Prompt negativo para foto profissional: as cinco formas de proibir

As cinco formas de escrever um prompt negativo

Você quer que a IA não clareie a sua pele, não invente um logotipo na parede atrás de você e não invente um par de óculos que você não usa. As três proibições parecem a mesma coisa e não se escrevem no mesmo lugar. É por isso que colar uma lista de prompt negativo no chat quase nunca muda a foto: a lista está certa de gramática e errada de endereço. Existem cinco lugares onde uma proibição pode morar num prompt de retrato, cada um com forma própria e dono na documentação de fornecedor:

1. Campo dedicado. Um segundo campo, fora do prompt, com só o substantivo do que não se quer. Existe na Vertex AI, no Amazon Nova e no Stable Diffusion. Não existe no gpt-image-2 nem no Gemini.
2. Proibição explícita no texto. do not correct my skin tone. É o que o guia de prompt de imagem publicado pela OpenAI manda fazer: State exclusions and invariants explicitly. Forma certa para traço do seu próprio corpo.
3. Reescrita positiva. one plain wall, empty from edge to edge. É a negativa semântica recomendada na doc do Gemini. Forma certa para elemento de cenário.
4. Ancoragem na foto. whatever I am wearing on my face stays exactly as it is. Nem proíbe nem descreve: aponta para a referência e trava. Forma certa para óculos, brinco, tatuagem e textura de cabelo.
5. Remoção da superfície do quadro. head and shoulders only, both hands below the bottom edge. Tira de cena a superfície onde o defeito nasce. Forma certa para mão, crachá e nó de gravata.

A diferença entre eles é de mecanismo, não de estilo. Um campo dedicado é um segundo texto que entra no cálculo por outro caminho; uma frase de proibição dentro do prompt compete com todas as outras frases do mesmo prompt, inclusive com as suas.

A versão de uma linha disso já está publicada na linha de proibição que abre os trinta prompts do pilar: Do not beautify, de-age or change the person's identity. Ela é o piso. A grade abaixo é o que entra depois dela.

O bloco de doze linhas, em quatro gramáticas

Este é o bloco transversal: doze linhas, agrupadas pelo lugar em que cada proibição se escreve, para colar no fim de um prompt de retrato. Os comentários com # são só para você se orientar, e podem sair na hora de colar.

# 1. A trait of my own body: forbid it by name
Nothing about my skin gets corrected: not the tone, not the texture, not the blemishes.
Keep every mole, freckle, scar and line exactly where the photo shows them.
My face is not symmetrical and must not be made symmetrical.
Do not resize any feature: same eyes, same nose, same lips, same jaw width, same neck.
Do not change my apparent age in either direction.

# 2. Something already in the photo: anchor it, do not forbid it
Whatever I am wearing on my face and ears in the photo stays exactly as it is.
My hair keeps the same texture, volume, parting and hairline as in the photo.

# 3. Something in the scene: describe what you want instead
Background: one plain wall, evenly lit, empty from edge to edge.
Wardrobe: one plain garment with a smooth surface and no printing.

# 4. A rendering defect: take the surface out of the frame
Framing: head and shoulders only, both hands below the bottom edge.
Nothing in this image carries writing: no lettering, no numbers, no signature.
Output: square 1:1, 1024x1024, recomposed for this aspect ratio.

Tradução em português. Grupo 1: nada na minha pele é corrigido (tom, textura ou marcas); cada pinta, sarda e cicatriz fica onde a foto mostra; meu rosto não é simétrico e não pode ser simetrizado; nenhum traço é redimensionado (olhos, nariz, lábios, largura de mandíbula, pescoço); a idade aparente não muda em nenhuma direção. Grupo 2: o que eu uso no rosto e nas orelhas continua igual; meu cabelo mantém textura, volume, repartido e linha do cabelo. Grupo 3: fundo é uma parede lisa e vazia de ponta a ponta, roupa é uma peça lisa sem estampa. Grupo 4: cabeça e ombros, mãos abaixo da borda inferior, nada na imagem carrega escrita, saída quadrada 1:1 em 1024x1024 com o enquadramento recomposto.

Por que cada linha está no grupo em que está

O grupo 1 é o maior porque é onde existe medição. Restrições de aparência escritas no prompt reduziram a troca de traços em até 1,48 ponto no estudo de Seo et al., que auditou 5.040 retratos editados. O gradiente por grupo e o que essa trava cobra em aderência já estão no lado de manter, medido grupo por grupo. Limite honesto: os modelos testados são editores de pesos abertos, não o ChatGPT nem o Gemini.

