gpt-image-2.5-sunburst prompts: receitas de geração de imagem a partir de texto prontas para copiar e colar para desenvolvedores

A estrutura destas receitas de prompt

Cada receita deste artigo segue a mesma estrutura de cinco campos. Quando você enxerga esse padrão, consegue ler qualquer prompt daqui como se fosse a assinatura de uma função: cada campo é uma entrada nomeada com um papel claro, e trocar um deles faz a saída mudar de forma previsível.

• subject (assunto) — a coisa concreta retratada. Mantenha específico e único. “Uma garrafa de cerâmica fosca” é melhor que “um produto”, porque elimina do modelo toda uma categoria de decisões a tomar.
• style (estilo) — a linguagem de renderização: vetor plano, renderização 3D suave, arte linear editorial, fotografia. Palavras de estilo se acumulam, então duas já bastam e cinco começam a conflitar entre si.
• composition (composição) — onde o assunto fica e que espaço ocupa. Centralizado com espaço negativo, descentralizado, em mosaico, sangrado. Este campo controla o leiaute de forma mais confiável que qualquer outro.
• lighting (iluminação) — direção, suavidade e contraste. “Luz direcional suave vinda do canto superior esquerdo” é uma instrução utilizável; “boa iluminação” não é.
• constraints (restrições) — as barreiras de proteção. O que não pode aparecer, o que precisa continuar legível, que faixa de cores é permitida. Restrições são o campo que mais gente pula, e também o que torna o prompt reutilizável.

Escrito como modelo, fica assim:

{subject}, {style}, {composition}, {lighting}, {constraints}

O valor dessa estrutura não está na estética. Está no fato de que cada campo vira uma variável que você pode preencher programaticamente, comparar entre versões e testar por regressão entre chamadas. Uma string de prompt avulsa é um número mágico; um modelo de cinco campos é um schema.

Ao escrever suas próprias receitas, mantenha a ordem dos campos estável. Na prática, o modelo dá mais peso aos tokens iniciais, e uma ordem consistente significa que variações na saída podem ser atribuídas à variável que você de fato alterou, e não a um prompt com a ordem embaralhada.

Montando um fluxo de trabalho de receitas prontas para copiar e colar

Este fluxo de trabalho é deliberadamente entediante: modelo, preenchimento, chamada, armazenamento. O tédio é justamente o que torna a geração de imagens reproduzível o bastante para ir para produção.

1. Armazene o modelo, não a string

Salve cada receita como um modelo com placeholders nomeados. Não cole o prompt final direto no código de chamada — senão, quando quiser alterá-lo depois, vai precisar de arqueologia para recuperá-lo.

template = (
    "{subject}, {style}, {composition}, {lighting}, {constraints}"
)

def build_prompt(**kwargs):
    return template.format(**kwargs)

2. Preencha as variáveis a partir de um dicionário

Trate o conjunto de variáveis como dados. Assim, a mesma receita pode gerar um lote de imagens a partir de um arquivo de configuração ou de uma linha de banco de dados.

recipe = {
    "subject": "a single matte ceramic bottle with a minimalist label",
    "style": "clean product photography, soft 3D render",
    "composition": "centered, generous negative space on the right",
    "lighting": "soft directional light from upper left, gentle falloff",
    "constraints": "no text artifacts, no clutter, neutral background",
}

prompt = build_prompt(**recipe)

3. Chame o endpoint

Pela interface unificada do HiAPI.ai, envie o prompt montado para gpt-image-2.5-sunburst/text-to-image. Coloque os parâmetros da requisição (tamanho, formato, quantidade) no mesmo objeto de configuração das variáveis, para que um único registro descreva uma geração completa.

4. Registre a entrada completa, não apenas a saída

Persista o prompt preenchido, a versão da receita e o conjunto de parâmetros junto com cada imagem retornada. Se, três semanas depois, a saída parecer errada, o log vai dizer se o prompt mudou ou se o modelo mudou.

Esse ciclo de quatro passos é o sistema inteiro. O resto deste artigo são apenas receitas que se encaixam nele.

Receita 1: visual principal no estilo de produto

Esta é a receita principal para landing pages, cabeçalhos de documentação e blocos de vitrine. Funciona porque o campo de composição cuida do leiaute e o campo de restrições garante espaço para o título.

