Copiar o estilo de uma foto que você gostou: as 10 perguntas que viram prompt

A folha de extração: 10 perguntas, na ordem em que se olha a foto

Você salvou uma foto do feed: fundo limpo, luz desenhando o rosto, roupa certa, aquele ar de foto cara. O pedido que sai naturalmente é "faz uma igual a essa, mas comigo", e é aí que o processo quebra, porque "igual a essa" não é instrução, é apontar o dedo. O modelo não recebe a sua admiração: recebe texto e pixels, e devolve o que consegue nomear.

Uma foto profissional não é uma coisa só. São dez decisões empilhadas, tomadas antes do clique por quem fez a foto, e quase todas dá para ler olhando o arquivo com atenção. A folha abaixo separa essas dez decisões na ordem em que o olho percorre um retrato e entrega, em cada linha, a frase em inglês que corresponde à resposta. Não é para decorar: é para responder dez perguntas com a foto aberta na tela.

Três dessas perguntas são as que quase ninguém escreve, e são as que mais mudam o resultado: altura da câmera, distância aparente e direção da luz. No teste próprio da seção seguinte, os prompts que o modelo escreveu sozinho a partir de uma foto cobriram enquadramento, ambiente, figurino e expressão em 16 de 16 execuções, e escreveram altura de câmera em 0 de 16. É a mesma ausência que este blog já tinha medido em outra amostra, quando auditou o que 85 mm de fato pede a um modelo de imagem e o que as palavras de fotografia entregam quando entram num prompt.

Como usar a folha: abra a foto no maior tamanho que conseguir, responda as dez perguntas em voz alta e escreva as respostas. O que você não conseguir responder olhando fica em branco. Campo em branco é melhor que chute, e essa regra volta duas vezes neste artigo, uma delas com número.

O prompt que extrai a folha da foto (bloco 1 de 2)

Dá para responder a folha na mão, e leva uns cinco minutos por foto. Dá também para delegar a leitura ao próprio modelo, que é o que quase todo mundo faz. A diferença entre o resultado bom e o ruim não está em quem lê: está em quais regras a leitura obedece. O bloco abaixo é o pedido de extração que eu usei no teste, pronto para colar junto com a foto de referência. Ele sai daqui com dois ajustes cosméticos, e vale declarar quais: os acentos, que a versão rodada não tinha, e a contagem escrita por extenso, que dizia "nove eixos" e listava dez. As instruções são as mesmas.

Esta é uma foto de outra pessoa que eu quero usar como referência apenas de cena.
Extraia dela um prompt em inglês para eu gerar uma foto minha no mesmo estilo, anexando uma selfie minha.

Regras obrigatórias:
1. Cubra, nesta ordem, os dez eixos: enquadramento e recorte; altura da câmera; distância aparente;
   direção da luz; qualidade da luz e preenchimento; separação entre a pessoa e o fundo; ambiente;
   figurino e grau de formalidade; expressão; tratamento de cor.
2. Escreva exatamente "não verificável" em qualquer campo que você não consiga medir a partir dos
   pixels que recebeu. Não estime, não suponha, não use valor típico. Isso vale para lente em mm,
   abertura, ISO, dpi, marca ou modelo de câmera e temperatura de cor em kelvin.
3. É proibido descrever a pessoa da foto de referência: nada de gênero, idade, etnia, tom de pele,
   cabelo, barba, formato de rosto, altura ou corpo. O prompt deve falar só da cena.

Responda apenas com o prompt final, sem comentários.

A ordem numerada existe porque leitura livre vira vitrine. Sem lista, o modelo escreve sobre o que é fácil nomear (a roupa, o sorriso, o fundo) e para quando a frase soa bonita. Com dez campos numerados, cada eixo tem de ser preenchido ou recusado explicitamente. No teste, isso levou o texto devolvido de 76 para 124 palavras em média, e o que entrou nas 48 palavras a mais foi quase só geometria.

A linha do "não verificável" é emprestada de outra tarefa. Ela nasceu aqui quando o blog pediu ao modelo um laudo sobre a sua própria foto de perfil e mediu o que ele mede e o que ele chuta. A regra viaja bem entre tarefas: sempre que o modelo é usado como leitor de imagem, ele preenche buraco com valor plausível. Lente em milímetros, abertura, ISO, temperatura de cor em kelvin e modelo de câmera são todos buracos. A própria OpenAI é literal sobre o motivo, no guia de imagens e visão: "The model doesn't process original file names or metadata." O que está fora do pixel não chega ao modelo, então não pode ser lido: só pode ser inventado.

