HiAPI
Blogue

Guia de uso

Receitas de prompts de imagem para imagem do gpt-image-2: prompts prontos para copiar e colar para fusão de múltiplas imagens de referência, fidelidade do sujeito e saída em 4K

Um guia prático de receitas para desenvolvedores que constroem fluxos de trabalho de imagem para imagem com gpt-image-2/image-to-image@ext

Nov 9, 2026
Arte de capa para um guia sobre prompts de imagem para imagem do gpt-image-2: painéis de vidro translúcido sobrepostos transformando um campo pálido em faixas azuis frias, com aspecto fosco e arquitetônico.
Modelo
gpt-image-2
Nesta página

Por que a estrutura do prompt importa mais que o comprimento

A maioria das falhas em imagem para imagem não acontece porque o prompt é curto demais, mas porque ele mistura tudo em um amontoado de adjetivos sem distinção. Quando você pede, em uma única frase, um sujeito, três imagens de referência, um novo fundo e uma meta de resolução, o modelo não consegue determinar quais palavras correspondem a qual parte da tarefa.

A solução é adotar um esqueleto baseado em cláusulas. Todo prompt que você envia para gpt-image-2/image-to-image@ext pode ser decomposto em cinco slots:

  • Sujeito — sobre o que é a saída, declarado uma única vez, com substantivos concretos.
  • Papel das imagens de referência — o que cada imagem de entrada contribui, rotulado explicitamente.
  • Fundo e cena — ambiente, direção da luz e profundidade de campo.
  • Restrições de saída — enquadramento, proporção, textura, tratamento de bordas e expectativa de detalhe.
  • Negativo — lista curta e priorizada do que não deve aparecer.

Um esqueleto reutilizável é mostrado abaixo:

Subject: <one sentence, concrete nouns>
References: <image tag> = <role>; <image tag> = <role>
Scene: <background, light direction, depth>
Output: <framing, texture, edge treatment, detail constraint>
Avoid: <priority 1>, <priority 2>, <priority 3>

Duas regras mantêm esse esqueleto confiável. Primeiro, uma cláusula carrega uma única intenção — não coloque preservação de identidade e substituição de fundo na mesma cláusula. Segundo, a ordem reflete prioridade: coloque primeiro o que não pode dar errado, porque, quando as cláusulas entram em conflito, as posteriores podem sobrepor parcialmente as anteriores.

Prompts mais longos não são melhores. Um prompt com quatro cláusulas, cada uma com atribuição clara, sempre supera um parágrafo de adjetivos empilhados. As receitas abaixo são variações do mesmo esqueleto, então você pode pegar qualquer uma delas e substituir o conteúdo sem precisar aprender a estrutura novamente.

Quatro blocos de cláusulas, cada um uma lâmina de vidro, convergindo para uma única saída — o que funciona é a estrutura, não o comprimento.

Receita: fundir várias imagens de referência

A fusão de múltiplas referências falha de forma previsível: sem rótulos de papel, o modelo tira a média das entradas. Você obtém um rosto que não pertence a ninguém e um estilo que não é nem uma coisa nem outra. A solução é nomear cada imagem de entrada e declarar explicitamente o que se toma dela.

Padrão pronto para copiar e colar

Subject: a standing portrait of the person in <reference_1>
References:
  <reference_1> = identity source — face structure, hair, skin tone, body proportions
  <reference_2> = wardrobe source — jacket cut, fabric, color
  <reference_3> = lighting and grade source — key light direction, contrast, color temperature
Scene: neutral studio, soft shadow to camera left, shallow depth
Output: three-quarter framing, natural skin texture, clean edge separation from background
Avoid: blended facial features, plastic skin, mixed lighting directions

Por que os rótulos de papel importam

Há três mecanismos em jogo aqui. Os verbos de papel (identity source, wardrobe source, lighting source) dizem ao modelo qual dimensão cada imagem governa, evitando contaminação cruzada. As dimensões explícitas — estrutura facial, tecido, direção da luz principal — restringem cada papel a atributos observáveis, em vez de um “estilo” vago. E o item negativo blended facial features neutraliza diretamente a falha de média mais comum.

