Pular para o conteúdo
ReviewRamble

A newsletter semanal

IA, analisada, na sua caixa de entrada.

  • Novas análises de ferramentas, modelos, servidores MCP e repositórios, com o veredicto logo no início
  • Preços e notas reconferidos quando algo muda
  • Novos artigos de análise assim que são publicados

Modelos, agentes, servidores MCP e as ferramentas que realmente valem seu tempo.

Um e-mail por semana. Cancele pelo link em qualquer edição. Como usamos seu e-mail

Text-to-image

Text-to-image (texto para imagem) é a tarefa de gerar uma nova imagem a partir de uma descrição escrita, chamada de prompt. A maioria dos modelos text-to-image atuais são modelos de difusão condicionados pelo texto.

Também chamado: image generation, T2I, AI image generator

Por Divya Sharma · Verificado em 15 de nov. de 2026 · Como analisamos

Você digita "uma bicicleta vermelha encostada em um muro de tijolos ao entardecer" e o modelo devolve uma imagem correspondente. Por trás disso, um codificador de texto transforma o prompt em números, e um modelo de difusão os usa para guiar a remoção de ruído, partindo de ruído aleatório até chegar a uma imagem.

Como o texto guia a imagem

Na difusão latente, o design por trás do Stable Diffusion, camadas de cross-attention conectam o texto à imagem em formação a cada passo. A guidance scale controla o quanto o modelo se prende ao prompt. Para um controle mais preciso de layout ou pose, as ferramentas adicionam ControlNet ou partem de uma imagem existente com image-to-image.

Para que quem constrói usa

Mockups de produtos, artes de marketing, ilustrações, assets de jogos e placeholders de interface. Opções hospedadas incluem Midjourney e Ideogram; modelos abertos como o FLUX.2 dev podem rodar na sua própria GPU. Veja modelos de imagem para mais.

Limites

Os modelos ainda podem ter dificuldade com texto exato nas imagens, contagem, mãos e layout espacial preciso. O resultado depende dos dados de treinamento, o que levanta questões sobre cópia de estilo e licenciamento. Os resultados são aleatórios por padrão, então o mesmo prompt gera imagens diferentes a menos que você fixe a seed. As imagens geradas geralmente são pequenas demais para impressão e muitas vezes passam por um AI upscaler.

Termos relacionados

Modelo de difusão
Um modelo de difusão (diffusion model) é um modelo generativo que aprende a transformar ruído aleatório em dados, como uma imagem, removendo um pouco de ruído por vez ao longo de muitos passos.
Upscaling de imagens com IA
O upscaling de imagens com IA (ampliação), ou super-resolução, usa uma rede neural para ampliar uma imagem e preencher detalhes plausíveis, para que o resultado pareça mais nítido do que um redimensionamento simples deixaria.
Image-to-image
Image-to-image (imagem para imagem) é a tarefa de gerar uma nova imagem a partir de uma existente mais um prompt, mantendo parte da estrutura da original enquanto muda estilo, detalhes ou conteúdo.
Guidance scale (CFG)
A guidance scale (escala de orientação), ou CFG scale, é uma configuração de geradores de imagem por difusão que controla com que força a saída segue o prompt. Valores mais altos seguem o prompt mais de perto, mas reduzem a variedade.
ControlNet
O ControlNet é um complemento de rede neural que permite a um modelo de difusão text-to-image seguir um guia estrutural, como um mapa de bordas, um mapa de profundidade ou uma pose humana, além do prompt de texto.
Inpainting e outpainting
Inpainting (preenchimento interno) é preencher uma região mascarada de uma imagem com conteúdo novo gerado que combine com o resto da imagem. Outpainting é a mesma ideia aplicada fora das bordas, estendendo a imagem além do seu quadro.

Fontes