapatos brancos, as proporções corporais, a posição das mãos, a estrutura da bicicleta, a postura, a escala do sujeito e o recorte da imagem. A superfície da estrada apresenta reflexos leves e úmidos, enquanto as luzes distantes da cidade estão difusas; sem adicionar pedestres nem outras bicicletas.

Quando a “substituição do fundo” impede até mesmo a variação da iluminação do personagem, o resultado tende a parecer um mero adesivo. Uma abordagem mais razoável seria permitir que a luz ambiente influencie o sujeito, mantendo porém fixas a identidade do personagem, as cores das roupas e a estrutura.

Quando alterar a imagem inteira e quando fazer edições locais

Se a direção geral estiver incorreta — por exemplo, se o estilo, a perspectiva ou o cenário estiverem totalmente fora do esperado —, geralmente é mais eficiente gerar tudo novamente. Por outro lado, se 80% já estiver correto e restarem apenas problemas nas mãos, nas bordas, nos textos ou em algum pequeno objeto, convém utilizar as ferramentas de recriação local ou edição de imagens disponibilizadas publicamente pelo PixPix, evitando assim que a revisão total da imagem acabe provocando novos desvios.

Página do PixPix para GPT Image 2A descrição pública indica que é possível iniciar a partir de um prompt ou de uma imagem de referência, sendo utilizado em imagens de produtos, pôsteres, design de texto e criação de séries visuais em diferentes tamanhos;Já a página do PixPix no Seedream 5.0 Prodestaca a importância de especificar claramente, nas instruções de edição, o objetivo, as ações, o layout, o estilo, a iluminação e os elementos inalteráveis. A escolha específica deve ser avaliada de acordo com a tarefa atual e com as capacidades reais da interface, em vez de aplicar um modelo fixo a todos os projetos.

Erros comuns e formas de corrigi-los

Erro nº 1: apenas escrever “igual à imagem original”

“igual” não estabelece prioridades. Liste item por item rosto, roupa, estrutura do produto, pose ou ângulo da câmera, para que o modelo saiba quais mudanças são consideradas falhas.

Erro nº 2: imagens de referência conflitantes entre si

Uma imagem define a pessoa, outra define a pose, e uma terceira apresenta roupas e personagens diferentes — isso pode facilmente gerar confusão. Atribua responsabilidades claras a cada imagem e deixe explícito quais partes irrelevantes devem ser ignoradas.

Erro nº 3: alterar muitas variáveis de uma só vez

Primeiro faça a transferência de estilo, depois mude o cenário e, por fim, realize ajustes locais. Em cada etapa, mantenha apenas um resultado confirmado; assim, ao ocorrer um erro, será fácil identificar em qual passo ele surgiu.

Erro nº 4: deixar totalmente a cargo da geração textos pequenos e logotipos

Etiquetas de produtos, preços promocionais e marcas devem ser verificados palavra por palavra. Quando a estrutura já estiver correta, dê preferência aos ajustes locais na área textual, evitando refazer toda a imagem por causa de apenas uma palavra.

Erro nº 5: olhar apenas para a miniatura

Amplie a visualização para verificar detalhes como rostos, dedos, raios das rodas, bordas dos produtos, reflexos, sombras de contato e textos. Detalhes aparentemente naturais na miniatura podem estar comprometidos na imagem ampliada.

Perguntas frequentes

Quanto mais imagens de referência, melhor?

Não necessariamente. Cada imagem deve ter responsabilidades bem definidas. Se duas imagens apresentarem conflitos quanto à pessoa, composição ou estilo, aumentar o número de referências pode, na verdade, reduzir o controle sobre o resultado final.

A geração de imagem a partir de outra imagem copia a imagem original?

A geração de imagem a partir de outra lê informações como estrutura, composição, pose ou estilo e recria a cena; não deve ser interpretada como uma simples cópia de pixels. Antes de utilizar imagens que não lhe pertencem, é necessário verificar o escopo de autorização e evitar solicitar a reprodução de obras únicas protegidas.

Por que os rostos ainda mudam?

A clareza da imagem de referência, variações angulares, capacidade do modelo e o número de variáveis alteradas de uma só vez influenciam a estabilidade da identidade. Utilize modelos de referência nítidos, defina claramente características faciais e vestimentas, reduza o número de variáveis modificadas simultaneamente e continue iterando a partir de resultados já confirmados.

Quando é mais adequado usar a geração de imagem a partir de texto?

Quando você deseja apenas explorar novas direções, sem a necessidade de manter determinadas pessoas, produtos, poses ou layouts, a geração de imagem a partir de texto oferece maior liberdade. Contudo, se a tarefa incluir a exigência de “manter esta pessoa, este produto ou esta composição”, é mais indicado começar a partir de imagens de referência.

Resumo: trate as imagens de referência como restrições, não como decoração

A estabilidade da geração de imagem provém de limites claros da tarefa: o que a imagem de referência deve garantir, quais elementos não podem ser alterados, o que será modificado nesta etapa e como será a avaliação final. Após preparar o modelo base e listar os elementos imutáveis, é possível acessar o portal de geração de imagem e edição de fotos do PixPix, iniciando com uma única alteração por vez.