Prompt

{subject}, clean product photography with soft 3D render finish,
centered subject with generous negative space on the right,
soft directional light from upper left with gentle falloff,
neutral seamless background, no text artifacts, no clutter, no harsh shadows

Um exemplo preenchido:

a single matte ceramic bottle with a minimalist label, clean product
photography with soft 3D render finish, centered subject with generous
negative space on the right, soft directional light from upper left with
gentle falloff, neutral seamless background, no text artifacts, no
clutter, no harsh shadows

O que a saída real mostra

Na prática, esta receita posiciona o assunto próximo do centro e deixa uma área limpa de fundo vazio à direita — pronta para receber um título sobreposto sem retoque. A iluminação lê-se como uma única fonte suave, e não como luz ambiente chapada, o que dá ao lado iluminado do objeto uma borda nítida, enquanto o outro lado transita suavemente para a sombra.

As palavras de restrição têm efeito mensurável aqui. Sem “no text artifacts”, o rótulo tende a ganhar letras do nada; com ela, o rótulo permanece abstrato. Sem “no harsh shadows”, o decaimento se fecha para algo mais próximo de luz dura de estúdio. As duas variações são visíveis e ambas são o tipo de regressão que você quer capturar antes de chegar à página.

Variando com segurança

Sinta-se à vontade para trocar subject — garrafa, fone de ouvido, caixa, dispositivo mantêm a composição. Não mexa em composition nem em lighting, a menos que haja um motivo específico de leiaute; esses dois campos são justamente o que permite encaixar a saída no template sem redesenhar.

Receita 2: ilustração editorial com paleta consistente

É na receita editorial que a variável de paleta mostra seu valor. O objetivo é uma ilustração que pareça parte de uma série — uma dúzia de artigos mantendo a mesma família visual — sem precisar reajustar tudo do zero a cada vez.

Prompt

{subject}, flat editorial illustration with subtle line texture,
{composition}, limited palette of {palette},
soft even lighting with no dramatic shadows,
no gradients, no photorealism, no text elements

Um exemplo preenchido:

an abstract diagram of connected ideas, flat editorial illustration with
subtle line texture, centered composition with breathing room around the
edge, limited palette of deep teal, warm sand, and off-white, soft even
lighting with no dramatic shadows, no gradients, no photorealism, no
text elements

Como a variável de paleta se comporta

Nomear duas ou três cores mais um neutro mantém a consistência de forma estável. A saída respeita os matizes nomeados como família dominante e usa o neutro como base, e é isso que mantém a série coesa.

Dois modos de falha aparecem na saída real. Primeiro, nomear cinco cores ou mais produz um efeito mais próximo de arco-íris — a paleta deixa de ler como limitada e a ilustração perde a contenção editorial. Segundo, se você omitir completamente o neutro (“verde-azulado profundo e areia quente” e mais nada), o fundo tende a ser preenchido com uma das cores de destaque, achatando o contraste que você queria.

Disciplina de série

Congele style e constraints ao longo da série inteira e varie apenas subject, e ocasionalmente composition. Quando um novo artigo precisar da sua própria ilustração, você altera um único campo e obtém um irmão, não um estranho. É esse o sentido inteiro da receita: a consistência visual é subproduto da disciplina de parâmetros, não uma tarefa semanal de direção de arte executada manualmente.

Receita 3: padrão de fundo compatível com UI

A textura de fundo é a receita mais discreta e a que mais dá problema em produção, porque uma textura que parece boa sozinha pode destruir a legibilidade do texto quando colocada atrás de um parágrafo.

Prompt

{subject}, subtle abstract texture pattern, {scale} scale repetition,
low contrast with soft tonal variation, muted palette of {palette},
even flat lighting, no focal point, no text, no high-frequency detail,
keeps center area clear and low-contrast for text overlay

Um exemplo preenchido:

organic flowing line shapes, subtle abstract texture pattern, medium
scale repetition, low contrast with soft tonal variation, muted palette
of pale slate and warm grey, even flat lighting, no focal point, no
text, no high-frequency detail, keeps center area clear and low-contrast
for text overlay

Por que as palavras de restrição importam

“no focal point” é a frase estruturante. Sem ela, a textura tende a se organizar em torno de uma forma dominante no centro da imagem — exatamente onde você vai colocar o título. Já “no high-frequency detail” impede que pontinhos finos virem ruído visual atrás de textos pequenos, especialmente em monitores com DPI mais baixo.

