Prompt para foto profissional sem mudar o rosto: o bloco que trava a identidade

O bloco de identidade que abre um prompt para foto profissional sem mudar o rosto

Você veio copiar alguma coisa, então ela vem antes da explicação. O bloco abaixo tem quatro travas e uma linha de escopo, e o lugar dele é o topo do prompt, antes de cenário, roupa, luz e enquadramento. Ele funciona em qualquer superfície que aceite uma foto anexada mais um texto, e não depende de ferramenta.

A forma dele não é invenção de blog. Segue o padrão de alta fidelidade publicado na documentação da API de geração de imagem do Gemini, consultada em 29/07/2026, que manda descrever o detalhe crítico em vez de torcer para o modelo notá-lo sozinho: "To ensure critical details (like a face or logo) are preserved during an edit, describe them in great detail along with your edit request." A mesma página traz o gabarito da trava, "Ensure that the features of [element from image 1] remain completely unchanged."

Identity source: the attached photo is the only source of who I am. Do not use any other face as reference.
Lock what is visible in it: face shape and proportions, eye shape, size and spacing, nose, mouth, jaw and chin width, skin tone and skin texture, hairline and hair texture, plus every visible mark (freckles, moles, scars, tattoos) and every natural asymmetry.
Do not infer: do not apply any age, ethnicity, body type or "improved" version of me that is not visible in the photo. If something is not visible, leave it as it is.
Do not idealise: no beautifying, no de-ageing, no skin smoothing, no skin lightening, no slimming, no symmetry correction, no makeup, hair or facial hair that is not already there.
Scope: everything I describe after this block is about the scene, the clothes, the light and the framing, never about my face or my body.

Em português, o bloco diz o seguinte: a foto anexada é a única fonte de quem eu sou; trave o que está visível nela, do formato do rosto ao espaçamento dos olhos, da largura da mandíbula à textura da pele, da linha do cabelo a cada pinta, cicatriz, tatuagem e assimetria natural; não deduza idade, etnia ou tipo de corpo que a imagem não mostra; não idealize nada (nada de embelezar, rejuvenescer, alisar, clarear, afinar ou corrigir simetria); e tudo que vier escrito depois deste bloco fala da cena, não de mim.

Por que cada linha existe, e o que acontece quando ela sai:

• Identity source nomeia a fonte. Sem ela, a foto vira uma referência entre outras e o modelo pode misturar o seu rosto com o rosto médio que ele aprendeu no treino.
• Lock what is visible transforma "preserve meu rosto" numa lista de regiões. É a diferença entre um pedido genérico e uma lista de lugares nomeados, que é a forma usada no estudo de mitigação citado mais abaixo (lá são sete dimensões observáveis).
• Do not infer fecha a porta da dedução. A sua foto não informa a sua idade em números nem a sua etnia por rótulo: se você deixar isso em aberto, o modelo escolhe um valor.
• Do not idealise é a linha com evidência medida a favor, e a que quase ninguém escreve. Embelezar, rejuvenescer e clarear são comportamentos padrão, não acidentes.
• Scope é a linha de forma nova aqui. Ela declara que o resto do prompt fala da cena, e resolve num lugar só a competição entre "quem" e "o quê".

Regra de uso: cole o bloco inteiro, sem editar, no topo; escreva embaixo os componentes de cena (ambiente, roupa, luz, lente, expressão) e nunca acrescente adjetivo sobre você mesmo no meio deles. Ele é o primeiro dos seis componentes de um prompt de foto, e o mapa completo está em onde o componente de identidade aparece ao lado dos outros cinco.

Por que o rosto muda mesmo com a sua foto anexada

"É parecido, mas não sou eu." Essa frase costuma vir depois da terceira tentativa, e ela descreve bem o que aconteceu: o modelo não ignorou a sua foto, ele negociou com ela. A deriva de identidade tem quatro peças, e nenhuma delas é mística.

1. A foto é uma fonte de condicionamento, o texto é outra. Elas entram juntas na mesma decisão. Onde as duas discordam, uma perde. Se a imagem mostra alguém de 58 anos e a linha seguinte pede "pessoa de 30 a 45 anos", você não deu uma informação a mais: você abriu uma disputa entre duas fontes que dizem coisas diferentes. Nenhum fornecedor publica quem ganha essa disputa; o que está no seu controle é não abri-la.

