Vocabulário de fotografia para prompts: como pedir uma foto de câmera profissional em termos que o modelo entende

O cartão de 12 linhas: o que escrever no lugar de "foto de câmera profissional"

Você veio copiar alguma coisa, então ela vem antes da explicação. As doze linhas abaixo cabem num bloco de notas e cobrem as decisões que o pedido "quero que pareça foto de câmera profissional" deixa em aberto. Cada uma troca um desejo por uma escolha que aparece na imagem pronta.

1. Foto em vez de ilustração: photorealistic portrait photograph
2. Desenho de rosto de lente de retrato: 85mm portrait lens look
3. Rosto inteiro nítido, orelhas incluídas: f/5.6, whole face and both ears in focus
4. Fundo dissolvido de propósito: f/1.8, shallow depth of field
5. De onde vem a luz: soft window light from camera-left at about 45 degrees
6. Que tipo de luz é: large diffused source, soft-edged shadows
7. Sombra sem buraco preto: gentle fill on the shadow side, no crushed blacks
8. Altura da câmera: camera at eye level
9. Onde o corte passa: head and shoulders framing, hands outside the frame
10. Espaço acima do cabelo: a small margin of empty space above the head
11. Pele com pele: visible pores and skin texture, no beauty retouching
12. Cor sem grade de filme: natural color balance, no colour grading

As linhas 3 e 4 são excludentes: escolha uma. Fora esse par, elas convivem. E repare no que não está na lista: nenhuma palavra sobre resolução, nenhuma marca de câmera, nenhum superlativo.

O teste de uma pergunta: esse termo aponta para algo que aparece na foto?

Pegue qualquer palavra do seu prompt e faça uma pergunta só: isso aponta para alguma coisa que uma pessoa consegue ver na imagem pronta? "Luz de janela pela esquerda" aponta, e dá para conferir de que lado cai a sombra. "4K" não aponta para nada dentro do quadro: é uma expectativa sobre o arquivo, não sobre a cena. O filtro separa o vocabulário em três classes, e só a terceira é inútil dentro do prompt:

• Palavra de meio: diz que tipo de imagem você quer. photorealistic, real photograph, professional photography. Vale uma, no começo do prompt.
• Palavra com referente visível: descreve algo que aparece no quadro. 85mm, f/5.6, window light from camera-left, at eye level, chest-up, visible pores. É aqui que mora o controle.
• Palavra de desejo de qualidade: 4K, 8K, ultra-realista, obra-prima, award-winning, qualidade profissional. Não corresponde a nada visível, e as duas mais escritas correspondem a campos da API.

A conclusão fácil ("corte todo adjetivo e escreva só parâmetro") é falsa, e quem desmente é a própria fornecedora do modelo. O guia oficial de prompt dos modelos de imagem da OpenAI, consultado em 29/07/2026, pede a palavra de meio com todas as letras: "For photorealism, include the word 'photorealistic' directly in the prompt to strongly engage the model's photorealistic mode", e diz que "real photograph", "professional photography" ou "iPhone photo" também ajudam. O mesmo guia manda usar vocabulário de fotografia e desaconselha o de polimento: "Use photography language (lens, lighting, framing) and explicitly ask for real texture (pores, wrinkles, fabric wear, imperfections). Avoid words that imply studio polish or staging." E lista o que declarar em composição: enquadramento, ponto de vista, ângulo (com os exemplos "eye-level" e "low-angle") e luz. Repare na diferença fina que sustenta a classificação acima: "professional photography" nomeia o meio, fotografia; "qualidade profissional" nomeia um julgamento sobre o resultado, e julgamento não se desenha.

Do outro lado, a documentação da API de geração de imagem do Gemini, consultada no mesmo dia, publica um gabarito de cena fotorrealista com quatro campos de fotografia: "A photorealistic [type of shot] of a [subject description] in a [setting description]. [Description of the light]. Shot from a [camera angle] with a [lens type]." O exemplo ali é um recife de coral, não um retrato, mas os campos são os mesmos.