O grupo 2 tem duas linhas e nenhuma começa com "sem". Óculos, brinco e textura de cabelo já estão resolvidos pela sua foto. Proibir ali é pedir ao modelo uma decisão que ele não precisava tomar: "sem óculos" apaga o que é seu, e "com óculos" abre a porta para uma armação inventada.

O grupo 3 é o único sem negativa nenhuma, e isso é o ponto. Para cena, a doc do Gemini recomenda descrever positivamente o que você quer ver. Essa distinção entre negativa semântica e negativa de aparência já está publicada aqui, na nota que separa proibição de cena e proibição de aparência; o que muda agora é o mapa: ela é um lugar entre cinco, e o lugar errado para qualquer coisa que fica no seu corpo.

O grupo 4 não fala do defeito, fala do quadro. Tirar a mão do enquadramento resolve mais que proibir dedo extra, e por que canto de quadro é instrução desperdiçada já foi contado no artigo da foto de perfil. A linha de saída fecha o grupo porque, sem ela, a proporção também é decisão do modelo.

Nenhuma linha do bloco é de gênero, de propósito. O recorte que trata rosto feminino linha por linha cobre maquiagem, joia e clareamento, e as proibições de barba, grisalho e mandíbula estão no recorte masculino. Uniforme com nome bordado tem dono separado: a proibição que falta em todo prompt de uniforme. Aqui está a gramática; lá está o vocabulário.

Onde a sua proibição vai morar em cada ferramenta

A pergunta que a maior parte dos textos sobre prompt negativo não faz é a primeira: a sua ferramenta tem campo para isso? A resposta está na documentação, com data.

OpenAI. No guia de geração de imagens da OpenAI, lido em 30/07/2026, a palavra negative não aparece nenhuma vez em 8.455 palavras: não existe campo de prompt negativo nessa API. É uma ausência conferida nesse documento, nessa data, e não uma declaração da empresa. O próprio fornecedor diz onde a proibição deve ir: o guia de prompt do cookbook traz Include "do not add new elements/text" to avoid creative reinterpretations e, dentro de um prompt de exemplo de retrato, Avoid cinematic lighting, dramatic color grading, or stylized composition. Tudo isso é texto do prompt, não parâmetro.

Gemini. Na doc de geração de imagem do Gemini a palavra negative aparece sete vezes em 14.793 palavras. Seis são negative space, espaço negativo de composição, num template de design minimalista. A sétima é a recomendação de negativa semântica: Use "semantic negative prompts": Instead of saying "no cars," describe the intended scene positively. Campo, zero; orientação sobre como proibir, uma, e ela manda reescrever em positivo.

O campo do Google existe e está sendo desligado. A página da Vertex AI que ensina a omitir conteúdo com comando negativo define o recurso, lista os três modelos Imagen 3 que o aceitam e traz, em destaque: os comandos negativos são um recurso legado e não estão incluídos nos modelos do Imagen a partir de imagen-3.0-generate-002 e versões mais recentes. No topo da mesma página, a tabela de migração aponta os endpoints imagegeneration@00X, imagen-3.0-* e imagen-4.0-* para gemini-2.5-flash-image, que não tem o campo, antes de 30 de junho de 2026. E a página do Imagen no Gemini API abre com desligamento marcado para 17 de agosto de 2026: em 3.487 palavras, ela menciona prompt negativo zero vez.

Onde o campo existe, a regra é escrever substantivo. A doc do Amazon Nova em português define negativeText como um texto de 1 a 1.024 caracteres e avisa, na mesma página: evite usar palavras negativas ("não", "nem", "sem" etc.) em seus valores de text e negativeText. No campo negativo você escreve espelhos, não sem espelhos. No Stable Diffusion o negativo é um campo de texto extra, e a doc da biblioteca diffusers acrescenta o detalhe que muda a leitura: ele é ignored when not using guidance (guidance_scale < 1). Não é regra do modelo, é o outro lado de um cálculo de orientação.

Midjourney fica fora desta lista. A documentação oficial respondeu 403 em três URLs diferentes em 30/07/2026, então este artigo não publica a sintaxe de negativa dessa ferramenta.

