Como Gerar Imagens a Partir de Texto: Um Guia Prático

Imagine uma pequena livraria nas costas de uma baleia, flutuando por um céu cheio de lanternas de papel. Você pode descrever essa cena em uma frase e pedir a um gerador de imagens que a torne visível. Instantes depois, terá uma imagem para observar, revisar e transformar em algo seu.

Isso é geração de imagens a partir de texto: um modelo transforma uma descrição escrita em uma nova imagem. Neste guia, você vai partir de um prompt em branco até chegar a um resultado útil, seja em um aplicativo online ou executando um modelo aberto com Python. Você aprenderá a descrever uma cena com clareza, melhorar uma imagem sem recomeçar e revisá-la antes de compartilhá-la.

Primeiro, escolha onde a imagem será criada

Há duas maneiras simples de começar:

As ideias de escrita de prompts a seguir funcionam nas duas opções. O exemplo de código usa Qwen-Image com Hugging Face Diffusers; o guia de início rápido da biblioteca demonstra como carregar o modelo e gerar uma imagem. O acesso ao modelo, os requisitos de hardware e os termos da licença variam. Leia o cartão do modelo antes de usá-lo em um projeto.

Crie um prompt como um pequeno briefing criativo

Um prompt não é uma senha mágica. É um briefing compacto que ajuda o modelo a decidir o que colocar na imagem. Comece pelo que realmente importa:

1. Assunto: O que devemos ver? “Uma raposa vermelha” já é um começo claro.
2. Ação ou relação: O que está acontecendo? “Uma raposa vermelha carregando um mapa dobrado.”
3. Lugar e horário: “Em uma ponte coberta de musgo ao amanhecer.”
4. Composição: “Plano aberto, raposa à direita e espaço livre à esquerda.”
5. Luz e paleta: “Névoa fria, luz quente de lanterna, tons de cobre e verde-azulado.”
6. Tratamento visual: “Ilustração de livro infantil, textura de papel.”
7. Formato: “Imagem horizontal, sem letras.”

Coloque as ideias mais importantes no início e descreva as relações entre elas. “Raposa, lanterna, ponte, névoa” enumera elementos; “uma raposa atravessa a ponte carregando uma lanterna enquanto a névoa se acumula abaixo” oferece uma cena para o modelo encenar.

Experimente melhorar um prompt

Vago: uma livraria aconchegante nas nuvens

Direcionado: Uma pequena livraria independente repousa nas costas de uma gentil baleia azul que flutua sobre um mar de nuvens. Ilustração horizontal de livro infantil, baleia centralizada na parte inferior da imagem, pequenas janelas âmbar iluminadas, lanternas de papel flutuando no alto, luz suave do amanhecer, paleta índigo e pêssego, textura de guache pintado à mão, sem palavras ou letras.

A segunda versão apresenta um assunto, uma relação, um plano de câmera, uma paleta e um acabamento. Você não precisa incluir todos os detalhes sempre; adicione os que mudariam a sensação que a imagem transmite.

Gere uma imagem com Python

Se você tem Python e um ambiente com GPU compatível, instale as dependências do guia atual do Diffusers e execute um script pequeno. Na primeira vez, os arquivos do modelo serão baixados; portanto, o processo pode demorar mais e ocupar bastante espaço em disco e memória. Um notebook ou serviço de inferência na nuvem pode ser mais simples quando seu computador não tem uma GPU adequada.

uv pip install "diffusers[torch]" transformers accelerate

1import torch
2from diffusers import DiffusionPipeline
3
4model_id = "Qwen/Qwen-Image"
5pipe = DiffusionPipeline.from_pretrained(
6    model_id,
7    dtype=torch.bfloat16,
8    device_map="cuda",  # Use um acelerador compatível; consulte a documentação para MPS/XPU/CPU.
9)
10
11prompt = (
12    "A tiny independent bookstore rests on the back of a gentle blue whale "
13    "drifting above a sea of clouds. Wide storybook illustration, whale "
14    "centered low in the frame, tiny amber windows glowing, paper lanterns "
15    "floating overhead, soft dawn light, indigo and peach palette, "
16    "hand-painted gouache texture, no words or lettering."
17)
18
19image = pipe(prompt).images[0]
20image.save("livraria-na-baleia.png")

device_map="cuda" pressupõe uma configuração NVIDIA CUDA compatível. O Diffusers também documenta outras opções; escolha a que corresponde ao hardware e à versão instalada do PyTorch. Se aparecer um erro de falta de memória, experimente uma GPU na nuvem ou um modelo menor, adequado ao seu computador. Não presuma que um parâmetro de uma família de modelos — como prompt negativo ou uma quantidade específica de etapas — funcione da mesma maneira em todas as pipelines.

