Guia de Parâmetros de IA: Aspect Ratio, Seed, CFG, Stylize e Steps

Quase todo mundo que começa a gerar imagens com IA passa meses tentando melhorar os resultados só pelo texto do prompt: troca "bonito" por "deslumbrante", acrescenta "8K", "ultra detalhado", "obra-prima". E o resultado continua parecido. O motivo é simples: boa parte do que define a imagem final não está no texto — está nos parâmetros.

Parâmetros são os controles numéricos que dizem ao modelo como desenhar, e não o quê desenhar. Proporção da tela, quanto o modelo deve obedecer ao seu texto, quantas etapas de refinamento ele vai executar, qual semente aleatória usar, quanta liberdade estética ele tem. São eles que separam quem gera dez variações aleatórias de quem consegue repetir, ajustar e evoluir uma imagem de forma controlada.

Este guia é uma referência técnica dos cinco parâmetros que aparecem em praticamente todas as ferramentas — aspect ratio, seed, CFG, stylize e steps — mais alguns adjacentes que valem conhecer. A ideia é que você possa voltar aqui sempre que precisar lembrar o que cada valor faz, em qual faixa mexer e o que quebra quando você exagera.

Por que parâmetros importam mais do que adjetivos

Um modelo de difusão parte de ruído puro e vai "limpando" esse ruído passo a passo até chegar em uma imagem. O prompt funciona como um mapa de destino; os parâmetros definem a estrada, a velocidade e o quanto o motorista pode improvisar no caminho.

Isso explica por que dois prompts idênticos geram imagens completamente diferentes, e por que adicionar mais adjetivos muitas vezes não muda nada. Se o modelo já está com a obediência ao texto baixa (CFG baixo), acrescentar palavras não adianta — ele simplesmente não está prestando muita atenção nelas. Se os steps estão baixos demais, nenhum adjetivo vai salvar a textura da imagem, porque o modelo não teve iterações suficientes para resolver os detalhes.

A prática que separa iniciantes de gente experiente é a seguinte: mude um parâmetro de cada vez. Se você troca o prompt, o seed e o CFG na mesma tentativa, não vai saber o que causou a melhora. Fixando o seed e mexendo só no CFG, você isola a variável e aprende de verdade como aquele modelo se comporta.

Aspect ratio: a proporção que define o enquadramento

O aspect ratio (proporção, ou razão de aspecto) é a relação entre largura e altura da imagem. No Midjourney é escrito como --ar 16:9; no Stable Diffusion e derivados, você define largura e altura em pixels; no ChatGPT e no Gemini normalmente basta pedir em linguagem natural ("formato retrato 9:16").

Parece o parâmetro mais banal da lista, mas é o que mais influencia a composição. O modelo não apenas corta a mesma cena em formatos diferentes: ele recompõe. Um retrato pedido em 16:9 tende a virar um plano médio com fundo largo; o mesmo prompt em 2:3 vira um close vertical clássico de fotografia. A proporção muda o que a IA entende como "enquadramento natural" para aquela cena.

Valores mais usados e para que servem

Uma armadilha frequente: proporções muito extremas (como 3:1 ou 1:3) confundem modelos treinados majoritariamente em imagens próximas do quadrado. É comum aparecer duplicação — dois rostos, duas cabeças, elementos repetidos nas bordas — porque o modelo tenta "preencher" um espaço para o qual não tem referência forte. Nesses casos, o caminho mais seguro é gerar em 16:9 e depois usar recorte ou expansão por outpainting para chegar ao formato final.

Outro ponto prático: gerar já na proporção certa é sempre melhor que cortar depois. Cortar descarta pixels e reduz resolução útil. Se você precisa da mesma imagem em vários formatos, gere no formato mais restritivo (geralmente o vertical) e adapte os demais com redimensionamento controlado.

Seed: o número que torna o resultado repetível

O seed é o número inteiro que inicializa o ruído aleatório de onde a imagem nasce. Mesmo prompt + mesmo seed + mesmos parâmetros + mesmo modelo = mesma imagem, pixel por pixel. Mudou o seed, mudou tudo.

Esse é provavelmente o parâmetro mais subutilizado por iniciantes, e o mais importante para quem trabalha com IA de forma profissional. Sem controlar o seed, você não consegue iterar — só sortear de novo.

Os usos práticos são três:

• Refinar um resultado quase bom. Você gerou algo com a composição perfeita mas a cor errada. Fixe o seed, mude só a palavra da cor no prompt e gere de novo. A estrutura da imagem se mantém em boa parte, e só o elemento alterado muda.
• Comparar parâmetros de forma honesta. Quer saber se CFG 7 é melhor que CFG 11 para o seu prompt? Fixe o seed e gere as duas. Sem seed fixo, você está comparando duas imagens diferentes, não dois valores de CFG.
• Consistência entre imagens de uma mesma série. Em um catálogo de produto, uma sequência de ilustrações ou uma identidade visual, manter o seed ajuda a preservar a "assinatura" visual do conjunto.