A última oração — manter o centro limpo e de baixo contraste — é uma restrição de composição, não de estilo. Ela empurra as partes mais complexas do padrão para as bordas, criando sua zona segura para texto sem precisar de camada extra de máscara.

Escala como variável

scale pode ser alterada com segurança e muda bastante a sensação da textura. Escala pequena lê como granulação de papel, boa para painéis densos de UI; escala grande lê como fundo editorial de página dupla, boa para cabeçalhos largos. Renderize de novo nas duas escalas e escolha pela superfície, em vez de tentar fazer uma única imagem servir a todos os casos.

Trocar variáveis do prompt sem quebrar a saída

Nem todos os campos têm o mesmo peso. Com base nas saídas reais destas receitas, este é o mapa prático de riscos.

Substituições de baixo risco

• subject — a variável de maior valor, geralmente segura desde que fique na mesma categoria. Trocar garrafa por fone de ouvido funciona; trocar garrafa por uma cena com multidão não, porque o campo de composição foi escrito para um único objeto centralizado.
• palette (dentro dos limites) — troque nomes de cor à vontade, mas mantenha a quantidade em duas ou três mais um neutro.
• scale — muda a característica sem quebrar a estrutura.

Substituições de risco médio

• composition — mover entre leiautes compatíveis é seguro (centralizado, descentralizado, mosaico), mas cada mudança altera a quantidade de espaço negativo obtida. Se o template a jusante depende de uma área vazia específica, valide depois de mudar.
• lighting — mudanças de direção leem com clareza e geralmente funcionam; virar de suave para dura muda o clima geral e pode conflitar com palavras de estilo como “limpo” ou “sutil”.

Substituições de alto risco

• style — trocar entre vetor plano e fotografia equivale, na prática, a uma nova receita. Composição e restrições foram escritas para uma linguagem de renderização e costumam deixar de fazer sentido na outra.
• constraints — remover restrições é a causa mais comum de um prompt que funcionava antes e agora gera saídas inutilizáveis. Trate a edição de restrições como alteração de código: faça de forma consciente e revise o resultado.

Uma regra prática

Quando precisar de uma nova imagem, mude um único campo por vez e compare com a saída anterior. Se mudar dois, não dá para saber qual causou a regressão — a mesma disciplina de depuração que você aplica a qualquer outro sistema parametrizado vale aqui, e é isso que separa uma biblioteca de prompts útil de uma que apodrece silenciosamente.

Avaliar e entregar as imagens geradas

Antes de uma imagem entrar na interface do produto, passe por uma lista de verificação curta e fixa. Os critérios devem ser sempre exatamente os mesmos, para que “aprovado” signifique a mesma coisa entre chamadas, receitas e membros da equipe.

A verificação de quatro pontos

1. Cumprimento das restrições. A saída realmente respeitou as cláusulas negativas? Sem texto surgido do nada, sem ponto focal que não deveria existir, paleta dentro do nomeado. É a primeira barreira, porque falhas de restrição são as mais difíceis de corrigir a jusante.
2. Estabilidade da composição. O assunto está onde a receita prometeu, com o espaço negativo que seu leiaute precisa? Se o template espera uma área limpa à direita, meça, não confie no olho.
3. Legibilidade no contexto. Para qualquer coisa atrás ou ao lado de texto, verifique compondo com o tamanho de fonte e o texto reais. Texturas e ilustrações que passam sozinhas costumam falhar aqui.
4. Consistência de série. Se a imagem faz parte de um conjunto, coloque-a ao lado de duas imagens irmãs. Mesma família de paleta, mesma espessura de linha, mesmo nível de detalhe. Um valor atípico estraga mais o conjunto do que uma imagem fraca.

Disciplina de entrega

Anexe a versão da receita, o prompt preenchido e o conjunto de parâmetros a cada imagem que você guardar. Quando a saída parecer errada mais tarde, você pode executar de novo exatamente a mesma chamada e decidir se a entrada derivou ou se o comportamento do modelo mudou — e pode regerar a série inteira a partir da receita armazenada, sem vasculhar o histórico de conversas.

Copiar e colar é o fio condutor do começo ao fim: qualquer membro da equipe deve conseguir pegar uma receita deste artigo, preencher as variáveis e reproduzir o resultado sem reajustar uma única palavra. Construindo a biblioteca de prompts assim, a geração de imagens deixa de ser uma negociação imagem por imagem e passa a ser um serviço que a equipe chama.