A proibição de descrever a pessoa é a regra que este artigo existe para publicar. Ela parece redundante (você não pediu uma pessoa, pediu um estilo) e é justamente a que muda tudo. O motivo está medido na seção seguinte, e o número é 16 de 16.

O que a IA devolve quando você só pede "me dá o prompt": 32 execuções medidas

Em 19/08/2026 eu rodei 32 chamadas contra dois modelos de um mesmo fornecedor, sobre oito retratos sintéticos gerados pelo próprio produto. Nenhum rosto real foi enviado e nenhuma dessas imagens é publicada aqui. Cada retrato fez o papel de "a foto que você gostou" e recebeu dois pedidos: o pedido solto, que é o que a internet ensina ("descreva a foto e me devolva um prompt em inglês para eu gerar uma foto parecida"), e o pedido com a folha de dez eixos e as duas regras acima. Mesma imagem, mesmo modelo, duas instruções.

Uma palavra sobre a contagem, porque ela quase me traiu. Os 32 textos devolvidos foram conferidos um a um, lendo o trecho que casou com cada régua antes de somá-lo. Vale o trabalho: a primeira contagem automática marcava "skin tone rendering" como descrição de pessoa, e "skin tone rendering" é instrução de cor. Contada assim, ela devolvia 9 de 16 e teria enterrado o número que importa nesta página. O que está abaixo é a contagem conferida à mão.

Resultado 1: o prompt automático descreve a pessoa errada. Em 16 de 16 execuções soltas, o texto devolvido descrevia a pessoa da referência. Gênero apareceu em 16 de 16, cabelo em 16, faixa etária em 12, tom de pele ou etnia em 12, e barba ou óculos em 6. Com a folha, o mesmo balde caiu para 0 de 16, sem uma exceção nos dois modelos. Um começo literal de resposta, no braço solto:

"…a handsome light-skinned man in his early 30s, short neatly styled brown hair, subtle trimmed stubble, blue-gray eyes, calm confident slight smile… soft even high-key studio lighting… realistic, 85mm lens, shallow depth of field."

Você pediu o estilo e recebeu uma pessoa. Se esse texto for colado junto com a sua selfie, você acabou de escrever um rótulo demográfico que disputa a identidade com a sua própria foto anexada, sem ter digitado uma palavra sobre gente. É o modo de falha número 1 do caso, e o mecanismo já está publicado aqui em outro contexto: por que rótulo demográfico compete com a sua foto anexada. A diferença é que lá o texto problemático é o que você escreve, e aqui é o que a ferramenta escreve por você, num campo que você nem leu antes de colar.

Resultado 2: onze de dezesseis inventam uma lente, e as onze dizem a mesma. No braço solto, 11 dos 16 prompts trouxeram uma focal em milímetros, e todas as 11 escreveram 85mm. As imagens são sintéticas: não houve câmera, não houve lente e o arquivo não tem EXIF. Com a regra do "não verificável", nenhum dos 16 citou focal, e nenhum injetou abertura, ISO, dpi, marca de câmera ou temperatura de cor; em 6 das 16, o modelo escreveu "não verificável" nesses campos com todas as letras, cinco delas no modelo menor. O chute em si não é novidade neste blog: no laudo sobre a sua própria foto de perfil, o mesmo 85 mm apareceu em 8 de 8. O que muda é a tarefa e o destino. Lá o objeto era a sua foto e a saída era um laudo que você lê; aqui o objeto é a foto de outra pessoa e a saída é um texto que você cola. O mesmo chute viaja para dentro do seu prompt.

Resultado 3: o prompt solto cobre metade da cena, e sempre a mesma metade. A média de eixos endereçados foi de 5,9 de 10 no braço solto contra 10 de 10 com a folha. O que muda não é só a quantidade: é quais. Enquadramento, ambiente, figurino, expressão e qualidade da luz saíram em 16 de 16 nos dois braços. Altura da câmera, distância aparente e direção da luz saíram em 0 de 16 no braço solto, sem uma única exceção nos dois modelos. Com a folha, os três foram para 16 de 16. Só que preencher o campo não é preencher bem: das 16 respostas com a folha, 12 nomearam de que lado a luz vinha e 4 escreveram apenas "frontal", que é a descrição que serve para quase qualquer retrato de estúdio.

