Gerar uma imagem não começa pelo prompt. Começa pela definição do que fará aquela imagem ser considerada correta.
Esse detalhe muda o processo inteiro. Quando finalidade, formato, identidade e restrições ficam implícitos, o modelo precisa preencher lacunas com decisões plausíveis, mas não necessariamente úteis. Quanto mais importante o uso — campanha, interface, personagem recorrente, diagrama ou asset de jogo — menos o resultado pode depender dessa adivinhação.
GPT Image, Higgsfield e Nano Banana recebem linguagem natural e referências visuais, mas distribuem o controle de formas diferentes. Em um, grande parte da direção vive no briefing textual. Em outro, presets, identidade e paleta funcionam como controles persistentes. Em outro, a conversa e a combinação de várias imagens formam o principal espaço de criação. Entender essa diferença é mais útil do que procurar um “prompt perfeito” universal.
Prompt é apenas uma parte do input
Input é tudo que condiciona o resultado. Pode incluir:
- instrução textual;
- imagem que deve ser editada;
- referências separadas de identidade, produto, pose, composição ou estilo;
- proporção, resolução e formato de saída;
- preset, moodboard, paleta ou personagem treinado;
- contexto acumulado na conversa;
- restrições de marca, produção ou acessibilidade.
O prompt é somente a parcela textual desse sistema. Se uma referência já define o rosto, não é preciso redescrevê-lo de maneira competitiva. Se um preset determina a estética fotográfica, o texto pode se concentrar na ação e no enquadramento. Se nada ancora a composição, o prompt precisa assumir essa responsabilidade.
Uma boa regra é: use o texto para definir o que os outros inputs ainda não definiram.
Transforme intenção em um briefing visual
Um briefing confiável pode ser montado nesta ordem:
- Finalidade: onde a imagem será usada e para quem.
- Entrega: tipo de asset, proporção, resolução e necessidade de transparência.
- Cena: ambiente, época, clima e elementos de fundo.
- Sujeito: quem ou o que aparece, características essenciais e ação.
- Detalhes: roupa, objetos, materiais, texturas e sinais de realismo.
- Composição: plano, ângulo, posição, escala, foco e espaço negativo.
- Estilo: fotografia, ilustração, 3D, linguagem editorial e tratamento de cor.
- Luz e atmosfera: direção, qualidade, contraste, horário e sensação.
- Invariantes: tudo que precisa permanecer idêntico.
- Exclusões: elementos que tornariam o resultado incorreto.
- Texto exato: conteúdo literal, hierarquia e posicionamento tipográfico.
Isso não significa que todo prompt precisa ter onze blocos. A estrutura funciona como uma verificação. Linhas que não mudam a decisão podem ser omitidas.
GPT Image: escreva como um briefing de produção
No Codex, a geração integrada é executada pelo GPT Image. O agente organiza contexto, referências e iterações; o modelo sintetiza ou edita a imagem.
Esse fluxo responde bem a uma ordem explícita: cenário → sujeito → detalhes → composição → estilo → restrições. A finalidade também ajuda o sistema a diferenciar, por exemplo, uma ilustração editorial de um mockup de interface ou um asset com fundo transparente.
Para edição, a instrução mais importante é separar mudança e preservação:
Altere somente a iluminação para um fim de tarde nublado. Preserve identidade, pose, enquadramento, geometria, roupas, objetos e fundo. Não adicione texto ou novos elementos.
Quando houver várias imagens, cada uma deve receber uma função:
- Imagem 1: base que será editada;
- Imagem 2: identidade da personagem;
- Imagem 3: produto que precisa ser preservado;
- Imagem 4: referência somente de luz e cor.
Restrições explícitas funcionam bem nesse contexto. “Sem marca-d’água”, “sem texto adicional” e “não altere o fundo” são instruções operacionais, não meros comentários.
Higgsfield: distribua a direção entre controles
No Higgsfield Soul, o prompt é somente uma camada. Soul ID pode fixar uma pessoa; presets e moodboards definem a linguagem visual; Soul HEX ancora a paleta; uma imagem de referência pode carregar pose, composição, luz e atmosfera.
O melhor briefing, portanto, não repete todos esses controles. Depois de selecionar identidade e estética, o texto pode se concentrar em:
Mulher segurando um frasco preto na altura do peito, em um corredor de hotel de concreto. Plano médio, olhar direto, composição assimétrica, tensão discreta e espaço negativo à esquerda.
Para fotografia e cinema, termos concretos têm mais valor do que adjetivos abstratos: plano geral ou fechado, câmera baixa ou ao nível dos olhos, luz lateral ou difusa, personagem estático ou em movimento. “Bonito” e “cinematográfico” ajudam pouco quando não são traduzidos em decisões visíveis.
