Prompts pra Gerador de Imagem IA: 6 Categorias, 36 Padrões

Por Alexandra Joly, Senior Editor · Testado de 8 a 15 de maio de 2026 · Verificado pela última vez em 17 de maio de 2026 · Veja o nosso processo editorial e o registro de errata

O que "prompt de imagem IA" quer dizer de verdade

A diferença entre um prompt e uma imagem gerada importa. A imagem é o resultado. O prompt é a entrada estruturada que molda esse resultado. Uma plataforma sem sintaxe de ponderação de prompt te deixa só com a entrada em linguagem natural e com o que a engine decidir fazer com ela, enquanto uma plataforma com ponderação explícita deixa você ajustar quais tokens dominam. Eu separei esta biblioteca por categoria em vez de por plataforma de propósito, porque é assim que as pessoas buscam de verdade, sabe. Se você caiu aqui digitando "melhores prompts de luz pra imagem IA" ou "prompt de composição stable diffusion", você já decidiu que tipo de refino quer, e a decisão de plataforma vem depois.

As seis categorias descrevem fluxos de trabalho de personagem fictício adulto (18+). A biblioteca proíbe retratar menores como uma linha vermelha absoluta, recusa fluxos de nudifier que sobem foto e pegam imagem de pessoa real como entrada, recusa prompts de deepfake de pessoa real sem consentimento por escrito e fica longe de cenários não consensuais. Plataformas que falham nesses trilhos não aparecem aqui. Plataformas cujas engines recusam corretamente esses prompts estão fazendo exatamente a coisa certa, e eu quero deixar isso claro logo de cara.

Como a gente montou e testou esta biblioteca de prompts

Três filtros guiaram a seleção dos padrões. Primeiro, a gente cortou qualquer prompt que precisasse subir foto de pessoa real, semelhança com pessoa real sem consentimento, ou qualquer coisa mais explícita que enquadramento sugestivo com roupa no texto de exemplo. Os padrões descrevem composição, luz, pose, estilo e estrutura de token, não texto explícito ao pé da letra. Segundo, a gente cortou qualquer prompt que citasse personagens de idade ambígua ou menores. Todo personagem na biblioteca é um personagem fictício adulto (18+), explicitamente. Terceiro, a gente cortou qualquer prompt que batesse nos trilhos de recusa em mais de uma das quatro plataformas durante o teste. Um padrão que voa na sintaxe permissiva de token do Promptchan mas leva recusa no construtor de companheiro do Candy.ai ganha uma nota específica de plataforma em vez de uma listagem de uso geral.

O teste de aderência abre cada categoria com cinco âncoras concretas de sujeito: um retrato de uma mulher adulta num café, um personagem adulto num cenário de estúdio, um personagem adulto num ambiente externo à noite, um personagem adulto num interior com luz prática e um personagem adulto num quadro estilizado não fotorrealista. Um padrão ganha 5 se o alvo da categoria nomeada segura nos cinco sujeitos, 3 se segura em três. Qualquer coisa abaixo de 3 na passagem pelas quatro plataformas não entrou na página. As notas completas por plataforma vivem em cada review avulso: o review do Promptchan, a auditoria completa do Candy.ai, o texto do DarLink Ai e o veredito do Joi.

Olha, aqui tá a parte que a maioria dos sites desse ramo pula. A pontuação é assinada, a assinatura não é anônima, e a página de metodologia tem data, porque o ponto todo é que você consiga checar o nosso trabalho. O compliance entre as quatro plataformas também não é uniforme, e eu vou dizer qual é. O Candy.ai, operado pela EverAI Limited (Malta C107181), carrega a pegada de compliance publicada mais profunda das quatro, com DPO nomeado, representante na UE, sitemap em dez idiomas e doze URLs de política dedicadas [Source: OpenCorporates: EverAI Limited Malta C107181 (entidade operadora do Candy.ai) · verified 2026-05-17]. O Joi, operado pela Novi Limited (Chipre, registro HE 407352), geo-bloqueia o Reino Unido em vez de implementar o UK Online Safety Act [Source: UK Office of Communications: declaração de aplicação do Online Safety Act 2023 · verified 2026-05-17].

