Guia de prompts para Stable Diffusion: modelos para produtos, avatares, pôsteres e assets de jogo

Prompt não é um monte de palavras-chave; é design em camadas

Ao escrever prompts, muita gente comete o mesmo erro. Vê masterpiece, best quality, 8k, ultra detailed, copia e ainda adiciona cinematic lighting, professional photography, award winning. A imagem sai quebrada ou foge bastante do estilo desejado.

O problema não está nessas palavras em si. O problema é que todas ficam na mesma camada. Sujeito, cena, composição, estilo e qualidade não estão separados. O modelo recebe um conjunto de palavras com pesos parecidos, não uma descrição visual com prioridade.

A estrutura correta em camadas

Um prompt estável costuma ter quatro camadas. Em ordem de prioridade:

Camada	O que escrever	Obrigatório	Opcional	Exemplo
Sujeito	O objeto central da imagem	Sujeito + ação/postura	Idade, gênero, roupa, expressão	a woman sitting on a wooden chair
Cena	Ambiente e fundo	Lugar ou espaço	Luz, clima, horário, atmosfera	in a cozy library, warm afternoon light
Composição	Lente e enquadramento	Tipo de plano ou termo de composição	Ângulo, distância, espaço vazio, corte	medium shot, from side angle
Qualidade	Restrições técnicas e de estilo	Estilo base	Termos de qualidade, referência artística, tipo de render	digital illustration, soft color palette

Por que essa ordem? O mecanismo de atenção dos modelos de difusão costuma priorizar o começo do prompt. Quando o sujeito aparece primeiro, o modelo tende a posicionar antes o elemento central. Cena e composição no meio controlam o quadro. Termos de qualidade entram no fim como restrição de estilo.

Exemplo ruim vs exemplo correto

Exemplo ruim	Problema	Exemplo melhor	Melhoria
masterpiece, best quality, 8k, beautiful woman, sitting, library, cinematic	Termos de qualidade roubam o lugar do sujeito; o modelo não sabe o que desenhar primeiro	a woman sitting in a cozy library, warm afternoon light, medium shot, digital illustration, best quality	Sujeito vem primeiro, camadas ficam ordenadas
girl, cute, anime style, highly detailed, perfect face, white hair, blue eyes	Características ficam misturadas e os pesos colidem facilmente	a girl with white hair and blue eyes, anime style portrait, close-up, clean line art	Características são agrupadas e o estilo fica claro
product photo, professional, expensive watch, luxury, gold, macro, sharp focus	Empilha palavras comerciais, mas falta composição concreta	a gold luxury watch on marble surface, macro product shot, shallow depth of field, studio lighting, high resolution	Primeiro o produto, depois as condições de fotografia

Os três exemplos mostram a mesma coisa. Mais palavras não significam resultado melhor. Camadas mais claras ajudam mais. Escreva primeiro o que será desenhado. Depois onde está. Depois como será enquadrado. Estilo e termos de qualidade ficam no final.

Itens obrigatórios e opcionais por camada

Obrigatório na camada de sujeito:

• Um sujeito central: pessoa, objeto, prédio ou animal
• Uma ação ou postura básica: sitting, standing, walking, holding

Opcional na camada de sujeito:

• Idade, gênero, cor de pele, tipo físico
• Roupa, cabelo, acessórios
• Expressão, olhar, movimento das mãos
• Quantidade: single, group, crowd

Obrigatório na camada de cena:

• Pelo menos um termo de lugar ou espaço: indoor, outdoor, street, forest, studio

Opcional na camada de cena:

• Tipo de luz: sunlight, soft light, hard light, neon
• Clima e horário: morning, night, rainy
• Atmosfera: calm, tense, cozy, cinematic
• Detalhe de fundo: simple background, busy background, bokeh

Obrigatório na camada de composição:

• Um tipo de plano: portrait, medium shot, full body, landscape

Opcional na camada de composição:

• Ângulo: front, side, back, from above, from below
• Enquadramento: close-up, wide shot, cropped
• Direção do espaço vazio: centered, left aligned

Obrigatório na camada de qualidade:

• Um estilo base: photography, illustration, anime, realistic

Opcional na camada de qualidade:

• Termos de qualidade: best quality, high resolution, detailed
• Estilo de artista: style of artist name
• Tipo de render: soft shading, hard edge, line art
• Câmera ou equipamento: DSLR, film grain, HDR

Essa estrutura não é uma regra absoluta. Mas é um modelo estável que veio de muita prática de comunidade. Ao escrever um prompt, preencha primeiro essa tabela e depois ajuste conforme a cena.

Sintaxe de peso e técnicas de mistura

A estrutura em camadas resolve o que escrever e onde colocar. Às vezes você precisa de controle mais fino: reforçar um termo, misturar dois estilos ou fazer a imagem passar de um estado para outro durante a geração. É aí que entram pesos e sintaxes de mistura.