2. O que você não declara é preenchido pela média do treino. Bianchi et al. mediram isso em geração de imagem por texto e publicaram o limite incômodo: os estereótipos aparecem independentemente de o prompt mencionar ou evitar linguagem demográfica ("Stereotypes are present regardless of whether prompts explicitly mention identity and demographic language or avoid such language"). O estudo é de geração sem foto de referência anexada, então ele não descreve o seu caso inteiro. O que ele sustenta é a consequência prática: apagar o rótulo do prompt ajuda, mas não apaga a média que o modelo carrega. Por isso a proibição explícita continua sendo necessária.

3. Não existe um botão de fidelidade para girar. O guia de geração de imagem da OpenAI, consultado em 29/07/2026, é literal sobre isso: "For gpt-image-2, omit this parameter; the API doesn't allow changing it because the model processes every image input at high fidelity automatically." A leitura correta desanima e liberta ao mesmo tempo: não há ajuste escondido, então a única alavanca do lado da entrada é o arquivo que você anexa.

4. A consistência entre gerações é uma limitação declarada. O mesmo guia escreve que "the model may occasionally struggle to maintain visual consistency for recurring characters or brand elements across multiple generations". É a resposta oficial para a pergunta "por que mudou na terceira mensagem do mesmo chat": cada geração é uma geração nova, e a semelhança com a anterior não é garantida por contrato.

Junte as quatro peças e a leitura muda: deriva de identidade não é azar nem ferramenta ruim, é o resultado de uma disputa que acontece dentro do seu prompt e que você pode arbitrar por escrito.

Descrição observável e rótulo demográfico: a distinção que decide o rosto

Este blog já publicou uma versão mais curta e menos correta desta regra: "não descreva a pessoa quando existe foto anexada". A documentação oficial desmente a parte absoluta dessa formulação, e vale corrigir em público. O exemplo de alta fidelidade da doc do Gemini descreve a pessoa antes de travá-la: "Take the first image of the woman with brown hair, blue eyes, and a neutral expression... Ensure the woman's face and features remain completely unchanged." Ou seja: descrever ajuda. O que importa é o que se descreve.

A distinção que funciona é entre duas formas de escrever a mesma pessoa:

• Descrição observável: você aponta para algo que está visível na foto e manda aquilo sobreviver. "Keep the exact hair texture, volume, parting and hairline visible in the reference" não cria nada; confirma o que precisa continuar de pé.
• Rótulo demográfico: você nomeia uma categoria e entrega ao modelo a escolha de qual pessoa dentro dela. "Brazilian woman, 25 to 40 years old" não aponta para a sua foto; abre um intervalo e deixa o modelo escolher um ponto dentro dele.

A evidência primária disso não é opinião. Seo et al. auditaram 5.040 retratos editados em três modelos de pesos abertos, onde entre 62% e 71% das saídas clarearam a pele. No estudo de mitigação, eles prefixaram à instrução sete dimensões observáveis (tom de pele, estrutura facial, olhos, nariz, lábios, cabelo e traços distintivos), escritas, nas palavras dos autores, "as observable descriptions rather than demographic labels". A troca de traços caiu 1,48 ponto nos retratos de origem negra e 1,23 nos indianos, contra 0,06 nos brancos, sem tocar nos pesos do modelo. Os limites são três, e nenhum deles é opcional: o estudo testou editores de pesos abertos, não o ChatGPT nem o Gemini; mede edição de retrato, não geração a partir de uma selfie; e os próprios autores chamam a intervenção de estudo de caso, não de solução geral.

Do outro lado, dá para medir o que a busca brasileira publica. Em 29/07/2026 abrimos as seis páginas dos primeiros resultados dessa consulta e extraímos 170 prompts de foto de cinco delas (a sexta publica o comando em texto corrido, e a regra de extração não captura texto assim). O resultado: 162 dos 170 ancoram a identidade na foto (pedem preservar rosto, traços ou identidade), o que já é padrão de mercado e não diferencia ninguém. E 100 dos 170 colam, no mesmo bloco da âncora, uma etiqueta do tipo "Brazilian/Latin woman, 25-40 years old": são 35 variações distintas dessa etiqueta, com limite inferior mais baixo em 22 anos, superior mais alto em 62, e amplitude mediana de 18 anos.