Seis categorias num relance

A tabela embaixo é o caminho mais rápido pela biblioteca. Desce, passa o olho, sai se quiser, e mesmo assim você vai embora com um modelo mental funcional das seis categorias mais os tokens dominantes que cada uma quer.

Como ler isso: tokens dominantes são a classe de vocabulário de que cada categoria puxa. As notas de sintaxe por plataforma capturam a diferença operacional entre plataformas que expõem ponderação explícita de token (Promptchan e outros derivados do Stable Diffusion) e plataformas que escondem isso atrás de sliders ou ajustes de persona (Candy.ai, DarLink Ai). A coluna "melhor pra" é o trabalho estrutural que cada categoria faz dentro de um prompt de duas a cinco linhas.

Composição: tipo de plano, enquadramento, distância focal

Os prompts de composição definem o quadro estrutural do resultado. Eles são prioridade na primeira linha porque todo outro token (luz, pose, estilo, detalhe) lê contra a âncora da composição. Um prompt de composição bem-feito nomeia um tipo de plano (retrato, meio corpo, corpo inteiro, grupo), um registro de enquadramento (fechado, médio, aberto) e, opcionalmente, um análogo de distância focal (35mm, 85mm, teleobjetiva) ou um ângulo (ângulo baixo, ângulo alto, na altura dos olhos). Esse vocabulário vem direto das convenções fotográficas e cinematográficas de nomear plano, documentadas na literatura de fotografia e traduzidas pra prática de engenharia de prompt no Civitai e no Hugging Face [Source: Civitai: guias de composição em engenharia de prompt · verified 2026-05-17].

Seis padrões de prompt de composição (fluxos de personagem adulto, só personas fictícias maiores de dezoito):

• Padrão C1, retrato em close. Sujeito na linha um (personagem adulto 18+ com um traço marcante, cor de cabelo ou figurino assinatura), composição na linha dois (retrato em close, cabeça e ombros, fundo desfocado), luz e estilo nas linhas seguintes. Esse é o quadro de partida padrão pra maioria dos retratos fotorrealistas, e lê limpo em toda plataforma.
• Padrão C2, meio corpo ambiental. Composição na linha dois (meio corpo, ambiental, personagem interagindo com um objeto ou superfície). Útil quando você quer uma imagem de personagem-em-contexto em vez de um retrato. O token ambiental dá ao modelo um quadro pra fincar o sujeito.
• Padrão C3, corpo inteiro em estúdio. Composição na linha dois (corpo inteiro, cenário de estúdio, fundo neutro sem emenda). Funciona bem pra documentar personagem e casa naturalmente com os padrões de trava de personagem mais pra baixo.
• Padrão C4, ambiental grande angular. Composição na linha dois (grande angular, ambiental, personagem ocupando o terço inferior do quadro). Útil pra cenas atmosféricas onde o ambiente é parte do sujeito. Ele exige tokens de luz mais fortes, porque o enquadramento amplia a área de luz disponível.
• Padrão C5, retrato em ângulo baixo. Composição na linha dois (retrato em ângulo baixo, olhando pra cima na direção do sujeito, distância focal 35mm). Adiciona peso dimensional, funciona em registro fotorrealista e semirreal, e tropeça no estilo anime, onde a convenção de ângulo é outra.
• Padrão C6, ambiental em ângulo alto. Composição na linha dois (ângulo alto, olhando pra baixo, personagem na metade inferior do quadro). Atmosférico e quieto. A luz vira o token secundário dominante aqui, porque o ângulo tira a linha do olhar convencional.

