Os prompts negativos são uma das ferramentas mais poderosas e menos aproveitadas na geração de imagens com IA. Eles dizem ao modelo exatamente o que evitar, ajudando você a remover anatomia ruim, marcas d’água, estilos indesejados e ruído visual dos seus resultados. Este artigo explica exatamente quando e como usá-los para obter resultados mais nítidos, limpos e controlados em diferentes modelos de IA.
Você passa uma hora escrevendo o prompt perfeito. A imagem volta com seis dedos, uma marca d’água estampada no rosto e um fundo que parece um sonho febril. Soa familiar? É para isso que servem os prompts negativos: eles não acrescentam nada à sua imagem, eles subtraem exatamente o que você não quer. Usados corretamente, são o caminho mais rápido de um resultado frustrante para algo realmente utilizável.
Este artigo explica o que são tecnicamente os prompts negativos, quando usá-los realmente faz diferença e quando eles não vão ajudar em nada. Você também encontrará modelos prontos para cenários comuns e um passo a passo para usá-los nos modelos disponíveis agora.
Um prompt negativo é uma segunda entrada de texto que diz a um modelo de imagem com IA quais conceitos visuais afastar do resultado final. Em vez de descrever o que incluir, você está descrevendo o que evitar.
A mecânica por trás disso está ligada a um processo chamado orientação sem classificador (CFG), o mesmo sistema responsável por quão de perto o modelo segue seu prompt positivo. Durante a geração, o modelo executa duas passagens: uma guiada pelo seu prompt e outra que é essencialmente não guiada. A escala CFG controla o quanto ele puxa o resultado final para a versão guiada. Os prompts negativos funcionam acrescentando uma terceira direção, um vetor do qual a saída é empurrada para longe.
💡 Quanto maior a sua escala CFG, mais agressivamente os prompts negativos são aplicados. Uma CFG de 12 ou mais, com um prompt negativo longo, pode restringir demais o modelo e produzir resultados chapados e desbotados. Fique entre 6 e 10 para a maioria dos casos.
Um dos equívocos mais comuns é achar que escrever no blurry background vai impedir um fundo desfocado. O modelo não interpreta a negação em inglês simples. Escrever "no extra fingers" (sem dedos extras) no seu prompt positivo é, em grande parte, ignorado. O campo de prompt negativo é o único lugar onde o modelo realmente aprende a suprimir um conceito pelo mecanismo CFG.
É por isso que separar suas entradas em um campo dedicado para o prompt negativo importa, não apenas como escolha gramatical, mas como escolha funcional.
O controle deslizante da escala CFG define tanto o quanto o seu prompt positivo é seguido quanto a força com que o modelo empurra contra os seus conceitos negativos. Veja o que acontece em diferentes configurações:
| Escala CFG | Efeito nos prompts negativos |
|---|---|
| 3 a 5 | Os prompts negativos têm efeito mínimo; a saída é solta e criativa |
| 6 a 8 | Equilibrado. Os prompts negativos suprimem ativamente os conceitos listados |
| 9 a 12 | Supressão forte. Risco de restringir demais a anatomia e a cor |
| 13 ou mais | Muito rígido. Artefatos e distorções costumam aparecer |
Para a maioria dos trabalhos de retrato e produto, CFG 7 a 7,5 é o ponto ideal e confiável.
Nem toda geração precisa de um prompt negativo. Uma paisagem de rascunho rápido ou um esboço conceitual muitas vezes sai bem sem ele. As situações abaixo são aquelas em que os prompts negativos fazem uma diferença mensurável e visível.
Este é o caso de uso mais universal. Modelos de difusão treinados com imagens da internet frequentemente produzem mãos com dedos extras, rostos com traços assimétricos e braços que se dobram em ângulos impossíveis. Acrescentar o seguinte ao seu prompt negativo reduz imediatamente a frequência desses artefatos:
deformed, bad anatomy, extra limbs, extra fingers, mutated hands, poorly drawn hands, malformed limbs, fused fingers, cloned face
Isso funciona porque o modelo viu imagens rotuladas com esses descritores. Ao colocá-los no negativo, você desloca a geração para longe das imagens associadas a esses rótulos.
Modelos treinados com dados raspados da internet carregam uma tendência latente a reproduzir marcas d’água, logotipos de sites e textos aleatórios. Se a sua saída tiver texto branco em um canto ou uma marca d’água desbotada atravessando a imagem, acrescente:
watermark, text, logo, signature, brand, copyright, blurry text, letters, words
Para fotografia de retrato especificamente, acrescentar username e artist name pode limpar parte da contaminação por texto mais persistente.
