Geradores de IA de texto para imagem: o que criam — e o que não conseguem mostrar

É fácil publicar uma lista dos «melhores» geradores de imagens e difícil mantê-la honesta. Os modelos, os preços e as interfaces mudam rapidamente. A questão que perdura é mais simples: como escolher uma ferramenta sem confundir uma primeira imagem impressionante com o controlo sobre a imagem, a sua origem ou as suas consequências?

O que é um gerador de texto para imagem?

Descreve-se por palavras uma cena, uma ideia ou uma direção visual. Um modelo interpreta essas palavras através de padrões aprendidos com material visual e textual e produz depois uma imagem que corresponde à sua estimativa do pedido. O resultado pode ser útil e surpreendente. Continua, porém, a ser uma proposta construída, moldada pelo material de treino, pelo modelo, pela interface e pelas predefinições que o rodeiam.

Uma imagem gerada pode ser um excelente esboço, painel de referências ou ilustração. Por si só, não prova que uma pessoa, um lugar ou um acontecimento tenham existido da forma que representa.

Quatro nomes conhecidos, quatro tipos de compromisso

Midjourney, DALL·E, Stable Diffusion e Leonardo AI são exemplos úteis porque representam produtos e fluxos de trabalho diferentes. Não constituem uma classificação permanente. As versões, as regras de acesso, os preços e os controlos mudam, pelo que deve comparar o trabalho que precisa de realizar, em vez de confiar numa lista antiga de vencedores.

Midjourney

O Midjourney é frequentemente utilizado para explorar com rapidez uma direção visual e as suas variações. Olhe para além do primeiro resultado impressionante: consegue preservar uma composição, fazer uma alteração precisa, manter a coerência de um motivo e explicar o que aconteceu entre as versões?

DALL·E

O DALL·E mostra como uma interface de linguagem pode conduzir naturalmente à criação de imagens. Instruções fluentes e resultados polidos podem dar a sensação de compreensão, mas não são o mesmo que compreender. Verifique a origem da imagem, os controlos utilizados e a afirmação que pretende sustentar com ela.

Stable Diffusion

Stable Diffusion pode designar uma família de modelos e fluxos de trabalho, e não uma única experiência. Os fluxos alojados e locais podem diferir nos modelos, nas definições, nas extensões e nas dependências. Registe esses pormenores se outra pessoa precisar de reproduzir ou examinar o resultado.

Leonardo AI

O Leonardo AI integra a geração num fluxo de trabalho criativo conveniente. Antes de um resultado entrar num produto, numa campanha ou numa publicação, verifique a conservação dos dados, a exportação, a proveniência e quem poderá corrigir a imagem mais tarde.

Compare um gerador através de cinco perguntas

1. Quanto controlo conserva?

Consegue editar uma área sem descartar toda a imagem? Consegue preservar uma composição, um motivo ou uma decisão visual? Um primeiro resultado bonito vale menos quando todas as correções relevantes obrigam a recomeçar.

2. O que pode saber sobre a sua proveniência?

Procure o modelo, o contexto de origem, o pedido, as definições e as transformações que o serviço disponibiliza. Um rótulo não responde a todas as questões de direitos, mas a ausência de qualquer registo deixa o observador seguinte sem uma forma razoável de avaliar aquilo que vê.

3. Consegue ver e contestar as predefinições?

Todos os sistemas têm predefinições: que pessoas e lugares representam com facilidade, que estilos tratam como normais, o que recusam e o que omitem. Uma ferramenta útil permite reparar nesses limites, em vez de os esconder por detrás de uma interface fluida.

4. Pode levar o trabalho consigo?

Confirme se pode descarregar a resolução necessária, conservar o pedido e as definições e transferir o trabalho para outra ferramenta. A portabilidade protege o seu tempo e impede que um processo criativo se transforme numa dependência invisível de uma subscrição.

5. Qual é o custo real?

Inclua o tempo de processamento, a pós-produção, a privacidade, o armazenamento, a incerteza quanto às licenças e a atenção necessária para analisar o resultado. Uma geração barata torna-se cara quando uma equipa tem de reparar uma imagem enganadora depois da publicação.

Quando uma imagem gerada é a ferramenta errada

Se a imagem se destinar a documentar uma pessoa, um lugar, um acontecimento ou uma condição física reais, comece por uma fotografia ou por outra fonte verificável. Uma imagem gerada pode imitar a linguagem visual de um registo sem preservar o acontecimento subjacente. Não peça a uma ferramenta concebida para inventar que suporte um ónus probatório que não consegue cumprir.

Este não é um argumento contra a imaginação. A ilustração, o trabalho conceptual e as experiências visuais têm valor. Mantenha a distinção entre invenção e registo percetível para as pessoas que dependerão da imagem.

Um processo exequível, conduzido por pessoas

Comece pela tarefa, não pela marca. Registe aquilo que a imagem deve comunicar, o que tem de permanecer verdadeiro e o que pode ser inventado. Mantenha juntos o pedido, o modelo ou serviço, as definições, o resultado e as alterações relevantes. Depois, peça a uma pessoa que verifique se a imagem faz uma afirmação mais forte do que as provas permitem.

Quando a distinção for importante, indique que a imagem é sintética. Mantenha um caminho de regresso ao material de origem e uma forma de corrigir o registo público. O sistema pode ampliar o leque de escolhas; uma pessoa tem de continuar responsável pela afirmação associada à imagem final.

Porque é que isto importa agora

As imagens circulam pela pesquisa, pelas notícias, pelas salas de aula, pelos locais de trabalho e pelas conversas privadas mais depressa do que a maioria das pessoas as consegue investigar. A questão urgente não é saber que produto vence uma corrida de funcionalidades. É saber se os sistemas de geração de imagens ajudam as pessoas a perceber o que estão a ver, a compreender os seus limites e a corrigir o registo quando este induz em erro.

Continue a partir daqui

Para explorar a questão mais ampla do que os sistemas generativos conseguem e não conseguem compreender, leia o guia sobre IA generativa. Para analisar mais de perto por que razão um pedido é uma instrução, e não compreensão, leia a Nota de Lu Heng sobre as camadas da realidade e o poder simbólico. O mais recente guia do leitor sobre IA de texto para imagem aplica o mesmo método a uma comparação real: começar pela tarefa, preservar o registo e escolher a ferramenta que lhe deixa maior capacidade de ação.