Sintaxe de peso: reforçar ou enfraquecer um termo

A forma mais comum usa parênteses com número:

(keyword:1.5)    # aumentar o peso para 1,5
(keyword:0.8)    # reduzir o peso para 0,8
(keyword)        # peso padrão em torno de 1,1 com um parêntese
((keyword))      # peso padrão em torno de 1,21 com parêntese duplo

Exemplo:

a woman sitting in a library, (soft lighting:1.3), warm atmosphere

Aqui soft lighting ganha peso e o modelo presta mais atenção à luz suave. Se você escrever:

a woman sitting in a library, (harsh lighting:0.7), warm atmosphere

harsh lighting perde peso e a imagem pode se aproximar de uma luz mais neutra.

Mais peso não é sempre melhor. Acima de 2,0, aparecem mais deformações, cores estranhas ou perda de detalhe. Na prática, 0,7 a 1,5 é uma faixa mais segura.

Sintaxe de mistura: alternar dois conceitos

Com colchetes e barra vertical, o modelo pode alternar entre dois termos:

[keyword1|keyword2]

Exemplo:

a [cat|dog] sitting on a chair

O modelo usa cat em alguns passos de sampling e dog em outros. O resultado pode parecer um animal intermediário. Essa sintaxe funciona melhor para misturar estilos, por exemplo:

[anime style|realistic photography] portrait of a woman

Mistura não significa metade exata. O resultado depende de steps, seed e modelo. Às vezes domina o primeiro termo; às vezes o segundo.

Sintaxe de transição: passar de um estado para outro

Com colchetes e dois-pontos, o prompt pode mudar durante a geração:

[from:to:0.5]

O valor 0.5 significa que from é substituído por to depois de 50% dos passos de sampling. Exemplo:

a [white:blue:0.3] dress

Durante os primeiros 30%, o modelo usa white dress; nos 70% restantes, usa blue dress. O resultado pode ser um vestido que vai ficando azul.

A transição serve para ações, expressões ou estilos. Por exemplo:

a woman [smiling:crying:0.5]

A primeira metade favorece sorriso e a segunda favorece choro. Isso pode gerar uma expressão intermediária. Ainda assim, essa sintaxe depende muito do modelo: outro checkpoint pode mudar bastante o resultado.

Diferenças de suporte conforme a UI

A sintaxe de peso e mistura não funciona exatamente igual em todas as UIs. Resumo:

| UI | (keyword:1.5) | [keyword1|keyword2] | [from:to:0.5] | Explicação |
| --- | --- | --- | --- | --- |
| Automatic1111 WebUI | Suportado | Suportado | Suportado | Suporte de sintaxe mais comum |
| ComfyUI | Suportado no nó CLIP Text Encode | Suportado | Suportado | Basta escrever o texto no nó |
| InvokeAI | Suportado | Suportado | Parcialmente suportado | Transições podem variar |
| Diffusers API | Requer implementação manual | Requer implementação manual | Requer implementação manual | A sintaxe precisa ser processada na camada de pipeline |

No ComfyUI, escreva (keyword:1.5) diretamente no campo de prompt do nó CLIP Text Encode. Não é preciso instalar nós ou plugins extras.

Armadilhas que vale evitar

1. Não empilhe pesos: se um prompt tiver mais de 5 termos como (keyword:1.5) ao mesmo tempo, a distribuição de atenção fica instável.

2. Não use mistura no sujeito principal: [man|woman] sitting pode gerar uma pessoa ambígua. Se você precisa de uma opção clara, escreva diretamente.

3. Transição precisa de passos suficientes: com poucos steps, por exemplo 10, o efeito quase não aparece. Em geral, use 20 steps ou mais.

4. Pesos mudam conforme o modelo: o mesmo (keyword:1.5) se comporta diferente em SDXL e SD 1.5. Se trocar de modelo, teste de novo.

5. Não passe de três níveis de parênteses: (((keyword))) fica em torno de 1,33. Mais níveis ficam difíceis de controlar. É mais claro escrever (keyword:1.5).

Sintaxe de peso e mistura é ferramenta de controle fino, não obrigação. Em muitos casos, uma estrutura clara em camadas basta. Use só quando precisar reforçar um elemento, misturar estilos ou criar uma transição.

Negative prompt não melhora só porque é mais longo

O Negative prompt diz ao modelo o que ele não deve desenhar. Muita gente copia listas universais longas, por exemplo:

low quality, worst quality, lowres, bad anatomy, bad hands, missing fingers, extra digits, cropped, blurry, text, watermark, signature, artist name, error, jpeg artifacts

Essas listas ajudavam em alguns casos na época do SD 1.5. Em SDXL e SD 3.5, o comportamento é diferente. A documentação do Hugging Face Diffusers explica que o Negative prompt influencia a direção do classifier-free guidance (CFG). Se ele for longo demais ou contraditório, pode afastar o modelo do objetivo.

Fluxo de design em 3 passos

O caminho mais robusto é partir do problema visível.

Passo 1: identificar o problema no resultado

Depois de gerar uma imagem, veja primeiro onde está a falha.

