Blogue

Guia de uso

Receitas de prompts para gpt-image-2.5-flare/image-to-image: prompts de edição prontos para copiar e colar

Como formular edições com base em imagem de referência, preservar o sujeito, substituir o fundo e escrever listas negativas

Nov 10, 2026
Arte de capa editorial plana com faixas escalonadas largas em terracota e âmbar descendo sobre um fundo de areia quente, com bordas nítidas de registro de impressão.
Nesta página

O que um prompt de imagem para imagem realmente precisa especificar

A maioria dos resultados de edição decepcionantes não é culpa do modelo, mas de uma descrição insuficiente do pedido. Quando você envia uma imagem de referência com uma instrução curta, como "deixe mais bonito" ou "troque o fundo", o modelo precisa adivinhar, sem informações, o que manter, o que mudar e o quanto pode se afastar. Toda edição falha que você já viu costuma ser um erro em uma dessas três adivinhações.

Um prompt de imagem para imagem cumpre quatro tarefas:

  • Papel da referência — diga ao modelo para que serve a imagem de entrada. É o sujeito a preservar, uma amostra de estilo, uma referência de composição ou um esboço a refinar? A mesma imagem, com papéis diferentes, gera resultados muito distintos.
  • Mudança alvo — indique claramente uma única mudança principal. "Substitua o fundo por uma parede de estúdio" é um alvo; "deixe a foto mais bonita" não é.
  • Restrições de fidelidade — declare o que deve permanecer consistente: formato do rosto, texto do rótulo do produto, pose, cor da jaqueta, ângulo exato de câmera. Sem isso, o modelo recompõe tudo.
  • Lista negativa — um conjunto curto e específico de "o que não deve aparecer". São guardrails, não uma lista de desejos.

Quando um pedido contém as quatro camadas, a saída se torna previsível o suficiente para iterar. Quando contém apenas uma — normalmente só a mudança alvo — o modelo preenche as camadas ausentes com seus próprios padrões, que raramente correspondem à sua intenção. Antes de escrever qualquer prompt, identifique qual camada faltou na tentativa anterior. Essa é a variável a ajustar em seguida.

As quatro camadas de especificação — papel da referência, mudança alvo, restrições de fidelidade e lista negativa — se combinam em um pedido de edição preciso.

O esqueleto do prompt: uma ordem reutilizável para instruções de edição

Use o mesmo esqueleto ordenado em toda edição, para que prompts de rodadas diferentes possam ser comparados entre si. Com a ordem fixa, a única diferença entre duas tentativas é a frase que foi alterada — só assim é possível depurar.

[1] Papel da referência: "Use a imagem fornecida como referência de {sujeito / estilo / layout}, "
[2] Mudança alvo: "altere {um elemento específico} para {resultado específico}."
[3] Restrições de fidelidade: "mantenha {identidade / pose / texto do produto / cor / composição} inalterados."
[4] Estilo e renderização: "mantenha {iluminação, lente, tom, granulação} consistentes com a imagem de referência."
[5] Lista negativa: "não adicione {artefato 1}, {artefato 2}, {artefato 3}."

Um exemplo preenchido por completo:

Use a imagem fornecida como referência do sujeito, troque o fundo por uma parede de estúdio cinza-quente lisa,
com luz suave e inclinada vinda do canto superior esquerdo. Mantenha o rosto, o cabelo, a expressão e a roupa da pessoa
inalterados, incluindo as costuras visíveis na jaqueta. Mantenha a direção da luz sobre o sujeito igual à da imagem original,
para que o novo fundo não pareça colado. Não adicione dedos extras, não altere
o texto do logotipo impresso.

A ordem importa porque os espaços anteriores restringem os posteriores. O papel da referência define a linha de base, a mudança alvo edita sobre ela; as restrições de fidelidade limitam até onde essa edição pode ir; a lista negativa só limpa o que sobra. Se você se pegar colocando várias mudanças não relacionadas no espaço 2, divida-as em vários pedidos — uma alteração por rodada, para que seja possível atribuir um resultado ruim a uma frase específica.

Cinco espaços ordenados empilhados de cima para baixo, com setas indicando o fluxo fixo e a reordenação opcional.

Receita de fidelidade ao sujeito: mantenha a imagem original intacta

O desvio do sujeito — rostos sutilmente diferentes, logotipos deformados, poses deslocadas — vem quase inteiramente de formulações vagas de fidelidade. "Mantenha como está" não dá âncora alguma ao modelo. Atributos concretos e nomeados dão.