Notas de sintaxe por plataforma pra composição: o Promptchan lê tokens de composição como linguagem natural, com ponderação por token disponível via parênteses, então (low angle:1.2) dá nitidez à âncora de ângulo. O Candy.ai expõe a composição pelo construtor de persona-e-cena em vez de sintaxe direta de token, e a mesma linguagem descritiva entra como texto de definição de cena. O DarLink Ai roda a composição pelo estado Living Memory, então a composição costuma seguir da batida narrativa que você montou. O fluxo de criação de personagem do Joi aceita tokens de composição no campo de contexto da persona, e eles aplicam de forma consistente ao personagem salvo.

Se você veio aqui por geração guiada por estilo em vez de enquadramento estrutural, pula pra seção de estilo.

Luz: fonte, direção, clima

Os prompts de luz rendem mais por token que qualquer outra categoria. Uma composição limpa mais um par de luz limpo costuma ganhar de uma pilha densa de pose-mais-detalhe num resultado fotorrealista. O vocabulário nomeia uma fonte de luz (luz do dia natural, luz suave de janela, golden hour, luz-chave de estúdio, ring light, luminária prática, neon), uma direção (frontal, lateral, contraluz, rim light, superior, contra-baixo) e, opcionalmente, um registro de clima (suave, dura, dramática, cinematográfica, melancólica).

Seis padrões de prompt de luz (fluxos de personagem adulto, só personas fictícias maiores de dezoito):

• Padrão L1, luz suave de janela. Luz na linha três (luz suave de janela, lateral vinda da direita da câmera, fim de tarde). O padrão pra retratos com cara natural, barato no orçamento de token, e consistente entre plataformas.
• Padrão L2, golden hour externo. Luz na linha três (golden hour, sol baixo, temperatura de cor quente, leve névoa). Funciona bem pra composições ambientais, e a temperatura de cor quente ancora o resultado numa hora do dia reconhecível.
• Padrão L3, luz-chave de estúdio com fill. Luz na linha três (luz-chave de estúdio vinda da esquerda da câmera, fill suave da direita, fundo neutro). O padrão pro trabalho de retrato em estilo estúdio, e casa com o padrão de composição C3 (corpo inteiro em estúdio).
• Padrão L4, rim light dramática. Luz na linha três (rim light por trás, low key, sombra profunda na frente do sujeito). Dramática e editorial, funciona em fotorrealista e pictórico, e exige uma âncora de estilo mais forte no anime pra que a convenção de rim light não derive pra contraluz padrão de anime.
• Padrão L5, luminária prática de interior. Luz na linha três (luminária prática de interior, tungstênio quente, queda estreita, noite). Um registro naturalista de interior que casa com composições ambientais e produz um clima mais quieto que a luz de estúdio.
• Padrão L6, neon urbano à noite. Luz na linha três (neon urbano à noite, temperatura de cor mista, reflexo no asfalto molhado). Um registro cinematográfico estilizado que funciona particularmente bem em âncoras de estilo semirreal e pictórico, embora possa ler como clichê no fotorrealista, a não ser que a composição seja incomum.

Notas de sintaxe por plataforma pra luz: o Promptchan lê tokens de luz limpo e se beneficia da ponderação de token na fonte dominante (window light:1.2) (soft:1.1). O construtor de cena do Candy.ai pega a linguagem de luz como prosa natural e aplica via interpretação do lado da engine. O DarLink Ai casa a luz com a batida narrativa, então uma cena noturna em Living Memory tende a uma luz mais quente sem você especificar, e o prompt de luz vira um refino em vez de uma instrução primária. O Joi aceita tokens de luz no contexto do personagem e nos ajustes de persona, e a engine V4 lida com luz dramática (rim, low key, neon) de forma mais limpa que as alternativas de plano grátis.

Se a trava de personagem importa mais pra você que a atmosfera, pula pra seção de consistência de personagem.