Restrições práticas

  • Mantenha o número de papéis baixo. Três imagens de referência para três papéis distintos é um padrão confiável; cada referência adicional acrescenta mais um rosto a ser mediado.
  • Se duas referências se sobrepõem em papel (por exemplo, duas fontes de vestuário), declare a prioridade: prefer <reference_2> for silhouette, <reference_3> for color.
  • Ao fundir referências de estilo, atribua o estilo a uma imagem e o conteúdo a outra. A fusão de estilo com estilo tende a produzir uma massa disforme.
  • Se, após a fusão, o resultado ainda parecer uma média, o culpado costuma ser uma imagem de entrada sem papel — imagens não rotuladas são absorvidas na média.

Execute a mesma receita em gpt-image-2/image-to-image@ext e compare com uma versão sem rótulos de papel; a diferença costuma aparecer primeiro na estrutura facial.

Cada referência entra com seu próprio ângulo e seu próprio papel; a fusão é exatamente onde suas faixas de luz se sobrepõem de propósito.

Receita: preservar a fidelidade do sujeito

O desvio de identidade ocorre quando a transformação que você pede é mais forte que a âncora que você fornece. O padrão é travar explicitamente um pequeno conjunto de características e declarar que todo o resto é flexível.

Padrão pronto para copiar e colar

Subject: the person in <reference_1>, preserving identity
Locked: face shape, eye spacing, nose profile, hairline, skin tone
Flexible: pose, head angle, expression, wardrobe, background
Scene: <new scene description>
Output: natural proportions, realistic skin texture, consistent lighting on face
Avoid: changed facial proportions, smoothed features, mismatched skin tone

Por que isso funciona

O prompt traça uma fronteira. Locked nomeia as características que o modelo deve preservar; Flexible permite explicitamente alterar todo o resto, o que impede o modelo de preservar demais a cena original. Sem a cláusula Flexible, o modelo costuma manter a pose e o fundo de origem junto com o rosto — tecnicamente fiel, mas não a transformação que você pediu.

Formulações úteis

  • Prefira características geométricas observáveis a termos abstratos de identidade. eye spacing e nose profile são verificáveis; same person não é.
  • Formule a transformação como uma mudança de cena, não do sujeito: the same person, now in <scene> é mais confiável que transform this person.
  • Quando a pose muda bastante, repita os itens travados. Prompts longos sofrem deriva; reafirmar brevemente as três âncoras mais importantes perto do final é um seguro de baixo custo.
  • Para trabalhos de corpo inteiro, adicione âncoras de proporção: head-to-body ratio unchanged.

O que evitar

Não empilhe muitos adjetivos de estilo em um prompt de fidelidade — estilização pesada será interpretada como um pedido para mudar o rosto. Se você precisa de saída estilizada, mantenha a cláusula de identidade intacta e mova a descrição de estilo para a cláusula Output, para que as duas intenções permaneçam separadas.

Âncoras travadas fixam a identidade; áreas tracejadas ficam livres para a transformação solicitada.

Receita: substituir o fundo sem danificar o sujeito

A substituição de fundo dá problema na borda: halos, bordas de recorte e iluminação que não combina com a nova cena. A solução é isolar a mudança em sua própria cláusula e declarar explicitamente o tratamento de borda e de luz.

Padrão pronto para copiar e colar

Subject: the person in <reference_1>, unchanged
Background: replace entirely with <new scene description>
Lighting match: match key light direction and color temperature of the new background onto the subject
Edge treatment: clean separation, no halo, preserve fine hair detail at the boundary
Output: consistent depth of field between subject and background
Avoid: original background remnants, visible cut-out edge, mismatched light direction

As três cláusulas que fazem efeito

replace entirely fecha a brecha que permitiria ao modelo manter fragmentos da cena original. Lighting match é o que faz a composição parecer real — um sujeito recortado com perfeição sob a direção de luz errada ainda parece colado. Edge treatment trata diretamente o halo, e nomear fine hair detail impede que o modelo resolva o problema apagando a borda.

Ajustes por cena

  • Externo para interno: adicione shadow direction consistent with the new light source, para que o sujeito não mantenha sombras de exterior.
  • Estúdio para ambiente: adicione depth of field separation, para que o sujeito não pareça flutuar no mesmo plano focal do fundo.
  • Fundo escuro: adicione rim light consistent with background glow, para evitar uma silhueta chapada.