Agora o tamanho do buraco. Auditamos 129 prompts publicados nas primeiras posições de "prompt para foto de câmera profissional" e das queries vizinhas, em 29/07/2026 (o método está no fim do artigo). Quarenta deles pedem qualidade por adjetivo, e 31 desses 40 não trazem nenhum parâmetro de câmera nem de luz. A marca da câmera é citada 22 vezes, quase o dobro das 12 vezes em que se diz de onde vem a luz.

O vocabulário em si já é ensinado em português, e bem: há glossário, framework e página com ângulo de luz em graus. O que não existe é a consequência. Nas 37.839 palavras dessas dez páginas, "quando não usar", "evite" e "não use" somam 4 ocorrências, nenhuma delas sobre um termo fotográfico, e não aparece um único link para a documentação de quem fabrica o modelo. É por isso que as duas tabelas deste artigo têm uma quarta coluna chamada "quando não usar": termo de fotografia é escolha com custo, não enfeite que só soma.

O contraexemplo mais claro está na página de prompts realistas do ImageTools, consultada em 29/07/2026: ela escreve "Evite termos genéricos como 'beautiful' ou 'amazing', eles não adicionam informação técnica" e, no mesmo trecho, recomenda "8K resolution" e "award-winning photo" como amplificadores de qualidade. A regra está certa; a aplicação escorrega. É o que acontece quando o critério é "soa técnico" em vez de "aponta para algo visível".

Lente e distância: 35, 50 e 85 mm descrevem onde a câmera está

Um número de lente não é uma configuração que o modelo aplica. É a abreviação de uma cena inteira, e a parte que decide o desenho do rosto nessa cena é a distância: para enquadrar a mesma coisa, a lente mais longa obriga a câmera a andar para trás, e é esse recuo que muda a geometria da face.

A conta é de lente fina e dá para refazer no papel: a distância da câmera até a pessoa é a distância focal multiplicada por (1 + largura do quadro dividida pela largura do sensor). Com sensor full-frame de 36 mm e um quadro de 0,60 m (o suficiente para cabeça e ombros de um adulto), sai isto: 35 mm pede 0,62 m, 50 mm pede 0,88 m, 85 mm pede 1,50 m e 135 mm pede 2,39 m. É aproximação, serve para a ordem de grandeza, não para marcar o chão do estúdio.

Pedir 85 mm, então, é pedir a aparência de um rosto visto de um metro e meio. Pedir 35 mm é pedir a aparência de um rosto visto de sessenta centímetros, e sessenta centímetros é a distância em que o nariz está bem mais perto da câmera do que as orelhas, o que aparece como volume no centro da face. A teoria de perspectiva, com o teste das três fotos, está em por que a distância decide antes da lente; o vocabulário inteiro deste artigo sai de o guia de retrato de onde vem esse vocabulário.

O limite honesto vem da mesma página que recomenda a linguagem de fotografia: "detailed camera specs may be interpreted loosely, so use them mainly for high-level look and composition rather than exact physical simulation". Ou seja: escrever 85 mm não aciona a óptica de uma lente de 85 mm. Pede a aparência que aquela lente produz numa foto real, e a conta acima existe para explicar por que essa aparência existe, não para prometer que o modelo vai calculá-la.

Abertura: f/1.8 e f/5.6 decidem quanto do rosto fica nítido

A profundidade de campo aproximada é duas vezes o número f, vezes o círculo de confusão, vezes (1 + ampliação), dividido pela ampliação ao quadrado. Adotando o círculo de confusão de 0,03 mm que é convenção para full-frame e o mesmo quadro de 0,60 m da seção anterior, a faixa nítida fica assim: 2,5 cm a f/1.4, 3,2 cm a f/1.8, 4,9 cm a f/2.8, 7,1 cm a f/4, 9,9 cm a f/5.6 e 14,1 cm a f/8.

O achado que reorganiza o assunto: com o enquadramento fixo, essa faixa praticamente não depende da distância focal. Um 85 mm a f/1.8 a um metro e meio e um 35 mm a f/1.8 a sessenta centímetros, enquadrando a mesma cabeça, entregam faixas nítidas parecidas. O que a focal muda é o tamanho aparente do fundo e o desenho do rosto; quem decide a espessura do foco é a abertura.