Pose: postura, gesto, movimento

Os prompts de pose ancoram a ação física do personagem. O vocabulário nomeia uma postura (em pé, sentado, apoiado, reclinado, andando), um gesto (mão perto do rosto, segurando objeto, braços cruzados, mão na cintura), um verbo de movimento (olhando pra câmera, olhando pro lado, no meio do passo, no meio do giro) e, opcionalmente, uma expressão (calma, sorrindo, concentrada, pensativa). Pose é a categoria mais sensível às fraquezas de anatomia da plataforma. Tokens de pose complexa (posições específicas de mão, interações entre vários personagens) falham mais que as outras categorias nas engines de plano grátis.

Seis padrões de prompt de pose (fluxos de personagem adulto, só personas fictícias maiores de dezoito):

• Padrão P1, sentado relaxado. Pose na linha quatro (sentado, relaxado, mãos descansando, olhando pra câmera). Pouco estresse de anatomia, funciona no plano grátis de toda plataforma, e é a minha pose de partida padrão pra retratos e composições ambientais casuais.
• Padrão P2, em pé contraposto. Pose na linha quatro (em pé, contraposto, peso numa perna, leve rotação de ombro). Uma âncora clássica que adiciona interesse visual sem exigir tokens de anatomia complexa, e casa bem com a composição de corpo inteiro C3.
• Padrão P3, andando no meio do passo. Pose na linha quatro (andando, no meio do passo, olhando pra frente, balanço natural do braço). Um registro de verbo de movimento que exige uma âncora de composição mais forte, porque poses em movimento podem ler como engessadas sem contexto ambiental.
• Padrão P4, mão no queixo pensativa. Pose na linha quatro (sentado ou em pé, uma mão perto do queixo, expressão pensativa, olhando pra fora do quadro). Adiciona interioridade ao personagem e testa direto a qualidade de renderização de mão da plataforma.
• Padrão P5, giro por cima do ombro. Pose na linha quatro (olhando por cima do ombro na direção da câmera, corpo virado pro lado). Um registro editorial que casa bem com a composição C1 (retrato em close) e a L4 (rim light dramática).
• Padrão P6, apoiado numa superfície. Pose na linha quatro (apoiado numa parede ou bancada, peso no antebraço, expressão casual). Uma postura naturalista que casa com composições ambientais e luz prática, e testa como a plataforma lida com a interação personagem-ambiente.

Notas de sintaxe por plataforma pra pose: o Promptchan lida com tokens de pose complexa melhor no plano Pro, enquanto o plano grátis mostra uma taxa de falha de anatomia mais alta nos padrões P3 (andando) e P4 (mão no queixo). Coloca os teus tokens de falha de anatomia (bad-anatomy, extra-fingers, malformed-hand) no campo de prompt negativo do Promptchan. O construtor de persona do Candy.ai reduz a pose a opções predefinidas em vez de entrada de texto livre no plano padrão, e prompts diretos de pose só funcionam pelo campo de definição de cena nos planos mais altos. O DarLink Ai casa a pose com a batida narrativa naturalmente, então um personagem sentado numa cena Living Memory tende a continuar sentado. A engine V4 do Joi lida com tokens de pose complexa de forma mais limpa que as alternativas de plano grátis, e casa particularmente bem com a trava Face-Sync V4 do personagem salvo.

Se você veio aqui por geração guiada por estilo em vez de guiada por ação, pula pra seção de estilo.

Estilo: fotorrealista, anime, semirreal, pictórico

Os prompts de estilo escolhem o registro visual, e estilo é a categoria de token único mais forte da biblioteca, porque uma palavra de estilo reenquadra o resultado inteiro. O vocabulário nomeia um registro de estilo primário (fotorrealista, anime, semirreal, pictórico, ilustração, render 3D, aquarela), opcionalmente um subregistro (fotorrealismo cinematográfico, anime moderno, estilo mangá, referência Studio Ghibli, pintura a óleo, pintura digital) e, opcionalmente, um token de qualidade (muito detalhado, obra-prima, profissional).