Vale entender uma limitação importante: o seed é específico do modelo e da versão. O seed 42 no SDXL não produz nada parecido com o seed 42 no Flux. Trocou de modelo, seus seeds antigos viram números sem significado. Por isso, anote sempre modelo + versão + seed juntos, nunca o seed sozinho.

CFG Scale: o quanto a IA obedece ao seu prompt

CFG significa Classifier-Free Guidance, e a escala de CFG controla o peso que o modelo dá ao seu texto em relação ao que ele "gostaria" de desenhar por conta própria. É, na prática, um botão de obediência.

Valores baixos deixam o modelo criativo e solto, mas ele começa a ignorar partes do prompt. Valores altos forçam a aderência literal, mas a imagem fica saturada, com contornos duros, contraste exagerado e um aspecto artificial — o chamado "queimado" ou overcooked.

Um detalhe importante que confunde muita gente: modelos mais novos usam faixas diferentes. O Flux, por exemplo, trabalha com uma escala de guidance própria em que valores entre 2 e 4 são normais — colocar 7 ali já é alto. Modelos "turbo" e destilados, feitos para rodar em poucos steps, costumam pedir CFG entre 1 e 2. Ou seja: não existe um número universal, existe o número certo para aquele modelo. Sempre consulte a recomendação de quem publicou o checkpoint antes de assumir que 7 é o padrão.

Sintoma prático de CFG alto demais: pele com aparência plástica, cores neon, halo escuro em volta dos contornos, texto ou padrões repetidos de forma agressiva. Sintoma de CFG baixo demais: a imagem é bonita, mas metade do que você pediu não está lá.

Stylize: a estética própria do modelo

O parâmetro --stylize (ou --s) é característico do Midjourney e controla o quanto o modelo aplica sua própria sensibilidade artística sobre o seu pedido. É quase o oposto conceitual do CFG: em vez de medir obediência ao texto, mede liberdade estética.

A escala vai de 0 a 1000, com padrão em 100. Na prática:

• 0–50: literal. O modelo tenta desenhar exatamente o que você descreveu, sem "melhorar" nada. Útil para diagramas, referências técnicas, layouts e qualquer coisa em que a fidelidade importa mais que a beleza.
• 100–250: equilíbrio. Boa composição e paleta sem se afastar do briefing. É a faixa que resolve a maioria dos casos.
• 250–750: o modelo assume. Iluminação dramática, paletas ousadas, composições mais artísticas. Ótimo para pôsteres, arte conceitual e capas.
• 750–1000: estilo acima de tudo. A imagem fica linda e frequentemente distante do que você pediu. Bom para exploração criativa, ruim para briefing fechado.

Existe um parâmetro irmão que costuma ser confundido: o --chaos (ou --c, de 0 a 100), que controla a variedade entre as quatro imagens de um mesmo lote, não o estilo de cada uma. Chaos alto entrega quatro interpretações radicalmente diferentes do mesmo prompt — excelente para brainstorm inicial, péssimo quando você já sabe o que quer. Há ainda o --weird, que injeta estranheza deliberada e serve mais para experimentação do que para trabalho de cliente.

Em modelos fora do Midjourney não existe um "stylize" equivalente direto. O efeito parecido se consegue por outros meios: LoRAs de estilo, palavras-chave estéticas no prompt, ou ajuste fino do CFG. Vale conhecer o conceito mesmo assim, porque a lógica de "quanto de personalidade o modelo pode colocar" aparece de formas diferentes em quase toda ferramenta.

Steps: quantas iterações o modelo executa

Steps (ou sampling steps) é o número de etapas do processo de remoção de ruído. Cada step aproxima um pouco mais a imagem do resultado final. Mais steps significa mais tempo de processamento — e, até certo ponto, mais detalhe.

A palavra-chave é até certo ponto. Esse parâmetro tem retorno decrescente muito claro: a diferença entre 10 e 25 steps é enorme; entre 30 e 60 é sutil; acima de 80 é praticamente imperceptível, e você só está gastando tempo e energia.

Steps e sampler estão diretamente ligados. Samplers do tipo DPM++ 2M Karras convergem rápido e entregam bom resultado em torno de 25 steps. Samplers como Euler a (ancestral) nunca convergem completamente — a imagem continua mudando conforme você aumenta os steps, o que pode ser bom (mais variação para explorar) ou ruim (dificulta a reprodutibilidade). Se o seu objetivo é consistência, prefira samplers não-ancestrais.

Uma decisão prática de fluxo de trabalho: gere as explorações iniciais com steps baixos (15–20) para testar rapidamente dezenas de prompts, e só refaça a versão final, com o seed vencedor, em 30–40 steps. Isso economiza muito tempo em relação a rodar tudo em qualidade máxima desde o começo.