Tipo de problema	Como aparece	Negative prompt correspondente
Mãos	seis dedos, dedos tortos, dedos grudados	bad hands, mutated hands, extra fingers, missing fingers
Rosto	olhos desalinhados, rosto deformado, traços assimétricos	distorted face, asymmetrical eyes, malformed face
Composição	sujeito fora do centro, corte apertado demais, imagem desequilibrada	cropped, off-center, bad composition
Estilo	estilo esperado não aparece, estilos se misturam	anime, realistic, sketch, oil painting para estilos que você não quer
Qualidade	borrado, ruído, baixa resolução	blurry, low resolution, jpeg artifacts

Passo 2: adicionar por categoria, sem empilhar

Corrija uma categoria por vez. Se só as mãos falham, adicione termos de mãos. Não coloque qualidade, composição e estilo ao mesmo tempo. Exemplo:

# Só as mãos têm problema
bad hands, mutated hands, extra fingers

# Só a composição tem problema
cropped, bad composition, off-center

Depois gere de novo. Se as mãos melhoram, mas o rosto piora, aí sim adicione termos de rosto.

bad hands, mutated hands, extra fingers, distorted face, asymmetrical eyes

Passo 3: limitar o tamanho e evitar contradições

Um Negative prompt não é melhor por ser mais longo. Normalmente 15 a 20 termos bastam. Passando disso, o modelo recebe comandos demais de “não desenhe isso” e entende pior a direção.

Evite também contradições. Se o prompt positivo diz anime style, o Negative prompt não deve incluir anime. O Negative prompt não é o oposto do positivo: é a lista de estilos ou falhas que você realmente quer excluir.

Modelos de Negative prompt para cenas comuns

Cena	Negative prompt recomendado	Explicação
Pessoa realista	bad hands, mutated hands, extra fingers, distorted face, blurry, low quality	Foco em mãos e rosto
Imagem de produto	background, reflection, shadow, watermark, text, blurry, cropped	Evitar ruído de fundo e elementos indesejados
Estilo anime	realistic, photo, 3d render, low quality, bad anatomy, extra fingers	Excluir realismo e elementos 3D
Design de interiores	person, cluttered, messy, low quality, blurry, watermark	Evitar pessoas e fundos bagunçados

Esses modelos são pontos de partida, não respostas fixas. Ajuste conforme a falha real.

Termos que é melhor não empilhar

No Negative prompt, há palavras que ajudam pouco ou criam novos problemas.

1. worst quality: extremo demais. O modelo pode interpretar como degradação geral de qualidade.
2. normal quality: vago. “normal” não deixa claro o que deve ser excluído.
3. artist name: a menos que você queira evitar um artista específico, estreita demais o espaço de estilos.
4. watermark, signature, text: podem ajudar, mas em excesso fazem o modelo rejeitar texto em geral. Até títulos desejados em pôsteres podem aparecer pior.

Técnica prática: ver o efeito puro do Negative prompt com CFG=0

Na comunidade existe uma técnica: colocar CFG em 0 para observar o efeito do Negative prompt. Com CFG=0, o modelo ignora o prompt positivo e usa apenas o negativo na direção oposta. Assim você vê o que ele tende a excluir.

Não é técnica para geração normal. É depuração. Na geração comum, CFG costuma ficar entre 7 e 12, e prompt positivo e Negative prompt atuam juntos.

O Negative prompt depende do modelo

SDXL e SD 3.5 dependem menos do Negative prompt do que SD 1.5. Model cards oficiais e a documentação do Diffusers também indicam que modelos novos seguem melhor o prompt positivo e às vezes geram resultados estáveis com menos negativo.

Se você continuar empilhando muitos Negative prompts em SDXL ou SD 3.5, pode limitar a expressividade do modelo. Comece curto e adicione termos aos poucos conforme o resultado.

Quatro modelos por cenário: produto / avatar / pôster / asset de jogo

Os capítulos anteriores explicaram a estrutura geral. Este capítulo traz quatro modelos comuns. Ajuste ao seu uso real; não precisa começar do zero.

Comparação de cenários

Cenário	Definição de uso	Escolha de câmera	Espaço vazio	Limite de formato	Exemplo de estilo
Produto	Exibição de produto, imagem principal de e-commerce, página de detalhes	macro, close-up, frontal ou leve vista de cima	Espaço ao redor, fundo limpo	Tamanho conforme plataforma, proporção 1:1 ou 3:4	Fundo branco, studio lighting, minimal
Avatar	Redes sociais, marca pessoal, personagem de jogo	portrait, close-up, composição centralizada	Espaço ao redor da cabeça, evitar cortar o rosto	Proporção 1:1, 512×512 ou maior	Realista, anime, illustration
Pôster	Divulgação de evento, capa de conteúdo, material publicitário	wide shot, hero composition, centralizado ou regra dos terços	Espaço superior para título, área inferior para logo	Proporção 2:3 ou 9:16, alta resolução	cinematic, bold color, dynamic
Asset de jogo	Elementos de UI, ícones de itens, arte de personagem	Conforme uso: ícone frontal, personagem de corpo inteiro	Ícone com silhueta clara, personagem com margem de corte	Ícone 256×256, personagem com proporção variável	pixel art, anime, concept art

Modelo para produto

Uso: imagem principal de e-commerce, página de detalhes, exibição de produto.