Seis padrões de prompt de estilo (fluxos de personagem adulto, só personas fictícias maiores de dezoito):

• Padrão S1, fotorrealista cinematográfico. Estilo na linha quatro (fotorrealista cinematográfico, grão de filme, com correção de cor). O registro fotorrealista padrão, barato no orçamento de token, e casa com as composições C1 a C3 e com a maioria dos padrões de luz.
• Padrão S2, fotografia editorial. Estilo na linha quatro (fotografia editorial, qualidade de revista, foco nítido, luz profissional). Um fotorrealista de registro mais alto que casa com a luz de estúdio L3 e a luz dramática L4.
• Padrão S3, anime moderno. Estilo na linha quatro (anime moderno, cel-shaded, linhas limpas, cor vibrante). O registro anime que lê limpo no modo anime do Promptchan e nos presets de persona com pegada anime do Joi.
• Padrão S4, anime semirreal. Estilo na linha quatro (anime semirreal, sombreamento pictórico, anatomia realista, registro de rosto anime). Um registro híbrido útil quando você quer uma estética anime com fidelidade anatômica fotorrealista, e funciona particularmente bem no Promptchan.
• Padrão S5, pictórico digital. Estilo na linha quatro (pintura digital, pinceladas pictóricas, ilustrado, arte de fantasia). Um registro não fotorrealista que esconde fraquezas de anatomia, útil quando o tratamento de anatomia da plataforma é imperfeito.
• Padrão S6, aquarela ou nanquim. Estilo na linha quatro (aquarela, bordas suaves, cor lavada, ilustração). Um visual estilizado não fotorrealista que casa com padrões de composição mais simples e tokens de pose menos exigentes.

Notas de sintaxe por plataforma pra estilo: o modo anime do Promptchan é uma seleção de engine dedicada. Escolhe ele e o modelo por baixo muda, com o vocabulário de prompt virando pra tokens específicos de anime (estilo mangá, rosto anime, cel-shaded). O construtor de persona do Candy.ai empacota presets de estilo que selecionam a engine, então os tokens de estilo no nível do prompt agem como refinos por cima do estilo-base da persona. O quadro narrativo do DarLink Ai é agnóstico de estilo na camada do prompt, mas a geração de imagem inline, com 4K alegado, tem como padrão um render com pegada fotorrealista. A engine V4 do Joi lida com os registros fotorrealista, anime e semirreal de forma limpa, e o fluxo de criação de personagem deixa você travar um registro de estilo num personagem salvo pra que gerações posteriores fiquem no registro.

Se você quer refino de detalhe em vez de seleção de registro, pula pra seção de tokens de detalhe.

Tokens de detalhe: textura, tecido, ambiente

Os tokens de detalhe dão nitidez ao resultado depois que as quatro linhas principais (sujeito, composição, luz, estilo) estão no lugar. O vocabulário nomeia textura de pele (lisa, com sardas, poros finos, pele natural), tecido (seda, algodão, jeans, lã, couro), cabelo (longo ondulado, curto liso, trançado, preso) ou material do ambiente (veio da madeira, concreto, mármore, metal desgastado). Eles têm retorno decrescente. Um ou dois tokens bem escolhidos melhoram o resultado, mas empilha cinco ou mais e você dilui os tokens dominantes, deixando o modelo tirar a média entre instruções que brigam.

Seis padrões de prompt de detalhe (fluxos de personagem adulto, só personas fictícias maiores de dezoito):

