Corrija retratos de IA inconsistentes com uma grade de teste de prompt
A Academy está temporariamente indisponível enquanto passa por uma reestruturação.
Um problema comum ao criar prompts para imagens de IA é mudar palavras demais de uma vez. Se um retrato de uma pessoa adulta vestida muda de repente o formato do rosto, a pose, a iluminação e o fundo, fica impossível saber qual parte do prompt causou a mudança. Uma grade de teste de prompt facilita a comparação ao manter a maior parte das entradas fixa enquanto você ajusta apenas uma parte da descrição.
Comece com um prompt positivo simples, organizado em camadas: sujeito, aparência, pose e enquadramento, cena e, por fim, iluminação ou estilo. Por exemplo: `adult woman, short black hair, green jacket, sitting on a wooden chair, upper body portrait, eye level, plain studio background, soft diffused lighting`. Mantenha a descrição do sujeito fácil de reconhecer para conseguir editá-la com consistência. Isso é uma forma de organizar o teste, não uma regra de que as palavras no início sempre recebem mais peso.
Em seguida, crie três cópias do prompt e altere apenas a frase de câmera. Teste `close-up`, `upper body portrait` e `full body shot`, mantendo a mesma seed se a sua ferramenta permitir controlar a semente (seed). Verifique se cada imagem reflete o enquadramento solicitado. Uma frase de câmera diferente também pode alterar sujeito, pose e fundo, mesmo com a mesma seed. Registre essas mudanças em vez de tratar uma composição idêntica como obrigação.
Faça uma segunda grade para iluminação. Mantenha a melhor frase de enquadramento e compare `soft diffused lighting`, `golden hour` e `dramatic side lighting`. Observe mudanças previsíveis na direção das sombras, no contraste e no clima da imagem. Não presuma que uma frase de iluminação é universalmente melhor; salve a que combina com a imagem que você quer criar.
Se o seu modelo e fluxo de trabalho aceitarem prompts negativos, teste uma descrição negativa curta depois de identificar um problema específico. Por exemplo, compare uma imagem com letras indesejadas com outra versão usando `watermark, text`. Mantenha as outras entradas estáveis e veja se o detalhe indesejado muda. Um prompt negativo é um teste, não uma correção garantida, e alguns modelos usam métodos diferentes de condicionamento.
Salve o prompt, o nome do modelo, a seed e a única alteração testada. Com o tempo, isso vira uma biblioteca prática de templates, em vez de uma coleção de prompts que deram sorte.