Requisito principal: produto nítido, fundo limpo, luz uniforme, sem elementos estranhos.

Exemplo de prompt:

a [nome do produto] on white marble surface, macro product shot, shallow depth of field, studio lighting, clean background, high resolution, professional photography

Negative prompt:
background clutter, reflection, shadow, watermark, text, blurry, low quality

Pontos de ajuste:

• Troque o nome do produto por um objeto específico, como a gold luxury watch ou a leather handbag.
• white marble surface pode virar simple white background, wooden table ou glass display.
• shallow depth of field desfoca o fundo e destaca o produto.
• Se precisar adicionar logo depois, escreva centered, ample white space no prompt.

Modelo para avatar

Uso: avatar de redes sociais, imagem de marca pessoal, avatar de personagem de jogo.

Requisito principal: rosto nítido, expressão natural, estilo consistente, partes importantes sem corte.

Exemplo de prompt (estilo realista):

a [descrição da pessoa] portrait, close-up, looking at camera, soft natural lighting, shallow depth of field, high resolution, professional photography

Negative prompt:
bad hands, distorted face, asymmetrical eyes, blurry, low quality

Exemplo de prompt (estilo anime):

a [descrição da pessoa] anime style portrait, close-up, looking at camera, clean line art, vibrant color, high quality

Negative prompt:
realistic, photo, 3d render, low quality, bad anatomy

Pontos de ajuste:

• A descrição da pessoa inclui gênero, idade, cabelo, roupa e expressão, por exemplo a young woman with short black hair, confident smile.
• looking at camera ajuda os olhos a olharem para a câmera, bom para avatares.
• Para realismo use professional photography; para anime use anime style, clean line art.
• Recomenda-se proporção 1:1, como 512×512 ou 1024×1024.

Modelo para pôster

Uso: divulgação de eventos, capa de conteúdo, material publicitário.

Requisito principal: impacto visual, espaço para título, elemento principal centralizado ou destacado, estilo consistente.

Exemplo de prompt:

a [descrição do tema] scene, wide shot, cinematic composition, dramatic lighting, dynamic pose, bold color palette, high resolution, poster design

Negative prompt:
text, watermark, signature, blurry, low quality, cropped

Pontos de ajuste:

• A descrição do tema inclui personagem, cena e ação, por exemplo a superhero standing on rooftop at sunset ou a concert crowd with neon lights.
• wide shot e cinematic composition trazem sensação cinematográfica.
• bold color palette combina com o impacto visual de pôster.
• Se precisar adicionar título depois, escreva top empty space for text ou corte depois no ComfyUI.

Atenção: pôsteres geralmente precisam de composição posterior para título e logo. A imagem gerada é material base. Se quiser gerar pôster com texto diretamente, teste FLUX ou SD 3.5; eles costumam lidar melhor com elementos tipográficos.

Modelo para asset de jogo

Uso: elementos de UI, ícones de itens, artes de personagem.

Requisito principal: estilo consistente, silhueta clara, recortável, compatível com game engine.

Exemplo de prompt (ícone de item):

a [nome do item] icon, front view, clean outline, simple background, pixel art style, bright color, 256x256, game asset

Negative prompt:
realistic, photo, complex background, blurry, low quality

Exemplo de prompt (personagem de corpo inteiro):

a [descrição do personagem] full body, anime style, dynamic pose, clean background, concept art, high resolution, character design

Negative prompt:
bad hands, extra fingers, distorted face, low quality, messy background

Pontos de ajuste:

• Para ícones, use front view, clean outline para garantir silhueta clara.
• Para personagens, use full body para obter o corpo inteiro.
• Ajuste pixel art style ou anime style conforme o tipo de jogo.
• Assets de jogo muitas vezes exigem corte, separação em camadas e exportação. A imagem gerada é só o primeiro passo.

O modelo não é resposta fixa

Esses quatro modelos são pontos de partida, não padrões absolutos. Modelos, checkpoints e LoRAs diferentes geram resultados diferentes. Escreva o primeiro prompt com essa estrutura e ajuste conforme a saída real.

O importante é lembrar a restrição central de cada cenário: produto precisa ficar limpo, avatar precisa mostrar bem o rosto, pôster precisa ter impacto e asset de jogo precisa ser recortável. Essas restrições importam mais do que palavras específicas.

Como o modelo afeta o prompt: por que copiar não gera o mesmo resultado

Talvez você já tenha visto isso: encontra um bom prompt, copia com os mesmos parâmetros e o resultado sai totalmente diferente. Muita gente culpa seed ou parâmetros. Muitas vezes, a causa real está no modelo.