• Padrão D1, par pele e tecido. Detalhe na linha cinco (textura de pele natural, blusa de seda com brilho sutil). Um detalhe de dois tokens que dá nitidez tanto ao rosto quanto ao figurino, e o meu padrão de partida pra trabalho de retrato.
• Padrão D2, especificação de cabelo. Detalhe na linha cinco (cabelo longo ondulado castanho-avermelhado, com risca lateral, volume suave). Útil quando o cabelo é um dos traços marcantes do personagem, e casa com os padrões de trava de personagem mais pra baixo.
• Padrão D3, par figurino e pose. Detalhe na linha cinco (casaco sob medida com ombros estruturados, mãos nos bolsos). Um refino combinado de detalhe e postura que funciona pra registros editoriais.
• Padrão D4, material do ambiente. Detalhe na linha cinco (painel de madeira desgastada, luz natural suave pela janela). Um detalhe guiado por ambiente que dá ao modelo uma textura de cena fincada, e casa com as composições ambientais C2 e C4.
• Padrão D5, detalhe específico de mão. Detalhe na linha cinco (mãos bem definidas, posição natural dos dedos, segurando uma caneca de cerâmica). Especificar mãos reduz a taxa de falha de anatomia, embora o prompt negativo ainda deva carregar os tokens de falha de mão.
• Padrão D6, par clima e textura. Detalhe na linha cinco (luz natural suave, paleta de cor quente, vinheta sutil). Um detalhe guiado por clima que se sobrepõe à luz mas opera no nível pós-render, e funciona particularmente bem em registros fotorrealistas.

Notas de sintaxe por plataforma pra detalhe: o Promptchan absorve tokens de detalhe limpo quando ponderados (silk:1.1) (natural skin texture:1.2). O plano grátis lida bem com um ou dois tokens de detalhe, o plano Plus lida com três ou quatro. O construtor de persona-e-cena do Candy.ai aplica detalhe na camada de interpretação da engine, então você descreve o detalhe em prosa de definição de cena em vez de sintaxe de token ponderado. O estado Living Memory do DarLink Ai costuma carregar tokens de detalhe implícitos da narrativa, então uma noite num quarto com painel de madeira gera sem você especificar o veio da madeira. O Joi aceita tokens de detalhe pelo campo de contexto do personagem, e a engine V4 lida com especificação de textura (poros da pele, trama do tecido) de forma mais limpa que as alternativas de plano grátis.

Se você quer trava de personagem entre gerações em vez de refino por imagem, pula pra seção de consistência de personagem.

Consistência de personagem: trava de seed, trava de persona, âncora de token

Consistência de personagem é o ponto fraco do longo prazo na geração de imagem IA. O vocabulário aqui é estrutural em vez de descritivo, porque você não tá adicionando tokens visuais, tá escolhendo um método pra manter o mesmo personagem entre várias gerações. Três abordagens funcionam nas quatro plataformas da biblioteca, e cada plataforma expõe uma ou duas delas de forma mais limpa que as outras.

Seis padrões de prompt de consistência de personagem (fluxos de personagem adulto, só personas fictícias maiores de dezoito):

• Padrão CC1, referência a persona salva. Salva um perfil de personagem no construtor de persona da plataforma (Joi Face-Sync V4, personagens salvos do Candy.ai, personagem Living Memory do DarLink Ai) e referencia a persona salva pelo nome em toda geração. Esse é o método mais limpo nas plataformas que dão suporte, e a trava de identidade V4 do Joi é a que tem que ser batida.
• Padrão CC2, trava de seed numérica. Reusa o mesmo valor numérico de seed entre prompts. O Promptchan mostra os valores de seed nos planos Plus e Pro, e os derivados do Stable Diffusion expõem trava de seed nativamente. A mesma seed mais o mesmo prompt produz um resultado quase idêntico, enquanto a mesma seed mais um prompt modificado produz um reconhecidamente aparentado.
• Padrão CC3, pacote de âncora de token. Repete os mesmos cinco a sete tokens marcantes (cor específica de cabelo, cor dos olhos, formato do maxilar, físico, figurino assinatura) em todo prompt. Isso funciona em toda plataforma, tendo ou não construtor de persona ou trava de seed exposta, e é o teu plano B manual quando a plataforma esconde a sintaxe explícita.
• Padrão CC4, persona mais seed combinadas. Em plataformas que expõem as duas (Promptchan Pro mais um perfil de personagem salvo), combina uma referência a persona salva com uma seed numérica travada. Isso dá a consistência mais forte entre gerações, mas exige uma plataforma que exponha as duas camadas.
• Padrão CC5, âncora no prompt negativo. Usa o campo de prompt negativo pra excluir tokens de variação de personagem (rosto diferente, cor de cabelo diferente, físico diferente). Isso reduz a deriva entre gerações nos derivados do Stable Diffusion que expõem o campo de prompt negativo limpo, como o Promptchan.
• Padrão CC6, subir imagem de referência. Em plataformas que aceitam subir imagem de referência de um personagem gerado por você mesmo (o upload de personagem Face-Sync V4 do Joi, alguns fluxos do Promptchan Pro), sobe uma referência forte e volta a chamar ela em toda geração posterior. A referência tem que ser um personagem fictício gerado por você, nunca uma foto de pessoa real, que é excluída pela política de toda plataforma e pelas linhas vermelhas desta biblioteca de qualquer jeito.