Depuração de bordas

Se você vê halo, geralmente é porque a cláusula de borda está vaga demais. Substitua clean edges pela combinação específica: no halo, preserve fine hair detail at the boundary. Se o sujeito parecer colado, a cláusula de iluminação está sem direção — adicione explicitamente key light direction em vez de depender de match lighting.

Receita: controlar detalhes em saída 4K

Saída em alta resolução não significa automaticamente detalhe de alta qualidade. Palavras-chave de resolução sozinhas costumam produzir bordas superafiadas e textura sintética. O que realmente controla a qualidade é como você descreve textura, nitidez de borda e ruído esperado.

Padrão pronto para copiar e colar

Output: high-resolution render
Texture: natural skin pores, fabric weave visible, no synthetic smoothing
Edges: crisp where focus is sharp, soft falloff in out-of-focus regions
Noise: fine natural grain, no banding in gradients
Avoid: over-sharpened edges, plastic texture, halos around high-contrast edges

Por que palavras de textura vencem palavras de resolução

Palavras-chave de resolução dizem ao modelo qual é o tamanho da tela. Cláusulas de textura dizem ao modelo com o que preencher essa tela. Em alta resolução, toda área subdescrita fica visível — gradientes suaves mostram banding, artefatos de nitidez ficam evidentes. Nomear natural grain e no banding in gradients previne essas falhas antecipadamente.

Controle de borda e ruído

  • A nitidez de borda deve estar ligada ao foco: crisp where focus is sharp permite que o modelo suavize em outros lugares, evitando a aparência crocante e global.
  • Expectativa de ruído merece ser declarada, porque o modelo às vezes limpa demais. Fine natural grain evita que a saída em alta resolução pareça uma renderização.
  • Banding em gradiente é o artefato de alta resolução mais comum em grandes áreas planas. Um item negativo resolve a maior parte do problema.
  • Não empilhe palavras de nitidez. Juntar Ultra sharp, hyper detailed, 8K costuma causar halos; escolha uma afirmação de nitidez e deixe a formulação de textura cuidar do resto.

Teste o mesmo conteúdo com as mesmas cláusulas em resolução padrão e em alta resolução. Se a versão em alta resolução parecer pior, a cláusula de textura está sem restrição de ruído ou de gradiente.

Escrever listas negativas que realmente funcionam

Itens negativos são uma lista de prioridades, não uma lista de desejos. Uma lista negativa longa que contradiz o prompt positivo é pior que nenhuma lista — o modelo recebe instruções conflitantes e as resolve de forma imprevisível.

Padrão priorizado

Avoid: <the one failure that ruins the output>, <second-most-likely failure>, <artifact class>

Para a maioria das receitas, três a cinco itens é o teto prático. Ordene pela gravidade do dano ao resultado.

Como evitar autocontradição

Cada item negativo deve ser o inverso de algum item positivo declarado. Se o positivo diz natural skin texture, o negativo correspondente é synthetic smoothing — não smooth skin, que contradiz o positivo. O teste é simples: para cada negativo, pergunte qual cláusula positiva ele protege. Se não houver resposta, remova-o.

Categorias comuns que vale cobrir

  • Falhas de identidade: changed facial proportions, blended features.
  • Falhas de borda: halo, cut-out edge, original background remnants.
  • Falhas de textura: plastic texture, over-sharpened edges, banding in gradients.
  • Falhas de cena: mismatched light direction, floating subject.

O que omitir

Evite negativos genéricos de qualidade como bad quality ou ugly — eles não carregam informação acionável e consomem a atenção que deveria ir para falhas específicas. Evite listar todo artefato que você consegue imaginar; o modelo trata uma lista sem distinção como ruído.

Quando uma nova falha aparecer na saída, adicione-a como negativo somente se você conseguir apontar qual cláusula positiva ela protege. Caso contrário, corrija o prompt positivo.

Solucionar falhas comuns de prompt

A maioria das falhas corresponde a uma cláusula específica do esqueleto. Use o sintoma para localizar a cláusula e ajuste essa cláusula, em vez de reescrever o prompt inteiro.