Capacidade de seguir prompt por modelo

Família de modelo	Aderência ao prompt	Tendência de estilo	Impacto na escrita do prompt
SD 1.5	Mais fraca, facilmente dominada por termos de qualidade	Realista, anime e ilustração têm checkpoints maduros	Precisa de termos mais concretos; termos de qualidade pesam mais
SDXL	Melhor que SD 1.5, entende melhor a estrutura	Versátil, modelo base oficial mais realista	Sujeito e cena importam mais; termos de qualidade podem ser menores
Stable Diffusion 3.5	Aderência claramente melhor, entende prompts complexos com mais facilidade	Posicionado como modelo geral de alta qualidade	Dá para escrever prompts mais longos mantendo camadas
FLUX.1	Boa aderência e boa textura visual, melhor com elementos de texto	Fotografia, cinema, estilo pôster	Dá para incluir texto e elementos ligados a marca com mais chance

A tabela deixa uma ideia simples: o mesmo prompt muda conforme o modelo. Isso não significa necessariamente que o prompt esteja errado. Significa que o modelo interpreta de outra forma.

Na época do SD 1.5, muitos prompts empilhavam masterpiece, best quality, 8k, porque o modelo respondia muito a esses termos. Com SDXL e SD 3.5, o modelo entende melhor sujeito, cena e composição. Quando você descreve bem o conteúdo visual, o resultado tende a ficar mais estável. Termos de qualidade viram apoio, não protagonista.

Como checkpoint e LoRA mudam o resultado

Um “checkpoint de retrato realista” ou “checkpoint estilo anime” baixado costuma ser resultado de treino adicional ou fusão sobre um modelo base. Ele muda a resposta do modelo a certas palavras.

Por exemplo, um checkpoint anime pode responder muito bem a anime style, vibrant color, clean line art, mas pior a realistic photography, studio lighting. Se você copiar um prompt realista para um checkpoint anime, a imagem pode ficar confusa.

Um LoRA parece mais um pacote de capacidade extra. Ele ensina ao modelo um personagem, roupa, estilo ou conceito. Se você usa um LoRA, geralmente convém usar as palavras de gatilho dele. Um cyberpunk style LoRA pode precisar de cyberpunk ou termos específicos para ativar bem.

Check-list quando o mesmo prompt piora ao trocar de modelo

Se o resultado piora depois de trocar de modelo, revise nesta ordem:

Revisão	Possível problema	Caminho de correção
Família do modelo base	Prompt de SD 1.5 em workflow SDXL ou FLUX	Usar workflow de exemplo dessa família
Tipo de checkpoint	Prompt realista em checkpoint anime	Usar checkpoint que combine com o estilo
Gatilho do LoRA	LoRA carregado, mas sem trigger no prompt	Revisar model card do LoRA e adicionar trigger
Tamanho do prompt	SDXL/SD 3.5 aceitam mais texto, SD 1.5 talvez não	Simplificar prompt e manter sujeito e cena centrais
Sintaxe de peso	Modelos reagem diferente a (keyword:1.5)	Reduzir faixa de peso e testar de novo
Negative prompt	Modelos novos dependem menos do negativo	Encurtar Negative prompt e manter só exclusões principais
Estrutura do workflow	Novo modelo pode exigir outra cadeia de nós	Usar workflow oficial ou recomendado na model card

A lógica é: prompt não é texto isolado. Ele está ligado a modelo, checkpoint, LoRA e estrutura de workflow. Se você troca o modelo, também precisa ajustar o prompt.

Um método de teste prático

Ao testar um modelo novo, comece com um conjunto fixo de prompts:

# Teste 1: apenas sujeito
a woman sitting on a chair

# Teste 2: sujeito + cena
a woman sitting on a chair in a library

# Teste 3: sujeito + cena + estilo
a woman sitting on a chair in a library, digital illustration

# Teste 4: sujeito + cena + estilo + peso
a woman sitting on a chair in a library, digital illustration, (soft lighting:1.3)

Fixe seed, tamanho, steps e CFG. Gere 3 imagens por teste e observe como o modelo responde a cada camada. Assim você entende a sensibilidade a sujeito, cena, estilo e pesos antes de escrever prompts mais complexos.

Prática no ComfyUI: iterar prompts dentro do workflow

Os capítulos anteriores cobriram estrutura e teoria. Agora é operação no ComfyUI. A vantagem do ComfyUI é a visualização por nós: você vê onde o prompt fica, com quais nós se conecta e como afeta o resultado final.

Onde fica o nó de prompt no workflow

Um workflow mínimo de texto para imagem costuma ter estes nós:

Load Checkpoint → CLIP Text Encode (positive) → KSampler → VAE Decode → Save Image
                → CLIP Text Encode (negative)

O prompt positivo vai no primeiro nó CLIP Text Encode; o Negative prompt vai no segundo. Ambos se conectam ao KSampler pela saída conditioning. O KSampler gera o latent conforme seed, steps, CFG, sampler e outros parâmetros.

Isso significa que o prompt não decide a imagem sozinho. Ele atua junto com modelo, parâmetros de sampling e VAE. Ao mudar o prompt no ComfyUI, revise também:

• Se o modelo em Load Checkpoint está correto.
• Se o seed em KSampler está fixo.
• Se steps, CFG e sampler em KSampler continuam estáveis.
• Se o VAE em VAE Decode combina com o modelo.