Notas de sintaxe por plataforma pra consistência de personagem: o Face-Sync V4 do Joi é a trava de identidade mais forte documentada no conjunto de teste, e o fluxo de criação de personagem salva um perfil de persona multi-eixo que se reproduz entre gerações com deriva mínima. A trava de seed do Promptchan é a mais flexível pra fluxos de prompt-e-resultado, com os planos Plus e Pro expondo os valores de seed direto na UI de prompt. Os personagens salvos do Candy.ai funcionam limpo dentro de uma sessão única, mas a trava entre sessões é mais fraca que a V4 do Joi. O DarLink Ai ancora os personagens no estado Living Memory de 3 camadas, então o personagem acompanha a batida narrativa em vez de uma trava de rosto, o que é uma escolha de design diferente, não uma fraqueza.

Se você só precisa de geração avulsa em vez de arcos de várias imagens, volta pra seção de composição.

Dicas entre categorias: estrutura, tamanho, ponderação, prompts negativos

Cinco dicas funcionam em todas as seis categorias e em todas as quatro plataformas. É o que separa um prompt que produz resultado limpo de um que produz resultados embaçados pela média.

Dica 1, de duas a cinco linhas é o ponto certo. Um prompt de uma palavra especifica de menos a engine e produz resultado genérico, cara de catálogo. Um prompt de cinco parágrafos restringe demais a engine, dilui os tokens dominantes e, em algumas plataformas, bate num limite de token. De duas a cinco linhas resolve: sujeito em uma, composição em duas, luz em três, estilo em quatro, um ou dois tokens de detalhe em cinco.

Dica 2, abre com o token dominante. O primeiro token de cada linha carrega mais peso que o último, então põe o dominante primeiro. "(retrato em ângulo baixo, 35mm)" lê mais limpo que "(35mm, retrato em ângulo baixo)" nos derivados do Stable Diffusion, porque o modelo interpreta da esquerda pra direita com peso decrescente.

Dica 3, usa parênteses ponderados quando der. No Promptchan e em outros derivados do Stable Diffusion, parênteses ponderados ajustam a influência de tokens específicos. (token:1.3) aumenta o peso em trinta por cento, (token:0.7) diminui em trinta por cento. Vai com calma aqui: pondera dois ou três tokens, não dez.

Dica 4, usa o campo de prompt negativo. O campo de prompt negativo do Promptchan é um elemento de UI separado embaixo do prompt principal, e carrega a mesma sintaxe. Tokens negativos padrão pra fluxos de personagem adulto: bad-anatomy, extra-fingers, malformed-hand, watermark, low-quality, blurry. Adicionar tokens de falha de anatomia ao prompt negativo reduz a taxa de falha mais que empilhar tokens de detalhe de anatomia no prompt positivo.

Dica 5, respeita os trilhos de recusa da plataforma. As plataformas sem censura recusam subir foto de pessoa real, semelhança com pessoa real sem consentimento e retratar menores, e esse é o comportamento certo. Quando um prompt bate numa recusa, reenquadra ele dentro da política da plataforma: troca de semelhança com pessoa real pra personagem fictício, troca de subir foto pra persona descrita em texto. Tentativas persistentes de furar a recusa violam os termos de toda plataforma.