Preservação de identidade (pessoas):

Preserve completamente a estrutura facial, o tom de pele, o penteado e a expressão da pessoa na imagem de referência.
Altere apenas o fundo.

Nomeie os atributos que importam. Se o cliente se importa com uma característica específica, liste-a: "mantenha o formato das sobrancelhas e a pequena cicatriz acima da sobrancelha esquerda." Quanto mais específica a âncora, mais firme o travamento.

Fidelidade do produto:

Mantenha a forma, o material, o layout do rótulo e todo o texto impresso do produto inalterados.
Pode alterar a superfície onde ele está apoiado e a iluminação ao redor, mas o rótulo
deve permanecer perfeitamente legível.

Texto é o atributo mais frágil em qualquer edição. Se a legibilidade importa, diga isso explicitamente e acrescente um item negativo correspondente ("não redesenhe nem estilize o texto do rótulo").

Pose e composição:

Mantenha exatamente a pose dos membros, a posição das mãos e o ângulo de câmera da imagem de referência.
Não recomponha, recorte nem gire o sujeito.

Transferência de estilo sem perda de identidade: quando a imagem de referência é ao mesmo tempo fonte do sujeito e do estilo, separe as duas no prompt:

Use a imagem fornecida como referência tanto do sujeito quanto do estilo, ajuste o estilo de renderização para uma
textura pictórica suave, mantendo inalteradas as características reconhecíveis, a pose e a roupa do sujeito.

Um teste prático: cubra a região alterada na saída e compare o restante com a imagem de referência. Se as áreas "não alteradas" se deslocaram, seu espaço de fidelidade está vago demais — não é culpa do modelo.

Região travada e região editável: a formulação de fidelidade fixa a área à esquerda, e apenas as faixas marcadas à direita podem mudar.

Receitas de substituição de fundo e troca de cenário

Prompts de fundo como "coloque na praia" deixam o modelo inventar conteúdo, iluminação e mesclagem. Em vez disso, descreva três coisas: conteúdo, direção da luz e tratamento de bordas.

Substituição de estúdio:

Substitua o fundo por um fundo de estúdio cinza-quente sem emendas. Incida luz suave vinda do canto superior esquerdo
sobre o fundo, com queda gradual, mantendo consistência com a iluminação existente no sujeito.
Faça as bordas do sujeito se fundirem naturalmente com o fundo; preserve fios finos de cabelo e evite
halos de recorte duros.

Cenário ambiental:

Substitua o fundo por uma rua ao ar livre ao entardecer. Forneça luz solar quente de baixo ângulo vinda da direita,
compatível com a direção atual das sombras do sujeito, com plano médio suavemente desfocado e primeiro plano bem separado.
Mantenha a profundidade de campo crível em relação à escala do sujeito na imagem de referência.

Em toda substituição de fundo, o tratamento de bordas merece uma frase própria. As duas falhas mais comuns são o efeito de colagem (iluminação incompatível) e o halo (separação excessiva das bordas). Trate os dois:

  • "Alinhe a direção da luz do fundo com os reflexos existentes no sujeito."
  • "Preserve detalhes finos de borda, como fios de cabelo e bordas de tecido; sem contornos visíveis."
  • "Aplique uma sombra de contato sutil sob o sujeito, compatível com a nova superfície."

Por fim, no espaço negativo, declare o que o fundo não deve conter — tralha, sujeitos concorrentes, texto. O nome do cenário define a categoria; conteúdo, iluminação e bordas é que determinam o resultado final.

Escreva listas negativas que realmente mudam a saída

Listas negativas falham assim que ficam genéricas. "Qualidade ruim, baixa resolução, feio" quase não diz ao modelo o que suprimir e só adiciona ruído ao prompt. Itens negativos eficazes são específicos, baseados em observação e curtos — normalmente de três a seis, cada um correspondendo a um artefato que você viu de fato nas saídas anteriores.

Faça a formulação corresponder à categoria do artefato:

  • Desvio anatômico: "Não adicione nem funda dedos extras; mantenha as mãos exatamente como na imagem de referência."
  • Texto corrompido: "Não redesenhe, desfoque nem repinte qualquer texto impresso ou logotipo."
  • Halo de recorte: "Nenhum contorno ou brilho visível ao redor das bordas do sujeito."
  • Iluminação incompatível: "Não introduza uma segunda fonte de luz; corresponda à direção da luz da imagem de referência."
  • Propagação de composição: "Não adicione novos objetos, pessoas ou texto à cena."
  • Vazamento de estilo: "Não transforme a foto em ilustração ou desenho animado."