O resumo é desconfortável: com uma foto anexada no ChatGPT ou no Gemini não existe campo, e cada linha nova compete com as anteriores. O resto do comportamento da segunda superfície está no guia do que muda quando a ferramenta é o Gemini.

Por que a lista genérica de prompt negativo quase não muda o seu retrato

Abrimos em 30/07/2026 as sete páginas que a busca por prompt negativo devolve, cinco em português e duas em inglês, e contamos os termos no HTML servido, sem execução de JavaScript: 25.445 palavras, com menu e rodapé incluídos, o que só favorece o concorrente na contagem. Dois descartes declarados: todaia.com.br não resolveu DNS no dia, e outro domínio da lista herdada está indisponível por padrão desde consultas anteriores. O que essas 25.445 palavras contêm:

• Midjourney, 81 ocorrências; Stable Diffusion (com "difusão estável"), 76.
• Peso de atenção no formato (termo:1.3), 105 ocorrências. É sintaxe de interface de difusão e não faz nada num chat.
• Mãos, dedos, hands e fingers somados, 96 ocorrências.
• ChatGPT, 15 ocorrências; Gemini, 9.
• Foto de referência ou foto anexada, 0. Clarear ou clareamento, 0. Rejuvenescer, 0.
• Identidade, 1 ocorrência. Maquiagem, 1.
• Link para documentação oficial de fornecedor, 0. Menção a estudo publicado, 0.

E a contagem que decide o assunto. A página que ranqueia prometendo mais de 70 exemplos publica, na recontagem de 30/07/2026, 71 linhas de negativa em oito categorias, 68 delas distintas (sobreexposição, subexposição e baixo contraste aparecem em duas categorias). Nenhuma é sobre a identidade de uma pessoa real: não há clarear pele, rejuvenescer, maquiagem adicionada nem afinar rosto. Das 68, oito são de geração de vídeo (Skip Frame, Flicker, Ghosting, movimento ondulante) e oito são de conteúdo sexual. Quem colar a lista inteira num prompt de foto de trabalho está colando dezesseis itens que não têm onde agir na foto dele.

O problema maior: parte da lista pede o defeito

Não é só que a lista genérica seja incompleta. Alguns itens dela pedem exatamente o que um retrato de pessoa real não pode ter. Os literais, lidos em 30/07/2026: o guia de prompts negativos da Guideglare manda proibir mãos deformadas, dedos extra, dedos em falta, anatomia incorreta, desproporções, assimetria, feio; o bloco de retrato da pxz.ai proíbe assimetria facial, traços mal posicionados e aparência feia ou repugnante, e a seção de pele da mesma página, na parte de modelos jovens, lista rugas indesejadas, manchas de idade e flacidez cutânea; a seção de retrato do compilado em inglês da AnyRec traz Age spot, Blemishes e Old. No conjunto, "feio" e equivalentes aparecem 11 vezes em seis das sete páginas, e "assimetria" 8 vezes em quatro delas.

Cada um desses itens é problemático por um motivo diferente. Assimetria natural é o que se pede num retrato, não o que se proíbe: rosto perfeitamente simétrico é o sinal mais fácil de reconhecer numa imagem gerada, e por isso o bloco acima escreve essa linha ao contrário da lista genérica. "Rugas, manchas de idade, flacidez" é rejuvenescimento pedido por escrito, e "feio" é um julgamento de beleza aplicado ao seu próprio rosto. A direção do modelo já vai para esse lado sem ajuda: o estudo que mediu isso se chama, literalmente, Erasing "Ugly" from the Internet, e os percentuais que ele apurou estão detalhados no recorte feminino deste blog.

Crédito onde ele existe

Essas páginas não estão erradas sobre a própria ferramenta. A pxz.ai tem uma seção inteira sobre textura natural de pele, com pele de plástico, pele de cera, pele de silicone, que é a proibição certa, e avisa que o excesso de termos dilui o impacto das palavras-chave essenciais; a página de prompts negativos da Filmora distingue campo dedicado de instrução no prompt para o próprio editor dela. A mesma pxz.ai proíbe assimetria facial no bloco que manda copiar e, numa tabela comparativa da mesma página, celebra microassimetrias naturais essenciais para retratos realistas. As duas frases estão certas em contextos diferentes, e é a diferença de contexto que uma lista solta não carrega.

A regra que sai daqui vale para qualquer lista pronta: antes de copiar, classifique cada item em três colunas. Age no meu caso. Não tem onde agir. Me prejudica. A terceira coluna quase sempre existe, e é ela que explica por que a foto não melhorou.