Os parâmetros adjacentes que também valem conhecer

Além dos cinco principais, alguns controles aparecem com frequência e resolvem problemas específicos:

• Prompt negativo: lista do que você não quer na imagem (mãos deformadas, marca d'água, texto, baixa qualidade). Presente no Stable Diffusion e derivados; no Midjourney existe como --no. É um dos ajustes de maior impacto e menor esforço — vale ler o guia dedicado sobre prompts negativos.
• Denoising strength: em image-to-image, define o quanto a imagem original será alterada. Valores próximos de 0,2 fazem retoques sutis; acima de 0,7 a imagem original vira apenas uma sugestão vaga de composição.
• Peso da imagem de referência (--iw no Midjourney): quanto a imagem enviada pesa em relação ao texto. Essencial para consistência de personagem.
• Sampler / scheduler: o algoritmo que executa a remoção de ruído. Muda velocidade de convergência e textura final; DPM++ 2M Karras e DDIM são escolhas seguras.
• Tile / seamless: gera texturas que se repetem sem emenda, para padrões e fundos.
• Versão do modelo (--v no Midjourney): versões diferentes têm estéticas e faixas de parâmetros diferentes. Mudar de versão invalida seus seeds anteriores.

Quais parâmetros existem em cada ferramenta

A nomenclatura varia bastante entre plataformas, o que causa boa parte da confusão. Esta tabela mapeia os equivalentes:

Repare no padrão: quanto mais a ferramenta é voltada ao usuário final (ChatGPT, Gemini), menos parâmetros ela expõe — a plataforma decide por você. Quanto mais próxima do modelo bruto (ComfyUI, Automatic1111), mais controle. Nenhuma das duas abordagens é superior; elas atendem objetivos diferentes. Se o seu trabalho depende de repetir resultados, você vai acabar precisando de uma ferramenta que exponha seed e CFG.

Como os parâmetros interagem: receitas por objetivo

Parâmetros não funcionam isolados. Estas combinações são pontos de partida testados — ajuste conforme o seu modelo:

A lógica por trás dessas escolhas é consistente: fotorrealismo pede CFG baixo (o modelo já sabe como uma foto se parece; forçar demais estraga); design gráfico e material promocional pedem CFG alto (você quer exatamente aqueles elementos, naquelas cores); e steps sobem apenas quando há muitos detalhes finos disputando espaço na cena.

Erros comuns e como corrigir

• Mudar tudo de uma vez. Prompt novo, seed novo, CFG novo. O resultado melhorou, mas você não sabe por quê — e não vai conseguir repetir. Uma variável por teste.
• Aumentar steps para resolver problema que não é de steps. Mão deformada, anatomia errada ou objeto faltando não se resolvem com mais iterações; são problemas de prompt, de modelo ou de proporção extrema.
• Copiar CFG de tutorial antigo. Um valor recomendado para SD 1.5 em 2023 pode ser péssimo no Flux ou no SDXL. Cada família de modelos tem sua faixa.
• Ignorar o seed. Sem ele, cada tentativa é um sorteio novo, e você nunca constrói em cima do que já deu certo.
• Usar proporções extremas de largada. Em vez de 3:1 direto, gere 16:9 e expanda por outpainting — menos duplicações e artefatos.
• Confundir resolução com qualidade. Gerar em resolução muito acima do que o modelo foi treinado costuma criar sujeitos duplicados. Melhor gerar na resolução nativa e ampliar depois com upscale.
• Não registrar nada. A imagem perfeita que você não sabe reproduzir é um acidente, não um resultado.

Checklist rápido antes de gerar

1. Defina a proporção pelo destino final da imagem, não pelo padrão da ferramenta.
2. Comece com os valores padrão do modelo — e confirme quais são, porque variam.
3. Rode um teste barato: steps baixos, quatro variações, só para validar a direção.
4. Escolha a melhor variação e anote o seed.
5. Com o seed fixo, ajuste um parâmetro por vez até chegar no ponto.
6. Refaça a versão final com steps de produção (30–40).
7. Registre prompt, negativo, seed, CFG, steps, sampler, modelo e proporção.
8. Faça a pós-produção: upscale, recorte, ajuste de nitidez e compressão para web.

Depois de gerar: a etapa que quase todo mundo pula

Uma imagem gerada por IA raramente sai pronta para publicar. Ela costuma vir em PNG pesado, na resolução nativa do modelo, sem o corte exato que o seu canal exige. Essa etapa final de tratamento é o que separa uma imagem "de IA" de uma imagem que simplesmente funciona no seu site ou perfil.

O roteiro básico de pós-produção é curto: ajuste o enquadramento com recorte quando a proporção final não bater exatamente; leve para a dimensão exata do destino com redimensionamento; recupere microdetalhe com ajuste de nitidez se a imagem foi ampliada; e, por fim, converta para WebP e comprima com o compressor, porque um PNG de 4 MB no topo da página derruba o PageSpeed independentemente de quão boa a arte seja.

Se a imagem vai virar identidade visual, o caminho continua em outras ferramentas: extraia a paleta com o gerador de paleta de cores para manter coerência entre as peças, e use o criador de logo com IA quando o objetivo for marca.

Perguntas frequentes