A consequência é direta. Uma cabeça em três quartos ocupa muito mais que três centímetros de profundidade, então f/1.4 e f/1.8 costumam entregar um olho nítido e a orelha borrada. Se você quer a pessoa inteira legível, f/5.6 é o valor confortável; se quer o fundo apagado de propósito, f/1.8 resolve, mas aí não faz sentido descrever o cenário em detalhe no mesmo prompt. Para escolher o fundo em si (cor, textura, contraste contra o cabelo), o assunto tem dono próprio em o fundo tem tradução própria para prompt.

Luz: direção, qualidade e preenchimento, uma linha para cada

Luz é o assunto mais escrito da busca em português e o menos declarado dentro dos prompts. Dos 129 prompts auditados, 12 dizem de onde a luz vem, e duas dessas doze são de foto de objeto (um garfo sobre a mesa, uma bancada de artesão). O resto pede "iluminação" como adjetivo e deixa a decisão para o modelo.

São três propriedades, e cada uma cabe numa linha. Direção: de que lado a fonte está e em que ângulo, como soft window light from camera-left at about 45 degrees. Qualidade: o tamanho aparente da fonte, que decide se a borda da sombra é macia ou dura, como large diffused source, soft-edged shadows ou single hard light source, crisp shadow edges. Preenchimento: quanto o lado escuro sobe, como gentle fill on the shadow side, no crushed blacks. Escrever as três é o ganho mais barato deste vocabulário inteiro.

Dois nomes de esquema valem a pena, e só dois aqui. A luz de recorte (subtle rim light separating hair and shoulders from the background) desenha um fio que separa cabelo e ombro do fundo, e resolve a silhueta que some quando fundo e cabelo têm a mesma luminância. O contraluz (backlight) coloca a fonte atrás da pessoa e escurece o rosto por consequência: bonito num editorial, ruim numa foto que precisa ser lida em tamanho pequeno. A teoria das três propriedades está em as três coisas que um fotógrafo lê na luz.

Sobre "cinematográfico": o termo aparece 39 vezes nas dez páginas auditadas, sempre como elogio e nunca como escolha com custo. Os oito prompts de retrato do PCGuia (04/2026, consultados em 29/07/2026) pedem "iluminação lateral direccional dramática vinda da esquerda" e "sombras profundas" para retrato profissional. A direção declarada ali é ótima; a sombra profunda é que cobra caro numa foto de trabalho, porque come metade do rosto justamente onde a pessoa precisa ser reconhecida. E a documentação do Gemini recomenda linguagem cinematográfica para uma coisa específica: "Control the camera: Use photographic and cinematic language to control the composition." Composição, não acabamento de pele.

Câmera e enquadramento: a família que 129 prompts não escrevem

Esta é a lacuna medida, e ela é grande. Nos 129 prompts auditados, a altura da câmera não aparece uma única vez. Nas 37.839 palavras extraídas das dez páginas, "altura de câmera", "nível dos olhos" e "low-angle" somam uma ocorrência, e ela é sobre usar ângulo baixo para enfatizar a altura de um jogador de basquete. "Regra dos terços" aparece uma vez. "Margem acima da cabeça" aparece zero.

Não é uma família obscura. O prompt de exemplo de foto natural do guia da OpenAI traz tudo dentro da frase: "Shot like a 35mm film photograph, medium close-up at eye level, using a 50mm lens. Soft coastal daylight, shallow depth of field, subtle film grain, natural color balance." Repare que ela termina com "No glamorization, no heavy retouching". E o gabarito do Gemini tem um campo próprio para isso: "Shot from a [camera angle] with a [lens type]".

Na prática, três linhas resolvem a família inteira: a altura (camera at eye level), o corte (head and shoulders framing) e a margem acima do cabelo (a small margin of empty space above the head). A altura é a que mais muda o resultado sem que ninguém perceba: acima da linha dos olhos ela afina o queixo e alarga a testa, abaixo faz o contrário. O critério para escolher está em onde a câmera deve ficar em relação aos olhos, e o lugar do rosto dentro do quadro em como o quadro se divide em terços.