A proibição que traz o que ela proíbe

Circula em fórum a suspeita de que escrever "sem óculos" pode fazer aparecer óculos. Não é folclore: é o argumento que a própria documentação do Google usa para justificar a existência de um campo separado. O literal, em português, na página sobre omitir conteúdo com comando negativo: considere a solicitação "uma rua chuvosa da cidade à noite sem pessoas". O modelo pode interpretar "pessoas" como uma diretiva do que incluir em vez de omitir. A recomendação da página é tirar o substantivo do prompt e colocá-lo no campo negativo, que é justamente o campo que não existe na sua ferramenta.

O limite importa: o exemplo do Google é de elemento de cena (pessoas numa rua), não de traço de aparência. Não dá para esticar isso e concluir que proibir clareamento faz clarear, porque nesse outro caso a medição aponta na direção oposta. É por isso que as duas coisas ficam em lugares diferentes na grade acima.

Há apoio de pesquisa, com um limite que precisa vir na mesma frase. O NegBench, de Alhamoud et al. (CVPR 2025), montou 18 variações de tarefa e 79 mil exemplos e concluiu que modelos que ligam texto e imagem falham em negação, often performing at chance level. O limite: esse benchmark mede compreensão (busca e múltipla escolha), não geração de imagem. A ponte entre "o modelo tem dificuldade com negação" e "a sua proibição escrita é frágil" é leitura editorial deste blog, não conclusão do artigo científico.

Vale também desmontar a metáfora mais comum do assunto. Várias páginas descrevem a negativa como um filtro que impede o defeito de nascer. O primeiro estudo abrangente do mecanismo, de Ban et al. (2024), descreve outra coisa: delayed effect, o impacto da negativa aparece depois de o prompt positivo já ter renderizado aquele conteúdo, e deletion through neutralization, a remoção se dá por cancelamento mútuo no espaço latente. Não é porta fechada, é subtração atrasada. Limite duro: foi medido em modelos com campo de negativo, na linha do Stable Diffusion, e não se transfere para o ChatGPT.

A regra operacional que fecha a seção. Coisa da cena: escreva o que você quer ver. Traço do seu corpo: proíba nominalmente, porque descrever em positivo devolve a decisão à média do treino, e Bianchi et al. mediram estereótipo presente mesmo quando o prompt evita linguagem de identidade (texto para imagem, sem foto anexada). Coisa que já está na sua foto: ancore.

Quantas proibições cabem, e em que ordem

Regra prática deste blog, não número medido: de 8 a 12 linhas de proibição para um retrato, na ordem identidade, pele, o que já está na foto, cena e superfície com escrita. O bloco de doze linhas acima é o teto, não o alvo.

O teto é estrutural e vem direto da primeira seção: sem campo separado, cada linha de proibição é mais texto disputando a mesma imagem com as suas instruções de cena, luz e roupa. Passa de certo ponto e você não está detalhando, está diluindo. Vale o crédito: a pxz.ai chega a uma conclusão parecida por outro caminho, ao avisar que bloco negativo com mais de 500 palavras dilui o impacto dos termos essenciais.

O outro custo de linha extra é a contradição, fácil de produzir sem perceber. Duas linhas que respondem à mesma decisão de formas diferentes não são detalhe, são contradição, e aí o modelo escolhe qual obedecer. O exemplo já medido no acervo é o prompt que pede poros e manda suavizar olheiras no mesmo bloco. Quando você acrescenta uma linha, a pergunta não é se ela é boa: é qual linha antiga ela contradiz.

A ordem também não é decorativa. Identidade primeiro, porque é o que você não recupera depois: foto com fundo errado ainda é você, foto com o rosto trocado não serve para nada. Pele em segundo, porque clareamento e alisamento são a deriva com evidência publicada. Depois o que já está na foto, que custa duas linhas e resolve óculos, brinco e cabelo de uma vez. Cena em quarto, em forma positiva. Superfície com escrita por último, porque ali a resposta certa quase sempre é tirar a superfície do quadro. Proibição de estilização, do tipo grão de filme, é de outro eixo e vive no registro casual, onde estilização é custo de identidade.

Como saber qual proibição está trabalhando

Depois de montar o bloco, quase todo mundo fica com doze linhas e nenhuma informação sobre quais delas fazem algo. Dá para descobrir, e o procedimento é chato de propósito: remover uma linha por vez e ver o que volta.