Fixar seed para comparar

Para testar o efeito do prompt, o mais importante é fixar o seed. No KSampler, seed e control_after_generate são dois parâmetros centrais.

Passos:

1. Configure control_after_generate como fixed.
2. Anote o valor atual do seed.
3. Mude o prompt, mas altere uma única variável, por exemplo só o termo de luz.
4. Clique em Queue Prompt para gerar de novo.
5. Compare as duas imagens e avalie o efeito do termo de luz.

Assim você elimina a aleatoriedade do seed e observa apenas o impacto da mudança no prompt. Se quiser testar várias versões, mude o seed manualmente, por exemplo seed=100, seed=101, seed=102, e associe cada seed a uma versão do prompt.

Parâmetros relacionados: Steps, CFG e Sampler afetam o prompt

O efeito do prompt também depende dos parâmetros de sampling. Base geral:

Parâmetro	Efeito sobre o prompt	Faixa recomendada
Steps	Poucos steps podem perder detalhes do prompt; steps demais podem reforçar detalhes em excesso	20-30 em testes; 30-50 em geração final
CFG (Classifier-Free Guidance Scale)	CFG mais alto segue o prompt com mais rigor; CFG mais baixo dá mais liberdade ao modelo	7-12 normal; 4-7 estilizado; 12-15 realista estrito
Sampler	Cada sampler responde um pouco diferente ao prompt, mas afeta principalmente velocidade e detalhe	Euler, Euler a, DPM++ 2M Karras são opções comuns

Combinações comuns:

• Pessoa realista: steps=30, CFG=8-10, sampler=DPM++ 2M Karras.
• Estilo anime: steps=25-30, CFG=7-8, sampler=Euler a.
• Imagem de produto: steps=25-30, CFG=9-11, sampler=DPM++ 2M.

Não são respostas fixas. O melhor valor muda com modelo e checkpoint. Fixe o prompt e altere só steps, CFG e sampler para observar.

Boas práticas para comparar em batch

Se quiser testar várias versões de prompt de uma vez, use nós batch ou mude seed manualmente. No ComfyUI há alguns caminhos:

Método 1: mudar seed manualmente

No KSampler, mude o seed à mão, altere uma versão de prompt por vez e registre seed e imagem. É o método mais simples e serve para poucas comparações.

Método 2: usar nó batch

Alguns pacotes de custom nodes oferecem batch, como nós Primitive para inserir vários seeds ou nós específicos de batch prompt. Serve quando você precisa gerar dezenas de imagens comparativas.

Método 3: salvar versões do workflow

Salve diferentes workflows de prompt como JSON:

portrait-prompt-v1.json  # prompt original
portrait-prompt-v2.json  # adiciona termo de luz
portrait-prompt-v3.json  # adiciona termo com peso

Ao carregar, arraste o JSON correspondente e não será preciso redigitar tudo.

Registrar resultados de experimento

Ao testar prompts, vale registrar:

## Registro de teste de prompt

- Modelo: SDXL base 1.0
- Seed: 12345
- Size: 1024×1024
- Steps: 30
- CFG: 8
- Sampler: DPM++ 2M Karras
- Prompt versão 1: a woman sitting in a library, soft lighting
- Prompt versão 2: a woman sitting in a library, (soft lighting:1.3)
- Diferença: a versão 2 tem luz mais suave e sombras mais naturais

Assim você constrói sua própria biblioteca de efeitos de prompt. Na próxima cena parecida, dá para partir dos registros anteriores.

Riscos comerciais e de copyright: o que não convém escrever no prompt

Muita gente trata prompt como “o importante é sair a imagem”. Em uso comercial, o conteúdo do prompt, o uso da imagem gerada e a licença do modelo podem criar riscos legais. Aqui vamos direto à check-list.

Três tipos de conteúdo que você deve evitar

Primeira categoria: marcas e sinais comerciais

Se você escreve Nike shoes, Apple product ou Coca-Cola logo, a imagem pode incluir elementos de marca. Em projeto comercial, isso pode trazer risco de violação de marca registrada. Mesmo que você não tenha desenhado o elemento de marca, usar o resultado pode ser problemático.

Forma correta: substitua marcas por categorias. Por exemplo:

• Nike shoes → a pair of running shoes, sporty design.
• iPhone → a smartphone, modern design.
• Starbucks logo → a coffee shop logo, circular design.

Se um cliente exige um elemento de marca específico, use material autorizado da marca em vez de gerar com IA.

Segunda categoria: pessoas reais e figuras públicas

Se você escreve Taylor Swift portrait, Elon Musk face ou celebrity name e usa comercialmente uma imagem parecida com uma figura pública, pode haver risco de direito de imagem ou direitos de personalidade. As leis variam por país, mas o risco existe.