Três hábitos mantêm a lista negativa eficaz:

  1. Faça cada item negativo corresponder a uma observação.Se você nunca viu o artefato, não o liste. Itens negativos adicionados por suposição desviam a atenção do modelo.
  2. Limite o comprimento da lista.Quando passa de cerca de seis itens, o prompt entra em contradição; corrija a causa raiz no espaço de fidelidade ou no espaço alvo.
  3. Teste novamente ao remover itens.Remova um item negativo por vez para confirmar se ele ainda importa. Alguns artefatos desaparecem quando sua formulação de fidelidade melhora.

A lista negativa é uma ferramenta de limpeza, não de correção. Se um item negativo vem carregando o peso principal, sua instrução principal não está suficientemente bem descrita.

Interpretar a saída do antes e depois da edição e iterar

Trate cada edição como um experimento que altera uma única variável. Compare a saída com a imagem de referência, classifique a discrepância e mude apenas um ponto.

Um diagnóstico simples em três canais:

  • Discrepância de formulação — a mudança aconteceu, mas não como pedida (direção de luz errada, conteúdo de fundo errado). Correção: refine a frase da mudança alvo.
  • Discrepância de fidelidade — a mudança se aplicou, mas o sujeito se desviou (rosto, pose, rótulo, cor). Correção: adicione atributos nomeados no espaço de fidelidade e acrescente o item negativo correspondente.
  • Limite de capacidade — a edição falha repetidamente independentemente da formulação (por exemplo, textos minúsculos, perspectiva extrema). Correção: troque a imagem de referência — um recorte mais limpo, maior resolução ou uma fonte com melhor iluminação — em vez de continuar reescrevendo o prompt.

Mantenha um breve diário de iterações por material: versão do prompt, o que você mudou e a conclusão. Duas regras economizam tempo:

  1. Uma mudança por rodada.Alterar ao mesmo tempo o prompt de fundo e a formulação de fidelidade torna o resultado impossível de interpretar.
  2. Mantenha a imagem de referência fixa.Só troque a imagem de referência no canal de limite de capacidade; nos demais casos, trocá-la reinicia a base de comparação.

Se houver algum parâmetro de requisição (como intensidade ou tratamento de proporção), trate-o como um quarto canal: altere-o apenas depois de esgotar a formulação e a imagem de referência, e registre no diário. Depois de algumas rodadas, você terá um pequeno conjunto de receitas capazes de reproduzir resultados de forma estável.

Versionamento de prompts e prompts no código em produção

Em produção, prompts são ativos, não strings digitadas às pressas no console. Trate-os como código: versionados, parametrizados e rastreáveis até suas saídas.

Arquivo de template com variáveis nomeadas:

# templates/bg_swap_v3.txt
Use a imagem fornecida como referência do sujeito, troque o fundo por {background_content}.
Use iluminação vinda de {light_direction}, consistente com os reflexos do sujeito.
Preserve {fidelity_attributes}. Não adicione {negatives}.

Registre a associação entre versão e saída.Cada registro de saída deve carregar o nome do template, a versão, os valores das variáveis injetadas e o identificador do modelo. Quando o comportamento do endpoint mudar, você pode comparar saídas entre versões e reverter para um template anterior, em vez de adivinhar.

Hábitos úteis em produção:

  • Versionamento semântico.Aumente a versão menor quando a formulação mudar e a versão maior quando o papel ou a estrutura mudarem.
  • Vocabulário fixo de variáveis.Use consistentemente chaves como background_content, light_direction, fidelity_attributes e negatives, para que os templates permaneçam comparáveis.
  • Revisão antes da promoção.Um ajuste de formulação que corrige um caso pode degradar outro; mantenha um pequeno conjunto de comparações de antes e depois como verificação de regressão.
  • Ponto de entrada único.Faça todas as requisições de imagem para imagem passarem pelo mesmo endpoint, para que a versão do template e o identificador do modelo fiquem na mesma trilha de auditoria.

Quando os prompts entram no controle de versão e as saídas são registradas junto a eles, a edição deixa de ser um experimento pontual e se torna uma parte reproduzível do pipeline.

Artigos relacionados

Ver todos os artigos →

Comece a criar com artefactos de IA persistentes

Obtenha a sua chave de API e chame modelos de imagem, vídeo e áudio através de uma única API baseada em tasks.

Ler a documentação da API