Ferramenta: <nome, modelo e data de acesso>
Referência: a mesma selfie em todas as rodadas, sem recorte novo
Prompt: o bloco completo, menos UMA linha por rodada
Rodadas: 3 gerações por versão, pontuando a MEDIANA, nunca a melhor
Critério: o defeito que a linha removida devia impedir voltou? (sim ou não)
Data do teste: DD/MM/AAAA

Três detalhes fazem esse protocolo valer alguma coisa. Primeiro: três gerações por versão, com pontuação pela mediana. A OpenAI declara que a consistência entre gerações pode falhar, então uma geração isolada mede sorte, não mede o prompt. Segundo: uma linha por rodada, porque tirar duas ao mesmo tempo devolve um resultado que você não sabe atribuir. Terceiro: a mesma referência sempre, sem recortar de novo entre rodadas, já que o arquivo de entrada é variável tão forte quanto o texto.

O orçamento de tempo sai da própria documentação. A OpenAI declara que um prompt complexo pode levar até 2 minutos para processar, o que dá seis gerações em algo como 12 minutos por linha testada. Testar as doze linhas é uma tarde; testar as três de que você mais suspeita é meia hora e resolve a maior parte das dúvidas.

O que fica no fim é um par por linha: a proibição e o defeito que voltou quando ela saiu. É esse par que transforma um bloco copiado num bloco seu. Observação de honestidade: este artigo não rodou geração de imagem, o protocolo acima é oferecido a você e a única medição própria publicada aqui é a auditoria de texto das sete páginas da seção anterior.

O que a proibição não resolve

Uma linha de proibição atua sobre decisões que o modelo tomaria sozinho. Fora desse escopo ela não faz nada, e a lista do que fica de fora é curta.

Referência ruim. Nenhuma linha de texto reconstrói informação que não está no arquivo que você anexou. Se o rosto está pequeno no quadro, escuro ou meio coberto, o que nenhuma linha do prompt conserta é justamente isso, e o ajuste é refazer a captura.

Limite declarado da ferramenta. Renderização de texto e composições sensíveis a layout são limitações que a OpenAI escreve no próprio guia. Proibir texto reduz a chance de crachá ilegível; não faz o modelo passar a escrever bem. Daí a forma barata ali ser tirar a superfície do quadro.

A trava reduz, não elimina, e cobra um preço. No mesmo estudo que mediu a redução da troca de traços, as restrições de aparência também derrubaram o sucesso da edição pedida. Com o bloco de doze linhas ligado, é possível que o modelo entregue menos do que você pediu de cena, e a causa pode ser a sua própria trava. Quando isso acontece, o caminho é manter a trava e tornar o pedido mais concreto, e esse trade-off está detalhado no artigo que mede o custo de travar.

E a proibição não muda o que a imagem é. Ela decide o que aparece na foto; a origem continua a mesma. A doc da API do Gemini informa que toda imagem gerada sai com a marca SynthID. No guia de geração de imagens da OpenAI, lido em 30/07/2026, a palavra watermark não aparece, o que é ausência naquele documento e não política declarada; no guia de prompt da mesma casa ela aparece, mas como instrução do tipo no watermark, o autor pedindo ao modelo que não desenhe uma marca falsa, coisa diferente. Nenhuma linha desta página existe para apagar rastro de origem: o trabalho da proibição é impedir que o modelo decida coisas sobre o seu corpo.

Resumo e próximos passos

Para foto de pessoa real, prompt negativo é decisão de endereço antes de ser decisão de vocabulário: campo dedicado, proibição explícita no texto, reescrita positiva, ancoragem na foto e remoção da superfície do quadro. Nas duas ferramentas que a maioria usa, o primeiro não existe, e a página oficial que ensinava a usá-lo classifica o recurso como legado.

O que fazer agora: cole o bloco de doze linhas no fim do seu prompt; confira pela grade se cada proibição nova está no lugar certo; e, quando a foto sair estranha, remova uma linha por vez em vez de acrescentar adjetivo. Diante de uma lista pronta da internet, passe cada item pelas três colunas: age no meu caso, não tem onde agir, me prejudica.

Para ver essa camada ao lado das outras, o caminho é o mapa dos prompts onde cada camada tem um artigo próprio. Para a face oposta desta, o que se escreve para manter em vez de impedir, o lugar é o bloco que trava o rosto na hora de gerar.