A leitura, com o recorte declarado de 32 chamadas em oito imagens sintéticas e um único dia: o prompt automático fala do que é nomeável numa foto e cala sobre o que é geométrico. Onde estava a câmera, a que distância e de onde vinha a luz são exatamente as três coisas que fazem uma foto parecer profissional, e são as três que ninguém escreve. O que o teste mostra é isso, e só isso: que o prompt automático descreve a pessoa e omite a geometria, e que a folha inverte os dois. Ele não mede ferramenta de terceiro nem compara fornecedores.

O prompt de geração, com os dois papéis declarados (bloco 2 de 2)

Com a folha respondida, o prompt de geração é montagem, não criação. A ordem importa: identidade primeiro, escopo em segundo, cena depois. As linhas de cena são as suas respostas da folha, uma por linha, no lugar dos exemplos abaixo.

Use the attached photo of me as the only identity reference.
Keep my face shape, skin tone, hair, natural asymmetries and any visible marks exactly as they are.
Do not beautify, do not slim my face, do not de-age me.

Scope: everything below describes the scene, the light and the clothes, never my face or my body.

Framing: head-and-shoulders, a small margin of empty space above my hair.
Camera: at eye level, portrait distance, natural facial proportions, no wide-angle distortion.
Light: main light from camera-left, slightly above eye level, soft and diffused, with gentle fill.
Separation: plain background clearly lighter than my hair, subtle rim light on my shoulders.
Environment: plain light grey studio backdrop, no props, empty corners.
Wardrobe: navy blazer over a white collared shirt, no tie.
Expression: calm and approachable, closed-mouth smile, looking into the lens.
Colour: neutral whites, restrained saturation, natural skin tone rendering.

No logos, no text, no watermark.
Output: square 1:1.

Em português: a foto anexada é a única fonte de identidade, e o pedido manda preservar formato de rosto, tom de pele, cabelo, assimetrias naturais e marcas visíveis, sem embelezar, afinar ou rejuvenescer. A linha de escopo declara que tudo abaixo dela fala da cena, da luz e da roupa, nunca do seu rosto ou do seu corpo. Depois vem a cena campo a campo, na ordem da folha, e a saída é declarada em 1:1, que é a proporção de foto de perfil. As três saídas reais do produto são 1024 x 1024 px, 1024 x 1536 px e 1536 x 1024 px.

Quando a ferramenta aceita mais de um anexo, existe uma etapa a mais: rotular cada imagem, dizendo qual é você e qual é só referência de cena. Essa parte já está publicada aqui, com o bloco pronto para copiar, em como rotular os dois anexos quando a ferramenta aceita mais de um. Não vou reescrevê-la.

O caso que ficou de fora é o mais comum de todos: a ferramenta tem um campo de anexo só. Aí a decisão é simples e contraintuitiva. O anexo é você, sempre. A foto que você gostou não entra como imagem: entra como texto, e a folha é exatamente o formato desse texto. Cada resposta vira uma frase de cena, nenhuma vira frase de pessoa. "Fundo cinza claro liso, sem objetos nos cantos" é cena. "Homem de trinta e poucos anos, cabelo curto castanho" é pessoa, e pessoa você já anexou. Essa é a regra inteira, e é o que separa uma foto sua com a luz que você queria de uma foto de um estranho parecido com a referência.

Vale saber onde a documentação dos fornecedores ajuda e onde ela engana. A documentação de geração de imagem do Gemini tem uma seção de transferência de estilo, mas o fluxo é o contrário do seu: "Provide an image and ask the model to recreate its content in a different artistic style", com Van Gogh no exemplo oficial. É a sua imagem indo para outro estilo artístico, não a luz de um retrato alheio vindo para o seu rosto. O orçamento de referência existe e é pequeno: a mesma página lista "Up to 3 images to be used as style references" num dos modelos, dentro de um limite total de 14. É orçamento do Gemini, declarado por ele, não regra universal de "toda IA".

Copiar o estilo de uma foto: o que transfere, o que transfere com perda e o que não se copia

Nem tudo o que você vê na foto atravessa para o outro lado. A régua é chata, mas confiável: transfere bem o que cabe numa frase de cena; transfere mal o que depende de física ou de layout; não transfere nunca o que pertence a outra pessoa.