Desvio de identidade

Sintoma: o rosto muda entre saídas, ou o sujeito parece um estranho parecido. Cláusula a ajustar: a lista Locked na receita de fidelidade. Adicione duas ou três âncoras geométricas observáveis (distância entre olhos, formato do nariz, proporção cabeça-corpo). Se o desvio persistir, verifique se alguma cláusula de estilo compete com a de identidade e mova o estilo para Output.

Fusão turva

Sintoma: a saída fundida parece uma média — um rosto que não pertence a ninguém. Cláusula a ajustar: os papéis das imagens de referência. Cada imagem de entrada precisa de um rótulo de papel explícito. Se os papéis se sobrepõem, adicione uma declaração de precedência, para que uma referência vença na silhueta e outra na cor.

Halos e bordas de recorte

Sintoma: aparece um anel visível ou uma fronteira dura entre o sujeito e o fundo. Cláusula a ajustar: a cláusula de tratamento de borda. Substitua o genérico clean edges por no halo, preserve fine hair detail at the boundary e adicione o item de halo aos negativos.

Sujeito com aparência colada

Sintoma: o sujeito parecer composto na cena, e não fotografado nela. Cláusula a ajustar: a correspondência de iluminação. Declare explicitamente a direção da luz principal e a temperatura de cor, e adicione shadow direction consistent with the new light source.

Textura chapada ou plástica

Sintoma: as superfícies parecem renderizadas, a pele parece alisada, os gradientes mostram degraus. Cláusula a ajustar: a cláusula de textura. Adicione natural grain, no synthetic smoothing e no banding in gradients aos negativos.

Saída em alta resolução superafiada

Sintoma: em alta resolução, toda borda fica nítida e com halo. Cláusula a ajustar: a nitidez de borda. Vincule a nitidez ao foco (crisp where focus is sharp) e remova adjetivos de nitidez empilhados.

Quando dois sintomas aparecem ao mesmo tempo, corrija primeiro a cláusula de maior prioridade — geralmente a de identidade — porque, se o sujeito estiver instável, as correções posteriores não se sustentam.

Incorporar as receitas ao fluxo de trabalho

Estas receitas foram projetadas para serem combináveis. Um pipeline prático as ordena de modo que cada etapa carregue uma única tarefa e exija a depuração de um único prompt.

Ordem sugerida

  1. Trate a identidade primeiro. Execute a receita de fidelidade isoladamente e trave o sujeito antes de adicionar qualquer mudança de cena. Uma identidade instável invalida toda comparação posterior.
  2. Adicione referências. Introduza uma referência de vestuário e uma de iluminação por vez, com rótulos de papel explícitos, para que você possa atribuir qualquer mudança a uma entrada específica.
  3. Mude a cena. Com o sujeito estável, aplique a receita de fundo, com as cláusulas de correspondência de luz e tratamento de borda.
  4. Ajuste os detalhes por último. Adicione restrições de textura, borda e ruído somente depois que o conteúdo estiver correto — cláusulas de detalhe são baratas de iterar e fáceis de aplicar em excesso.
  5. Finalize os negativos. Construa a lista negativa a partir das falhas realmente observadas nas etapas 1–4, não a partir de um modelo genérico.

Versionar os prompts

Trate os prompts como código-fonte. Salve cada variante de receita como um bloco de texto nomeado e commitado, junto com os parâmetros que você usou, incluindo o conjunto de imagens de referência. Quando a qualidade da saída mudar após uma alteração, prompts versionados permitem comparar diferenças de cláusulas em vez de adivinhar. Dois hábitos compensam: manter a estrutura do esqueleto idêntica entre versões, para que os diffs sejam legíveis; e registrar na mensagem de commit qual cláusula você alterou e por quê.

Uma observação sobre repetibilidade

Mesmo com prompts idênticos, as saídas de imagem para imagem variam. Compare variantes com o mesmo conjunto de referências e o mesmo conteúdo, e julgue por categoria de falha, não por uma única amostra — uma execução que por acaso ficou boa informa menos que três execuções que evitaram halos de forma consistente.

Comece pelo esqueleto, escolha a receita que corresponde à sua etapa atual e itere uma cláusula por vez em gpt-image-2/image-to-image@ext.

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