Por que "4K" não é instrução, e o que pedir no lugar

Esta parte não depende de opinião. "4K" e "qualidade" existem, mas existem como campo, não como frase. No guia da API de geração de imagem da OpenAI, consultado em 29/07/2026, "3840x2160 (4K landscape)" e "2160x3840 (4K portrait)" aparecem na lista de tamanhos populares do parâmetro size, e qualidade é o parâmetro quality, com os valores low, medium, high e auto. Escrever a palavra na frase não seleciona o valor do campo.

Os limites do mesmo parâmetro também estão publicados: a borda mais longa vai até 3.840 px, os dois lados precisam ser múltiplos de 16, a razão entre eles não passa de 3:1 e o total fica entre 655.360 e 8.294.400 px. Acima de 2.560x1.440 px a saída é declarada experimental. Daí sai uma conta que vale guardar: 3.840x2.160 dá exatamente 8.294.400 px, ou seja, o 4K deitado encosta no teto. E o 4K quadrado que muita gente pede não existe ali: 4.096x4.096 dá 16.777.216 px, o dobro do teto, e 4.096 px já passa da borda máxima.

No Gemini a lógica é a mesma com outro nome: a documentação declara que proporção e tamanho da saída são controlados pelos campos aspect_ratio e image_size dentro de response_format, e a tabela do modelo 3.1 Flash Image lista, para 1:1, de 512x512 (747 tokens) a 4.096x4.096, o "4K", por 2.000 tokens, com 1.024x1.024 e 2.048x2.048 a 1.120 cada. Ali o 4K é valor de campo com preço próprio, não adjetivo. Vale reconsultar antes de citar: essa página troca de modelo com frequência.

Então o que fazer quando a foto sai borrada, sem textura ou com cara de renderização? O guia de prompt da OpenAI dá o nome do que serve: alavancas de qualidade nomeadas, aplicadas com parcimônia, "add targeted 'quality levers' only when needed (e.g., film grain, textured brushstrokes, macro detail)", mais o pedido explícito de textura real. Na prática, troque "4K, ultra HD, alta resolução" por uma palavra de meio no começo, uma linha de abertura declarando o que fica nítido e uma linha de acabamento pedindo poros e cor natural.

O caso mais didático está publicado: o bloco "4K" que circula entre usuários do Gemini (TechTudo, 05/2026, consultado em 29/07/2026) empilha "Shot on 35mm lens, f/1.8 aperture, shutter speed 1/250", "Cinematic dramatic lighting, global illumination, Ray Tracing reflections", "octane render quality" e "--ar 16:9": três vocabulários numa frase só, fotografia, render 3D e sintaxe de outra ferramenta. O próprio veículo é honesto sobre o resultado: "A impressão geral foi de uma foto feita com câmera mirrorless de entrada, não de um estúdio profissional".

O mesmo pedido, escrito de dois jeitos

As duas versões abaixo pedem a mesma foto: a primeira é o padrão que a busca em português repete, a segunda troca cada desejo por um referente. Nenhuma inclui o bloco de identidade, que é assunto próprio e está em como travar o rosto quando existe foto anexada: aqui a comparação é só de vocabulário.

Ultra-realistic professional photo of this person, 4K, high resolution.
Shot on a professional DSLR camera, masterpiece quality.
Premium studio look, cinematic dramatic lighting.
Perfect skin, flawless finish, award-winning photography.
Make it look like it was taken by a professional photographer.

Em português: foto ultra-realista desta pessoa, 4K, alta resolução; câmera DSLR profissional, qualidade de obra-prima; visual de estúdio premium, iluminação cinematográfica dramática; pele perfeita, acabamento impecável, fotografia premiada; faça parecer que foi tirada por um fotógrafo profissional.

A photorealistic portrait photograph of the person in the attached photo.
Framing: head and shoulders, camera at eye level, 85mm portrait lens look, a small margin of empty space above the head, hands outside the frame.
Depth: f/5.6, the whole face and both ears in focus, background softly separated.
Light: soft window light from camera-left at about 45 degrees, gentle fill on the shadow side, no crushed blacks, neutral daylight white balance.
Finish: visible pores and skin texture, no beauty retouching, natural color balance, no colour grading.