Forma correta: substitua nomes por descrições. Por exemplo:

• Taylor Swift portrait → a young woman with blonde hair, singer style portrait.
• Elon Musk face → a middle-aged man with short hair, tech entrepreneur portrait.

Se quiser gerar um personagem fictício, garanta que o conceito seja original e não imite uma pessoa existente.

Terceira categoria: estilo de artista e obras protegidas

Se você escreve style of artist name, especialmente com artistas contemporâneos, o resultado pode se aproximar muito do estilo da pessoa. Em uso comercial, isso pode abrir discussões de copyright. Artistas diferentes têm posições diferentes sobre imitação de estilo. Não assuma que é seguro.

Forma correta: descreva o estilo em vez de citar o artista. Por exemplo:

• style of Studio Ghibli → anime style, soft color palette, detailed background.
• style of Van Gogh → oil painting style, bold brush strokes, vibrant color.

Se a intenção for homenagear claramente um artista, pesquise a posição dele sobre uso comercial ou procure orientação jurídica.

Check-list de licença do modelo

Antes de uso comercial, revise três camadas de licença.

Primeira camada: licença do modelo base

A Stability AI explica na página de licença os limites de uso de modelos como SDXL e SD 3.5. Pontos principais:

• Community License: permite uso pessoal e não comercial, com limite de receita para uso comercial.
• Enterprise License: se ultrapassar o limite ou tiver certos usos, é preciso licença empresarial.
• Alcance de uso das imagens geradas: alguns modelos permitem assets comerciais, outros limitam saídas.

Passos de revisão:

1. Abrir Stability AI License.
2. Confirmar qual versão do modelo base você está usando.
3. Comparar limite de receita e escopo de uso da Community License.
4. Decidir se o projeto precisa de Enterprise License.

Segunda camada: licença de checkpoints e LoRAs comunitários

Modelos baixados do Civitai ou Hugging Face têm licença na model card. Casos comuns:

• Alguns checkpoints proíbem uso comercial explicitamente.
• Alguns LoRAs permitem apenas uso não comercial.
• Alguns modelos exigem atribuição ou menção de fonte.

Passos de revisão:

1. Abrir a model card e procurar o campo License.
2. Confirmar se permite uso comercial.
3. Se a licença for ambígua, contatar o autor. Não assuma que poder baixar significa poder vender.

Terceira camada: termos de plataforma ou serviço

Se você usa serviço em nuvem ou API, como Stability AI API ou outro fornecedor, os termos podem definir:

• se a imagem gerada pode ser usada comercialmente;
• se pode ser redistribuída;
• se pode ser vendida como parte de um serviço.

Passos de revisão:

1. Abrir os termos de serviço da plataforma.
2. Procurar seções sobre direitos de uso e distribuição de conteúdo gerado.
3. Confirmar se o seu uso se encaixa.

Check-list antes de usar assets comerciais

Antes de cada projeto comercial, revise nesta ordem:

## Check-list de uso comercial

1. □ A licença do modelo base permite uso comercial?
2. □ A licença do checkpoint/LoRA comunitário permite uso comercial?
3. □ Os termos da plataforma ou serviço combinam com o uso?
4. □ O prompt contém marcas ou termos comerciais?
5. □ O prompt contém nomes de pessoas reais ou figuras públicas?
6. □ O prompt contém referências a estilos de artistas que precisam ser verificadas?
7. □ A imagem gerada será usada em publicidade, entrega a cliente ou asset pago?
8. □ Se houver dúvida, você consultou o autor ou orientação jurídica?

Esta check-list não é orientação jurídica, mas um alerta de risco. Se algo não estiver claro, escolha modelos e materiais com uso comercial explicitamente permitido ou consulte um profissional.

Check-list de solução de problemas: localizar a falha e corrigir

Você escreveu o prompt conforme o modelo, mas o resultado não bate. Não reescreva tudo. Revise ponto por ponto.

Tabela rápida de diagnóstico

Sintoma	Causa mais provável	Primeiro revise	Correção
Dedos tortos, seis dedos, mãos grudadas	Modelo fraco em mãos, Negative prompt pouco específico	Tipo de modelo, se o Negative prompt inclui mãos	Trocar para checkpoint melhor em mãos, adicionar bad hands, mutated hands, extra fingers
Rosto deformado, traços assimétricos	Modelo fraco em rostos, prompt com poucos detalhes faciais	Tipo de modelo, detalhes de rosto no prompt positivo	Usar checkpoint de retrato realista, adicionar traços faciais
Composição desviada, corte incorreto	Faltam termos de composição, tamanho incompatível com prompt	Termos de enquadramento e composição, largura/altura	Adicionar medium shot, centered, full body, ajustar proporção
Estilo incorreto, imagem confusa	Tendência do modelo em conflito, falta trigger de LoRA	Tipo de checkpoint, triggers do LoRA	Trocar para checkpoint de estilo adequado, adicionar trigger do LoRA
Imagem borrada, detalhes perdidos	Steps baixos, CFG baixo, faltam termos de qualidade	Steps e CFG no KSampler, termos de qualidade	Subir steps para 25-30, CFG para 7-10, adicionar termos de qualidade
Cor estranha, luz pouco natural	Modelo responde pouco a termos de luz, pesos em conflito	Peso dos termos de luz, termos contraditórios	Ajustar peso da luz, remover termos contraditórios
Sujeito pouco visível, imagem bagunçada	Prompt com palavras demais, sujeito sem prioridade	Se o sujeito vem primeiro, se tem peso	Mover sujeito para o início e reforçar com peso
Geração muito lenta, VRAM cheia	Resolução alta, batch grande, muitos nós de pós-processamento	Tamanho, batch, estrutura do workflow	Baixar para 512×512, batch em 1, desativar pós-processamento