O caso mais escorregadio é a composição. A OpenAI declara, na seção de limitações do guia de geração de imagem, que "the model may have difficulty placing elements precisely in structured or layout-sensitive compositions". E a documentação de personalização de estilo do Imagen 3 na Vertex AI, de um endpoint que a própria página lista como obsoleto, com migração recomendada até 30/06/2026, é o lugar em que um fornecedor escreveu por extenso o que a referência de estilo não faz. Entre os casos de uso que ela descreve como não intencionais está gerar uma imagem "com a intenção de ter algum nível de controle da composição gerada com base na imagem de referência". Não é um botão disponível hoje, e continua sendo a frase mais honesta publicada sobre o assunto: copiar composição a partir de uma referência é o caso que o próprio fornecedor diz não ter treinado.

O outro caso de perda é o milímetro. Escrever 85mm não faz o modelo simular uma lente: faz ele pedir a aparência que ele associa àquele número. Copiar profundidade de campo é copiar aparência, não óptica, e é por isso que a foto sai "parecida" e nunca idêntica no desfoque do fundo.

Por que a foto sai parecida com a referência e diferente de você

Quase todo defeito desse fluxo tem uma causa só: duas fontes de identidade competindo no mesmo pedido. Uma é a sua foto anexada. A outra é o texto que descreve a pessoa da referência, colado sem querer junto com a cena. O sintoma muda, a causa não, e o conserto é sempre subtração.

• O rosto saiu de outra pessoa. Causa: o prompt colado traz gênero, faixa etária, cabelo ou tom de pele da referência. Correção: apague toda palavra sobre pessoa e deixe a linha de identidade sozinha, apontando para o anexo. Não adiante adjetivo novo para corrigir: adjetivo novo é mais uma voz discordando da sua foto.
• O corpo não é o seu. Causa: a descrição herdada trouxe altura, tipo físico ou postura da referência. Correção: declare que da foto de referência não vem corpo, nem cabelo, nem pose, e deixe a cena falar só de luz, fundo e roupa.
• A roupa apareceu com detalhe estranho, como se fosse de outra pessoa. Causa: o figurino entrou colado à descrição da pessoa ("ele veste um blazer"). Correção: mova a roupa para a linha de cena, escrita como especificação: peça, cor e colarinho, sem sujeito.

Quando o rosto continua derrapando depois disso, a saída não é escrever mais: é reduzir o resto do prompt e melhorar a referência. Prompt longo dilui a instrução de identidade, e uma selfie com sombra dura, rosto parcialmente coberto ou resolução baixa manda mais no resultado do que qualquer linha de cena bem escrita.

E se o que você quer copiar é especificamente a luz, ela tem nome próprio e um custo conhecido em identidade: direção, qualidade e preenchimento numa linha só é o componente que mais separa foto profissional de selfie, e também o que mais mexe no modo como o modelo desenha o seu rosto.

O que a lei protege e o que ela não protege

Esta seção descreve dispositivos com número e data de consulta. É informação, não parecer jurídico. A Lei 9.610/1998, consultada no texto oficial no Planalto em 19/08/2026, lista entre as obras intelectuais protegidas "as obras fotográficas e as produzidas por qualquer processo análogo ao da fotografia" (art. 7º, VII). Aquela fotografia específica, a do perfil que você admirou, é obra protegida, e quem a fez tem direitos sobre ela.

O mesmo texto tem um artigo que diz o que não é objeto de proteção. O art. 8º, inciso I, cita "as idéias, procedimentos normativos, sistemas, métodos, projetos ou conceitos matemáticos como tais" (a grafia é a do texto oficial, anterior à reforma ortográfica), e o inciso II cita "os esquemas, planos ou regras para realizar atos mentais, jogos ou negócios". São dispositivos curtos e diretos, e nenhum deles fala de fotografia.

Aqui entra uma leitura, e ela é editorial, deste blog, não da lei: o art. 8º não contém a palavra "estilo". O que o dispositivo faz é não listar método e procedimento entre os objetos de proteção. A consequência prática que eu tiro daí, e da qual você pode discordar, é que anotar a receita (luz vindo da esquerda, câmera na altura dos olhos, fundo cinza claro, blazer marinho) e executá-la em outra foto, com outro rosto, é uma coisa; reproduzir aquela fotografia é outra. Não leia neste artigo que a lei autoriza copiar estilo, porque ela não trata do assunto com essa palavra.