Você pede um retrato fotorrealista e recebe algo que parece uma pintura digital ou um personagem de anime. Isso acontece quando os dados de treinamento do modelo para o seu tema são dominados por um estilo artístico específico. Os prompts negativos podem redirecioná-lo:
illustration, painting, drawing, cartoon, anime, manga, sketch, 3d render, cgi, digital art, concept art, cel shading
💡 Ao fotografar com foco em fotorrealismo, combine sempre os negativos de estilo com modificadores de qualidade no seu prompt positivo. Algo como: "photorealistic, RAW photograph, 8k, shot on Canon EOS R5, 85mm lens" no positivo, mais as exclusões de estilo no negativo.
Modelos de IA adoram preencher espaços vazios com ruído visual: objetos aleatórios, texturas não naturais ou ambientes que não combinam com o assunto. Se você quer um resultado limpo:
cluttered background, busy background, messy environment, distracting elements, random objects, noise
Existe um bloco amplamente usado de termos que suprimem a qualidade e que se tornou quase universal na comunidade do stable diffusion:
ugly, worst quality, low quality, normal quality, lowres, bad quality, jpeg artifacts, compression artifacts, blurry, oversaturated, overexposed, underexposed
Isso funciona porque o modelo viu imagens com essas tags e aprendeu suas características visuais. Negar esses termos empurra a amostragem para regiões de maior qualidade no espaço latente.
Aqui estão modelos prontos para uso nas três categorias de geração mais comuns. Cole-os como estão e depois personalize.
ugly, deformed, bad anatomy, extra limbs, extra fingers, fused fingers, mutated hands, poorly drawn hands, poorly drawn face, mutation, deformed, blurry, bad proportions, missing arms, missing legs, long neck, watermark, signature, text, logo, jpeg artifacts, low quality, worst quality, overexposed, underexposed, illustration, painting, 3d render, cgi, cartoon, anime
ugly, low quality, blurry, oversaturated, haze, overexposed, lens flare, flat lighting, watermark, text, logo, signature, people, human figures, distracting foreground objects
watermark, text, logo, brand name, messy background, clutter, low quality, blurry, motion blur, grain, noise, bad lighting, overexposed highlights, color cast, distorted perspective
💡 Salve seus melhores modelos de prompt negativo em um lugar onde você possa colá-los rapidamente. Refazê-los do zero a cada sessão desperdiça um tempo que poderia ir para iterar no seu prompt positivo.
O Stable Diffusion no PicassoIA é uma das implementações mais diretas de prompts negativos disponíveis. O modelo expõe o campo de prompt negativo nativamente, com controle completo da escala CFG e do agendador.
Passo 1: Abra o modelo Acesse a página do Stable Diffusion e abra a interface de geração.
Passo 2: Escreva seu prompt positivo Preencha o campo do prompt principal com a descrição do seu assunto e do estilo. Seja específico: descreva a iluminação, o ângulo e o clima.
Passo 3: Adicione seu prompt negativo No campo Negative Prompt, cole seu modelo. Comece pela base de anatomia e qualidade e depois acrescente o que for específico da sua cena.
Passo 4: Defina sua escala CFG Comece em 7,5. Esse é o padrão do modelo e funciona bem na maioria dos casos. Se os prompts negativos parecerem agressivos demais ou a saída ficar chapada, desça para 6. Se marcas d’água ou problemas de anatomia persistirem, experimente 8 ou 9.
Passo 5: Escolha seu agendador DPMSolverMultistep é o padrão e produz resultados nítidos em 30 a 50 passos. K_EULER_ANCESTRAL adiciona um pouco mais de variação, o que pode ajudar se as suas saídas parecerem uniformes demais.
Passo 6: Defina os passos de inferência Use 30 a 50 passos para as saídas finais. Menos passos significam geração mais rápida, mas menos detalhe, especialmente em rostos e mãos.
Passo 7: Gere e itere Faça a primeira geração. Se problemas de anatomia ou qualidade continuarem, amplie seu prompt negativo com termos mais específicos para o que deu errado. Prompts negativos são iterativos: a primeira versão raramente é a final.
O PicassoIA executa o Stable Diffusion sem limites de geração, então você pode iterar quantas vezes precisar sem acompanhar um contador de créditos.
O Dreamshaper XL Turbo roda na resolução SDXL (1024x1024) com um pipeline de inferência rápido, normalmente produzindo um resultado com apenas 6 passos de remoção de ruído. A contagem menor de passos muda a forma como você deve pensar nos prompts negativos.
Passo 1: Abra o modelo Acesse o Dreamshaper XL Turbo no PicassoIA.
Passo 2: Mantenha o guidance scale (CFG) baixo O Dreamshaper XL Turbo é calibrado para um guidance scale (CFG) de 2. Nessa escala, os prompts negativos têm um toque mais leve do que teriam com CFG 7. Isso é intencional: a arquitetura turbo gera resultados de qualidade com orientação mínima. Não suba o CFG para 7 ou 8, porque isso vai produzir artefatos com este modelo.