Revise em ordem e não mude muitas variáveis de uma vez

O pior no diagnóstico é mudar modelo, prompt e parâmetros ao mesmo tempo. Se melhorar, você não sabe o que funcionou. Na próxima vez, começa do zero.

Ordem recomendada:

1. Fixar seed, tamanho, steps, CFG e sampler.
2. Revisar primeiro o modelo: o checkpoint combina com a cena? O LoRA está carregado corretamente?
3. Revisar depois o prompt: o sujeito está no início? A composição é clara? Os termos de qualidade estão moderados?
4. Revisar por fim os parâmetros: steps são suficientes? CFG está em faixa razoável?
5. Mudar uma coisa por vez, gerar comparação e registrar diferença.

Passos concretos para problemas comuns

Problema 1: mãos

# Passos de revisão
1. Revisar modelo: você usa um checkpoint de retrato realista?
2. Revisar Negative prompt: ele inclui `bad hands, mutated hands, extra fingers`?
3. Revisar prompt positivo: há descrição de mãos, como `hands visible, holding object`?

# Correção
- Se o modelo for checkpoint anime, testar com um modelo realista.
- Adicionar termos de mãos ao Negative prompt; o peso pode subir: (bad hands:1.2).
- Descrever claramente a ação das mãos e evitar frases vagas.

Problema 2: composição

# Passos de revisão
1. Revisar prompt positivo: há termos de enquadramento como portrait, medium shot, full body?
2. Revisar tamanho: a proporção combina com a composição? Avatar 1:1, pôster 2:3 ou 9:16.
3. Revisar estrutura do prompt: o sujeito está no início?

# Correção
- Adicionar enquadramento: `medium shot, centered composition`.
- Ajustar tamanho: avatar 512×512 ou 1024×1024; pôster 768×1152 ou proporção parecida.
- Mover o sujeito para a primeira frase do prompt.

Problema 3: estilo misturado

# Passos de revisão
1. Revisar checkpoint: ele combina com o estilo alvo, realista, anime ou concept?
2. Revisar LoRA: está carregado corretamente e tem triggers?
3. Revisar prompt: os termos de estilo são claros? Há estilos contraditórios?

# Correção
- Trocar para checkpoint que combine com o estilo.
- Se usar LoRA, confirmar trigger e adicionar ao prompt.
- Remover estilos contraditórios. Se o positivo diz `anime`, o negativo não deve dizer `anime`.

Problema 4: imagem borrada

# Passos de revisão
1. Revisar steps: estão abaixo de 20?
2. Revisar CFG: está abaixo de 7?
3. Revisar termos de qualidade: falta `high resolution, detailed` no prompt positivo?

# Correção
- Subir steps para 25-30.
- Configurar CFG em 7-10.
- Adicionar termos de qualidade, mas sem empilhar.

Registrar o diagnóstico

Depois de diagnosticar, vale anotar:

## Registro de diagnóstico

- Problema original: dedos tortos
- Modelo: SDXL base → realisticVision checkpoint
- Prompt: adicionado (bad hands:1.2)
- Resultado: mãos melhoraram, mas o rosto ainda deforma
- Próximo passo: adicionar termos negativos para rosto

Assim você constrói sua própria biblioteca de diagnóstico. Na próxima vez que algo parecido aparecer, parte das suas anotações.

Próximo passo e leituras úteis

Artigos do site

• Guia de introdução ao ComfyUI: da instalação à primeira imagem com Stable Diffusion
• Guia para reutilizar workflows do ComfyUI: como salvar, importar e iterar workflows
• Guia para escolher modelos Stable Diffusion: comparação SDXL vs SD 3.5 vs FLUX

Documentação oficial

• Stability AI License: limites de licença para uso comercial
• Documentação do Hugging Face Diffusers: explicação oficial sobre prompt e Negative prompt
• Tutorial ComfyUI Text to Image: nós de prompt dentro do workflow

---

Prompt não é mágica; é estrutura. Se você domina design em camadas, sintaxe de pesos e iteração cuidadosa do Negative prompt, consegue gerar imagens de alta qualidade de forma estável no ComfyUI.

Lembre de três pontos:

1. Primeiro escreva sujeito, cena e composição; no fim, estilo e termos de qualidade
2. Adicione Negative prompt conforme a falha, passo a passo, sem empilhar
3. Antes de uso comercial, revise licença do modelo e termos da plataforma