Itere como uma direção de arte

A primeira imagem é um rascunho, não uma resposta final. Gere algumas opções e avalie-as com uma lista curta:

• A ideia principal fica clara logo de cara? Se não, antecipe o assunto e a ação no prompt.
• A composição funciona? Descreva o ponto de vista, o enquadramento e onde o assunto deve ficar.
• Há detalhes demais competindo entre si? Remova elementos que não ajudam a contar a história.
• O estilo é coerente? Escolha um tratamento — como colagem editorial ou aquarela — em vez de empilhar dezenas de estilos.
• Qual é a correção mais importante? Altere um ou dois elementos, gere novamente e compare.

Ao comparar resultados, mantenha o prompt e varie a semente, se a ferramenta oferecer essa opção. Ao experimentar outra direção visual, mude o prompt e mantenha as demais configurações. Assim, fica mais fácil descobrir qual mudança causou a diferença. Uma semente pode ajudar a reproduzir um resultado na mesma configuração, mas não garante uma imagem idêntica entre versões de modelo, programas ou hardware diferentes.

Se a ferramenta permitir edição, use geração de imagem a imagem ou preenchimento para preservar o que funciona e alterar uma região. Por exemplo: “Mantenha a baleia, a livraria, o enquadramento e as cores. Acrescente três lanternas de papel iluminadas no céu vazio.” Examine a edição com atenção: ajustes locais também podem mudar detalhes próximos.

Quando a imagem precisa ter texto ou detalhes exatos

Os modelos estão melhorando, mas ainda podem errar palavras, deformar logotipos ou confundir objetos pequenos. Se a precisão for importante, crie primeiro a ilustração e adicione o texto depois em uma ferramenta de design. Para diagramas, mapas, rótulos de produtos ou capturas de tela de interfaces, use um editor vetorial ou de layout para controlar as palavras e a geometria; a arte gerada pode entrar como imagem de apoio.

Da mesma forma, trate os resultados como rascunhos criativos, não como evidência. Uma imagem realista não comprova que um evento aconteceu nem que alguém disse ou fez algo. Evite criar representações enganosas de pessoas reais e obtenha as permissões necessárias antes de usar a imagem ou materiais privados de alguém.

Antes de publicar ou usar a imagem

Faça uma revisão rápida:

1. Examine mãos, rostos, placas e detalhes pequenos em tamanho real.
2. Confirme que a imagem combina com o público e o contexto desejados.
3. Leia os termos do modelo e do serviço para o uso pretendido, em especial regras para uso comercial e restrições relacionadas a pessoas, marcas ou temas sensíveis.
4. Guarde o prompt, o nome e a versão do modelo, a data de geração e as edições caso precise reproduzir o processo.
5. Inclua uma legenda ou informações de procedência quando isso for importante para quem verá a imagem.

Content Credentials é um padrão para registrar informações sobre a origem e o histórico de edição da imagem, quando as ferramentas envolvidas oferecem suporte. Isso pode ajudar a preservar a procedência, mas não é uma marca d’água universal e não comprova que a cena retratada seja verdadeira. Metadados também podem desaparecer quando a imagem é transformada ou exportada novamente.

Uma receita simples para lembrar

Assunto + ação + cenário + composição + luz/paleta + tratamento visual + formato é um bom primeiro rascunho. Gere, examine e revise uma coisa clara por vez. O melhor prompt não precisa ser o mais longo: precisa deixar evidentes as escolhas importantes para a imagem.

Fontes e leituras adicionais

• Guia de início rápido do Hugging Face Diffusers
• Cartão do modelo de texto para imagem Qwen-Image
• Pipelines de texto para imagem do Diffusers
• Especificações C2PA para Content Credentials