Passo 3: Use um prompt negativo focado Como o CFG é mais baixo, use apenas os termos negativos mais críticos. Uma versão compacta funciona melhor aqui do que uma lista de 200 palavras:
ugly, deformed, noisy, blurry, low contrast, text, watermark, 3d render, cgi, bad anatomy
Passo 4: Execute de 6 a 8 passos de inferência Este modelo produz boa qualidade em 6 passos. Para trabalhos de retrato, 7 a 8 passos acrescentam refinamento aos detalhes do rosto sem aumentar muito o tempo de geração.
Passo 5: Itere sobre o estilo O Dreamshaper lida com estilos fotorrealistas, de anime e pintados dentro do mesmo modelo. Se a sua saída sair do estilo pretendido, acrescente esse estilo ao prompt negativo e gere de novo.
O Flux Schnell é arquiteturalmente diferente do Stable Diffusion e do Dreamshaper. Ele usa um transformador de fluxo retificado em vez de uma base UNet, e não implementa a orientação sem classificador da mesma forma.
A implicação prática: o Flux Schnell não tem um campo de prompt negativo. O modelo foi projetado para interpretar apenas prompts positivos, e seu treinamento já evita, por padrão, saídas de baixa qualidade. Isso significa que:
Para o Flux Schnell, use estas estratégias de prompt positivo:
| Em vez de um negativo | Use no prompt positivo |
|---|---|
bad anatomy excluído | anatomically correct, precise anatomy |
blurry excluído | sharp focus, tack sharp, crisp detail |
watermark excluído | O Flux evita isso por padrão |
cartoon excluído | photorealistic, photographic, RAW |
💡 O Flux Schnell é a escolha certa quando você precisa de velocidade e de uma saída limpa a partir de um prompt positivo curto e preciso. O Stable Diffusion ou o Dreamshaper XL Turbo são a escolha certa quando você precisa de controle de exclusão refinado por meio de um campo de prompt negativo dedicado.
O erro mais comum é tratar o prompt negativo como a solução para um problema que na verdade está no prompt positivo. Se a sua imagem parece ruim, o problema muitas vezes é que o prompt positivo está vago, e não que o prompt negativo é curto.
A proporção que funciona: Gaste 80% do seu esforço na descrição positiva do prompt. Gaste 20% no negativo. Um prompt positivo vívido e específico, com um negativo curto e focado, quase sempre terá desempenho melhor do que um positivo vago com um negativo de 300 palavras.
Se você não pediu uma floresta no seu prompt, não precisa de no trees no negativo. Acrescentar termos para coisas que o modelo nunca ia gerar desperdiça atenção que poderia ir para suprimir problemas reais. Cada termo do seu prompt negativo disputa a atenção do modelo.
Alguns modelos e interfaces aceitam ponderação de atenção usando parênteses. O formato (bad anatomy:1.5) aumenta o peso de supressão sobre um conceito específico. Use com moderação. Exagerar na supressão de termos anatômicos centrais pode levar o modelo a produzir uma anatomia distorcida de outra forma, em vez de corrigi-la.
1. Escrever negativos em inglês simples dentro do prompt positivo
"A portrait without bad anatomy" não funciona. O modelo trata todo texto do prompt positivo como algo a incluir. A negação na gramática não é a mesma coisa que a negação no espaço latente. Use o campo de prompt negativo dedicado.
2. Usar o mesmo prompt negativo para todos os modelos
Um prompt negativo calibrado para o Stable Diffusion com CFG 7,5 vai se comportar de forma diferente no Dreamshaper XL Turbo com CFG 2. Ajuste sempre o tamanho e a especificidade do seu prompt negativo ao guidance scale (CFG) do modelo.
3. Acrescentar negativos sem regerar com várias seeds
Um prompt negativo que parece não ter efeito pode estar funcionando, mas a seed específica em que você está é teimosa. Gere com 3 a 5 seeds diferentes usando os mesmos prompts antes de concluir que um termo negativo é ineficaz.
Os modelos que aceitam prompts negativos não são filtros mágicos. São ferramentas que respondem à precisão. Quanto mais claramente você define tanto o que quer quanto o que não quer, mais confiavelmente obtém saídas que correspondem à sua intenção.
Os modelos abordados aqui estão disponíveis agora no PicassoIA, sem limites de geração nem teto de créditos:
Abra qualquer um desses modelos, cole um dos modelos deste artigo e faça seu primeiro teste. Ajuste uma variável por vez, seja os termos negativos ou a escala CFG, e observe o que muda. Esse ciclo de feedback é de onde vem a habilidade real com prompts.
Escolha seu idioma