Onde rodar esses prompts: quatro plataformas comparadas

Quatro geradores de imagem IA sem censura vêm com arquitetura amigável a padrão de prompt que vale a pena usar. Cada um é forte em categorias diferentes, então casa a plataforma com a tua categoria dominante de intenção em vez de só pegar o nome mais bem avaliado no geral.

Promptchan (especialista em imagem) lidera em flexibilidade de padrão de prompt, porque vem com sintaxe densa de token com ponderação de prompt, campo de prompt negativo e trava de seed nos planos Plus e Pro. A economia de gemas dele é construída em torno do custo por imagem em vez de uma fachada de chat. O plano grátis entrega de 30 a 50 gemas diárias com resultado marca-d'água, e o Plus perto de $11.99 por mês tira a marca-d'água. Melhor encaixe se fluxos de sintaxe densa de token são o que você procura. Operado pela AI Research Group Limited conforme o campo de vendedor da App Store.

Candy.ai (construtor de persona) lidera num construtor de persona por slider que absorve prompts como prosa de definição de cena. Os personagens salvos são consistentes por sessão e o plano anual sai perto de $4 por mês efetivo. A pegada de compliance dele é a mais profunda das quatro: DPO nomeado, representante na UE nomeado, sitemap em dez idiomas, doze URLs de política dedicadas, operadora EverAI Limited registrada em Malta (C107181). Melhor encaixe se você quer um pacote de companheiro ao lado da geração de imagem em vez de sintaxe densa de token.

DarLink Ai (ancorado em narrativa) lidera no Living Memory, um estado narrativo de três camadas que ancora as imagens geradas à batida da conversa. Os prompts aqui se beneficiam de um verbo de ação dentro da cena que liga a imagem à narrativa, mais que de uma pilha de tokens visuais densos. A geração de imagem inline, com 4K alegado, tem como padrão um render com pegada fotorrealista. Melhor encaixe se você tá gerando ao longo de um arco narrativo em vez de rodar fluxos avulsos de prompt-e-resultado.

Joi (trava de identidade Face-Sync V4) lidera em consistência de personagem. A trava de identidade V4 é a mais forte documentada no conjunto de teste, o fluxo de criação de personagem salva perfis de persona multi-eixo que se reproduzem entre gerações, e a mesma engine se estende a um resultado de vídeo Dream Clips perto de 4K. Operado pela Novi Limited (Chipre, registro HE 407352). Melhor encaixe se você tá construindo arcos de personagem de várias imagens.

Testar o Promptchan (sintaxe densa de token + ponderação de prompt) →

Testar o Candy.ai (construtor de persona + pacote de companheiro) →

Testar o DarLink Ai (Living Memory ancorado em narrativa) →

Testar o Joi (trava de identidade Face-Sync V4) →

Perguntas frequentes

Resumindo, e esse é o guia de prompts de imagem IA inteiro num fôlego: um prompt funciona quando nomeia o sujeito, define a composição, ancora a luz, escolhe o estilo e pondera os tokens de detalhe. Seis categorias carregam o grosso da engenharia de prompt útil. Composição define o quadro estrutural, luz te dá o maior retorno por token, pose cuida da ação do personagem, estilo escolhe o registro visual, tokens de detalhe refinam, e consistência de personagem mantém o mesmo rosto entre arcos de várias imagens. Quanto a onde rodar tudo isso, as quatro plataformas se dividem por trabalho: Promptchan pra sintaxe densa de token com ponderação de prompt, Candy.ai pro construtor de persona por slider com pacote de companheiro, DarLink Ai pro Living Memory ancorado em narrativa, e Joi pra trava de identidade Face-Sync V4. Se você quer a short-list mais ampla antes de fechar, o melhor gerador de imagem IA sem censura é a próxima parada, e a página de geradores de imagem IA mapeia o espaço inteiro.

Verificado pela última vez em 17 de maio de 2026 · Veja o registro de errata para qualquer correção pós-publicação · Editora: Alexandra Joly · Metodologia · Processo editorial · Divulgação de afiliados