O diferencial está na persistência. Em uma campanha recorrente, identidade e estilo não precisam ser reinventados a cada geração; podem ser tratados como ativos reutilizáveis.
Nano Banana: componha referências por função
Os modelos de imagem do Gemini trabalham de forma nativamente multimodal e conversacional. Isso favorece pedidos que combinam personagens, objetos, cenários, conhecimento de mundo e mudanças sucessivas.
Quando várias referências participam, nomeie a responsabilidade de cada uma:
Use a Imagem 1 para preservar a identidade de Lia, a Imagem 2 como referência exata do produto e a Imagem 3 somente para iluminação. Crie uma campanha vertical 9:16 em um corredor brutalista. Mantenha rosto, embalagem, logotipo e proporções. Mude apenas pose, cenário e direção de luz.
Para cenas complexas, dividir a construção em etapas reduz ambiguidade. Em vez de acumular uma lista de negações, descreva também o estado positivo esperado: “rua completamente vazia, sem tráfego” comunica melhor a composição do que apenas “sem carros”.
O diálogo faz parte do controle. Depois da primeira imagem, uma iteração útil altera uma variável por vez: ângulo, luz, ação, cenário ou tratamento. Reescrever o briefing inteiro aumenta a chance de perder decisões que já estavam corretas.
Referências precisam de papéis explícitos
Uma imagem anexada pode significar coisas muito diferentes:
- alvo de edição: a imagem deve ser modificada;
- invariante aprovado: geometria, identidade ou marca não podem mudar;
- identidade: rosto, corpo ou personagem;
- produto ou objeto: forma, rótulo e materiais;
- composição: câmera, pose e distribuição espacial;
- estilo: cor, textura, grão ou linguagem visual;
- cenário: arquitetura e elementos recorrentes.
Sem essa classificação, o modelo pode aplicar a estética do produto ao cenário, copiar a pose quando deveria preservar apenas o rosto ou redesenhar um elemento que deveria permanecer intacto.
Defina métricas antes de gerar
“Gostei” continua sendo relevante, mas não é uma métrica suficiente para um fluxo de produção. Antes de gerar, selecione os critérios que realmente decidem sucesso:
- aderência: sujeito, ação e elementos obrigatórios estão presentes;
- composição: plano, hierarquia, espaço negativo e leitura correspondem ao uso;
- identidade: rosto, personagem, produto e marca permanecem reconhecíveis;
- texto: conteúdo literal, ortografia, quantidade e legibilidade estão corretos;
- coerência visual: luz, perspectiva, escala, materiais e sombras combinam;
- adequação de marca: paleta, tom e linguagem respeitam o sistema aprovado;
- entrega técnica: proporção, resolução, transparência e formato servem ao consumidor;
- ausência de falhas críticas: sem elementos extras, artefatos, marcas ou alterações proibidas.
Nem todo asset precisa maximizar tudo. Uma exploração de conceito tolera variação estética; uma embalagem exige integridade de rótulo; um personagem recorrente exige consistência; um banner precisa reservar a área correta para conteúdo.
Quando perguntar antes de gerar
Perguntas são necessárias somente quando uma lacuna pode mudar materialmente o resultado ou impedir sua avaliação. A conversa deve buscar a informação de maior impacto primeiro e fazer uma pergunta por vez.
Uma ordem útil é:
- qual é a finalidade e onde a imagem será usada;
- qual formato ou enquadramento é obrigatório;
- o que precisa permanecer reconhecível ou idêntico;
- qual direção visual deve orientar a imagem;
- qual texto precisa aparecer exatamente;
- o que tornaria o resultado inaceitável.
Assim que existirem critérios suficientes para gerar e julgar o resultado, a entrevista termina. Preferências menores podem receber defaults reversíveis. O objetivo não é transformar todo pedido em questionário, mas impedir que uma decisão crítica seja tomada por acidente.
Itere como quem depura um sistema visual
Depois da primeira saída, avalie o resultado contra as métricas escolhidas. Identifique a maior divergência e solicite uma única correção:
- “mantenha tudo e aumente apenas o espaço negativo à direita”;
- “restaure o rosto da referência sem alterar roupa e iluminação”;
- “corrija somente o texto para ‘Yours to Create.’, uma única vez”;
- “preserve o produto e reduza apenas o contraste do fundo”.
Esse método transforma geração em um ciclo observável: briefing → imagem → avaliação → mudança isolada → nova avaliação. O valor não está em escrever o prompt mais longo, mas em reduzir a distância entre intenção e evidência.