A faixa etária é o pior caso do rótulo, e por um motivo aritmético. Uma amplitude de 18 anos é uma decisão inteira entregue ao modelo dentro de um prompt que, duas linhas acima, pediu fidelidade à foto. Se você tem 58 anos, a etiqueta mais generosa do conjunto para em 62 e a mais comum termina em 40: o texto está pedindo que o modelo rejuvenesça você, e o modelo obedece. Vale notar que a mesma página que concentra esses 100 blocos (um material de 105 prompts publicado em treinamentosaf.com.br, atualizado em 13/05/2026) escreve a regra certa com todas as letras, "nunca descreva como você é, mostre quem você é com a foto". A regra publicada e os prompts publicados discordam, e isso é conferível em trinta segundos com Ctrl+F.

Quando o marcador é específico do seu rosto, o repertório fica nos dois artigos irmãos: os marcadores que o modelo mais altera em rosto feminino e barba, linha do cabelo e grisalho, declarados um a um. Aqui o tratamento é mecânico e vale para qualquer rosto.

O que mais compete com a sua foto dentro do prompt

Rótulo demográfico é o concorrente mais óbvio, mas não é o único. Vale conhecer a lista, porque o diagnóstico da próxima seção depende de saber o que remover:

1. Rótulo e faixa etária: a etiqueta que descreve categoria em vez de apontar para a imagem.
2. Adjetivo de acabamento: "glow", "pele impecável", "flawless", "aesthetic". São palavras que agem exatamente sobre a superfície do rosto, e é onde o clareamento medido por Seo et al. mora.
3. Efeito estético forte: preto e branco de alto contraste, grade cinematográfica, luz de beleza. Estilização cobra o preço em semelhança, e o eixo do acabamento está tratado em o registro casual e a escala de risco por efeito.
4. Cenário com muitos elementos: cada objeto pedido é uma decisão a mais na mesma passada. A própria doc do Gemini recomenda o contrário para cena complexa: "Use step-by-step instructions: For complex scenes with many elements, break your prompt into steps."
5. Referência de estilo misturada com referência de pessoa: no Gemini os orçamentos são separados por escrito, e isso é revelador. A doc, consultada em 29/07/2026, declara mistura de até 14 imagens no total, sendo até 4 de personagem no Gemini 3.1 Flash Image e até 5 no Gemini 3 Pro Image, o único da tabela que também tem orçamento próprio de referência de estilo, de até 3 imagens (nome e limite de modelo mudam rápido). Quem fabrica o modelo trata "quem" e "como parece" como coisas diferentes; o seu prompt também deveria.

Isso parece contradizer outra recomendação da mesma documentação, que manda ser hiperespecífico ("Be hyper-specific: The more detail you provide, the more control you have"). Não contradiz, e a reconciliação é a regra mais transferível deste artigo: acrescente detalhe sobre o rosto, remova detalhe sobre todo o resto. Detalhe útil tira uma decisão do modelo. Palavra decorativa devolve uma.

Vale também separar dois tipos de negativa, porque a doc trata cada uma de um jeito. Para elemento de cenário, ela recomenda reescrever em positivo (em vez de "sem carros", descreva a rua vazia). Para traço de aparência, a proibição explícita é o que tem medição a favor. "Do not lighten my skin" continua sendo a forma certa de escrever.

Diagnóstico: o que a saída mostra, o que sai do prompt

A tabela abaixo é o artefato de socorro. Ela tem quatro colunas, e a ordem de leitura importa: a terceira coluna é a que resolve. Quase toda deriva de identidade é excesso, não falta, então antes de escrever uma linha nova vale procurar a linha que já está lá pedindo aquilo sem você perceber.

Duas ressalvas honestas antes de usar. Primeira: causa provável é causa provável, não diagnóstico de fornecedor; a coluna 2 é leitura editorial deste blog a partir do comportamento observado e da evidência citada acima. Segunda: as frases da coluna 4 são acréscimos ao bloco de identidade, não substitutos dele. Se você colar só a linha de correção e apagar o bloco, o problema volta na geração seguinte.