Reproduzir a fotografia tem regra própria: o art. 79, § 2º diz que "É vedada a reprodução de obra fotográfica que não esteja em absoluta consonância com o original, salvo prévia autorização do autor". Titularidade, cessão, crédito e uso do arquivo são um assunto inteiro, e ele está em de quem é a fotografia que outra pessoa tirou. Na prática cotidiana, a linha que interessa é esta: a foto que você salvou fica no seu computador como anotação, não como material de publicação.

O limite que não é jurídico: o rosto tem de ser o seu

Existe um limite anterior ao legal, e ele é regra publicada de quem hospeda a foto. A página de ajuda do Linkedin sobre diretrizes e condições para foto de perfil, consultada em 19/08/2026, diz que "Você pode usar uma ilustração, caricatura ou outra representação artística de si mesmo, mas sua foto de perfil deve ser semelhante a você". Semelhança é o critério, e ele não tem exceção para foto bonita.

A mesma página lista, entre as imagens que podem ser removidas, "Imagens de terceiros, incluindo imagens de banco de imagens, fotos de celebridades e representações de personagens fictícios". Ou seja: copiar a luz, o enquadramento e o fundo de uma foto que você gostou é uma decisão de produção. Entregar um rosto que não é o seu é item de lista de remoção, escrito pela própria plataforma.

É por isso que a folha de extração tem dez eixos e nenhum deles é "a pessoa". Ela existe para copiar a cena. O rosto que aparece em cima dessa cena precisa ser o seu, e isso não é recomendação editorial: é a regra do lugar onde a foto vai ser publicada.

O que a folha não resolve

A folha melhora muito e não garante nada. Vale listar onde ela falha, porque é aí que você precisa olhar com os próprios olhos antes de colar o prompt.

• Campo preenchido não é campo bem preenchido. Com a folha, direção da luz e tratamento de cor aparecem em 16 de 16, e é aí que a leitura precisa ficar atenta: só 12 das 16 nomearam de que lado a luz vinha (8 de 8 no modelo maior, 4 de 8 no menor) e as outras 4 escreveram apenas "frontal". A cor seguiu o mesmo padrão, sempre em rótulo. São os dois campos que você confere na mão: olhe de que lado cai a sombra do nariz e escreva isso você mesmo.
• O recorte do teste é pequeno e declarado. São 32 chamadas, dois modelos de um único fornecedor, oito imagens sintéticas, um dia. Serve para mostrar o padrão e a inversão; não serve para falar de "toda IA" nem das ferramentas de conversão automática de imagem em prompt, que não publicam o que rodam por dentro.
• A folha copia a aparência da luz, não a física. Se a foto de referência foi feita num estúdio de verdade, com equipamento e um fotógrafo medindo, o que você reproduz é o efeito visível daquilo, não o mesmo conjunto de causas. A diferença aparece nos detalhes finos: brilho na pele, transição de sombra, desenho do cabelo contra o fundo.
• Referência sua ruim manda mais que cena boa. Nenhuma descrição de cena compensa uma selfie escura, cortada ou desfocada. Antes de brigar com o texto, vale conferir que foto sua vale a pena anexar, porque a entrada pesa mais que a redação.
• O mesmo prompt não devolve a mesma foto. Mesmo com a folha inteira preenchida, cada execução é uma geração nova, e existe uma faixa de variação que nenhum texto fecha. O tamanho dessa faixa está medido em por que o mesmo prompt não repete a mesma imagem. O alvo honesto é chegar perto da referência, não empatar com ela.

Resumo e próximos passos

Copiar o estilo de uma foto que você gostou é traduzir uma imagem em dez respostas e descartar a décima primeira, que seria a pessoa. A folha dá a ordem: enquadramento, altura da câmera, distância, direção da luz, qualidade da luz, separação do fundo, ambiente, figurino, expressão e cor. O prompt de extração transforma a leitura em texto sem inventar número e sem descrever gente; o prompt de geração monta a cena em cima de um único anexo, que é você.

Se em algum ponto o resultado sair estranho, o caminho é subtrair, não somar: menos palavras sobre pessoa, mais palavras sobre luz e geometria. E confira à mão os dois eixos que a folha preenche sem garantir, direção da luz e cor: em parte das execuções eles voltaram com a resposta mais genérica que existe.

O passo seguinte natural é encaixar essas linhas na estrutura maior do prompt: onde cada resposta da folha entra na anatomia do prompt é o guia do pilar aqui do blog, e ele mostra o que ainda falta declarar antes de apertar gerar.