Quando o rosto derivar, tire linha, e nesta ordem

O reflexo natural é o contrário: o rosto saiu errado, então você escreve mais uma frase mandando manter o rosto. A recomendação circula assim na busca brasileira (um dos materiais lidos, atualizado em 15/05/2026, oferece como socorro a linha "make the face 100% identical to the reference photo"). O problema é que a frase nova não vence as anteriores: ela se soma a elas. Se existem oito linhas mexendo no rosto, a nona não apaga nenhuma, só aumenta o número de instruções que o modelo precisa conciliar na mesma passada.

A ordem de corte abaixo é heurística editorial deste blog, e vale dizer isso com todas as letras. Ela está ancorada em três coisas escritas por quem fabrica os modelos: a recomendação de quebrar cena complexa em passos, o limite declarado de consistência entre gerações e o custo medido de travar (no estudo citado, as restrições de aparência reduzem a troca de traços e ao mesmo tempo derrubam a aderência ao pedido, com diferença média de 0,43 ponto).

1. Compare a saída com a referência pelo método da próxima seção, para saber se o que mudou foi o rosto ou só a luz e a roupa.
2. Corte os adjetivos de estilo e de acabamento. É a camada mais barata de perder e a que age diretamente sobre a pele.
3. Corte o efeito estético (preto e branco de alto contraste, grade cinematográfica, luz de beleza).
4. Corte o cenário elaborado. Troque a descrição de ambiente por um fundo liso e guarde o cenário para depois.
5. Corte a iluminação sofisticada. Uma luz de janela difusa basta para avaliar identidade.

O que nunca sai: o bloco de identidade e a linha de escopo. E uma regra de método que economiza rodadas: mude uma variável por vez e volte sempre ao arquivo original, nunca à última saída. Comparar a rodada 4 com a rodada 3 esconde o erro acumulado; comparar com o arquivo original mostra.

Quando a cena está boa e só o rosto derivou, existe um caminho mais barato do que regerar tudo: pedir uma correção cirúrgica sobre a imagem que saiu, travando o resto.

change only my face: restore the exact proportions, jaw width, nose and skin texture from the attached reference; keep everything else in the image exactly the same.

Em português: mude apenas o meu rosto, restaure proporções, largura da mandíbula, nariz e textura de pele a partir da referência anexada, e mantenha todo o resto da imagem exatamente igual. Essa é a fórmula da edição, e ela tem regras próprias (risco por tipo de ajuste, conferência de borda e de sombra) que estão em quando o certo é corrigir a foto que já saiu. Aqui a linha entra como saída de emergência, não como assunto.

Como comparar referência e saída sem se enganar

Existe um passo que quase ninguém executa, e é o que separa quem corrige de quem chuta. Nas 39.300 palavras que lemos, as palavras "comparar" e "comparação" aparecem duas vezes no sentido de conferir a saída contra a referência, sempre sem método (contamos essas duas palavras, não o radical bruto: "compartilhe" e "comparativos" apareceriam dezenas de vezes e inflariam o número). E "assimetria", "pinta", "sarda", "cicatriz" e "tatuagem" não aparecem nenhuma vez, contadas por radical e sem distinção de caixa: ninguém manda conferir a marca que identifica você.

Comparar a olho falha por um motivo técnico, não por falta de atenção: a saída tem outro enquadramento, outra distância de câmera, outra luz e outro tamanho de arquivo. Medida absoluta não compara nada nessas condições. Razão compara, porque ela sobrevive à mudança de escala. Três razões dão conta da maior parte da deriva:

• Razão 1: distância entre os centros das pupilas dividida pela largura do rosto na altura dos olhos. É a proporção que muda quando o modelo "afina" você.
• Razão 2: distância da linha dos olhos até a base do nariz dividida pela distância da linha dos olhos até a base do queixo. Esse é o terço médio do rosto, a região que mais se desloca quando o modelo tenta melhorar alguém.
• Razão 3: largura da mandíbula na altura da boca dividida pela largura do rosto na altura dos olhos. Pega afinamento de mandíbula e de queixo, que é a idealização mais comum e a mais difícil de perceber sem medir.

Some a essas três uma checagem binária, que não tem meio-termo: aquela marca específica (a pinta acima do lábio, a sarda no nariz, a cicatriz na sobrancelha, a falha na barba, a tatuagem no pulso) está lá, no mesmo lugar e do mesmo tamanho? Se sumiu, o modelo redesenhou a região, e nenhuma impressão de semelhança sobrevive a esse teste.

Dá para fazer sem software. Abra as duas imagens no mesmo nível de zoom, no mesmo visualizador, e use a régua do próprio programa ou uma folha de papel encostada na tela para marcar os segmentos. O que interessa não é o valor absoluto, é se as duas frações batem. Qual diferença já conta como deriva é escolha sua: este blog não publica tolerância percentual porque nenhum fornecedor publica uma, e inventar número aqui seria exatamente o tipo de precisão falsa que o artigo critica.

Esse cuidado tem uma consequência prática fora da estética. A página de ajuda do Linkedin sobre foto de perfil, consultada em 29/07/2026, diz que a sua foto de perfil deve ser semelhante a você (o texto permite ilustração ou caricatura, desde que a semelhança se mantenha). Preservar identidade não é preciosismo de fotógrafo: é o que a plataforma pede da imagem que representa você.

O que o prompt não resolve

Um artigo sobre travar identidade precisa dizer onde a trava acaba, senão vira o mesmo overclaim que ele veio corrigir. Circulam promessas de "100% de fidelidade" e de "fidelidade de 90% a 95%" em páginas que não publicam metodologia nenhuma. Não vamos oferecer um contranúmero, porque também não temos um: o que dá para dizer é que essas porcentagens não vêm acompanhadas de teste descrito, amostra ou critério.

O limite oficial vale repetir de outro ângulo: quando a OpenAI escreve que o modelo pode falhar em manter a consistência visual de um mesmo personagem entre várias gerações, ela está dizendo que essa variação não é erro seu. Daí a formulação honesta ser sempre "reduz a deriva", nunca "impede".

Travar também custa alguma coisa, e esse é o trade-off que quase ninguém escreve. No estudo de Seo et al., as restrições de aparência reduzem a troca de traços e ao mesmo tempo derrubam o sucesso da edição pedida (diferença média de 0,43 ponto, com significância estatística). Traduzindo para a sua mesa: se o pedido "não aconteceu", a culpa pode ser da trava, não da ferramenta. A correção certa é manter a trava e tornar o pedido mais concreto (nomeie a peça, a cor, o lado), em vez de afrouxar a identidade. Os próprios autores fecham com a frase que este artigo assina embaixo: preservação de identidade não pode ser delegada inteiramente à engenharia de prompt do usuário.

E existe um teto que nenhum texto ultrapassa: o arquivo que você anexa. Rosto parcialmente na sombra, contraluz, boné, foto de longe ou muito comprimida são informação que o modelo não tem, e isso não se conserta com adjetivo. Meia hora refazendo a captura com luz frontal e o rosto desobstruído muda mais o resultado do que reescrever o prompt pela décima vez.

Por fim, uma coisa que não depende do seu prompt: o rastro que a imagem carrega. Quem abrir o arquivo depois pode ter como saber que ele nasceu de um modelo, e as duas superfícies citadas aqui tratam disso de formas diferentes. A página do Gemini afirma que toda imagem gerada pelos seus modelos leva a marca d'água SynthID; o guia da OpenAI, relido em 29/07/2026, não menciona marca d'água nem C2PA, o que registra uma ausência naquela página naquele dia e não uma afirmação sobre o que a empresa faz. Nada aqui ensina a contornar rótulo ou marca: declarar que a foto foi gerada é decisão sua, e ela fica mais fácil quando a imagem realmente parece com você.

Resumo e próximos passos

Três frases carregam o artigo. A foto anexada não é a única coisa que descreve você dentro do prompt. Descrição observável aponta e trava; rótulo demográfico delega a escolha. Quando o rosto derivar, tire linha em vez de acrescentar, seguindo a ordem de corte, e nunca toque no bloco de identidade nem na linha de escopo.

O que fazer agora, na ordem: cole o bloco de identidade no topo do seu prompt atual; leia as linhas que vêm depois dele procurando qualquer coisa que fale de você em vez da cena; gere; e compare pelas três razões antes de decidir se funcionou. Se a comparação reprovar, a tabela de diagnóstico diz o que remover antes de dizer o que escrever.

Para escolher o que escrever depois dele, o caminho é os componentes de cena que vêm depois do bloco de identidade: ambiente, roupa, luz, lente e mood, um a um. Se o seu pedido acontece dentro de uma ferramenta específica, o próximo passo é aplicar esse bloco na janela de conversa do ChatGPT, onde cada mensagem nova é uma geração nova.