Em português, resumindo as quatro linhas: retrato realista da pessoa da foto anexada; cabeça e ombros, câmera na altura dos olhos, aparência de 85 mm, margem acima da cabeça e mãos fora do quadro; f/5.6, com rosto inteiro e as duas orelhas em foco; luz de janela pela esquerda a uns 45 graus, com preenchimento leve; poros visíveis, sem retoque e sem grade de cor.

O que cada troca passou a controlar. "4K, high resolution" virou "f/5.6, whole face and both ears in focus": a primeira não seleciona tamanho nenhum, porque tamanho é campo; a segunda decide o que fica nítido. "Professional DSLR camera" virou altura e lente, porque um corpo de câmera não desenha rosto, mas distância e altura desenham. "Cinematic dramatic lighting" virou direção, ângulo e preenchimento, já que a versão antiga deixava o modelo escolher de que lado cai a sombra e quanto ela fecha. "Perfect skin, flawless finish" virou o inverso exato, "visible pores and skin texture, no beauty retouching", porque é o polimento que denuncia imagem gerada. "Premium studio look" virou a descrição da luz. E "masterpiece" e "award-winning" saíram sem substituto: não havia decisão embaixo deles.

Sobrou uma palavra sem referente na versão nova, de propósito: photorealistic, a palavra de meio que a documentação recomenda. A versão nova substitui a antiga, não se soma a ela; e a proporção da saída não está em nenhuma das duas, porque o lugar dela é o campo.

Oito combinações que se contradizem e derrubam o resultado

Contradição interna é a causa de resultado ruim que ninguém nomeia: nas 37.839 palavras auditadas, "contradição", "conflito" e "se contradiz" aparecem zero vez. Quando duas linhas respondem à mesma decisão com respostas diferentes, o modelo escolhe uma e você não sabe qual.

1. Luz de janela mais softbox de estúdio. Duas fontes disputam a mesma sombra. Correção: escolha uma e declare a direção dela.
2. f/1.4 com cenário descrito em detalhe. A faixa nítida de 2,5 cm apaga o cenário que você acabou de escrever. Correção: f/4 a f/8 quando o cenário importa.
3. Sombra cinematográfica profunda numa foto de trabalho. O efeito come metade do rosto onde a pessoa precisa ser reconhecida. Correção: mantenha a direção, troque a sombra profunda por preenchimento leve.
4. Grande angular com corte fechado no rosto. A câmera vai para sessenta centímetros e o centro da face cresce. Correção: aparência de lente de retrato mais corte de cabeça e ombros.
5. Regra dos terços com sujeito centralizado: duas respostas para a mesma decisão. Aparece assim na mesma seção dos segredos de fotógrafos publicados pelo Treinamentos AF (consultados em 29/07/2026), que pede "posicione o olho dominante do modelo no ponto de interseção superior direito" e, logo depois, "centralizando o sujeito a 2 metros da câmera". A leitura de que as duas disputam a mesma escolha é nossa. Correção: escolha onde o olho fica e apague a outra linha.
6. Grão de filme com imagem digitalmente limpa. Uma pede textura, a outra pede a ausência dela. Correção: escolha o acabamento e escreva só ele.
7. "Alta resolução" no texto sem declarar a proporção. A documentação do Gemini avisa que, por padrão, o modelo iguala o tamanho da saída ao da imagem de entrada, ou gera quadrado. Correção: declare a proporção no campo em vez de pedir resolução na frase.
8. Sintaxe de parâmetro de outra ferramenta, como "--ar 16:9", numa ferramenta que usa campo. Ali aquilo é texto solto no meio do pedido. Correção: use o campo, e repita o valor na frase apenas se a ferramenta aceitar, como faz o exemplo oficial do Gemini, que escreve a proporção nas duas camadas.

Um teste rápido antes de mandar: leia o prompt procurando duas linhas que respondam à mesma pergunta (de onde vem a luz, quanto do rosto fica nítido, onde o corte passa, qual o acabamento da pele). Se achar duas, apague uma. A própria documentação da OpenAI recomenda somar uma mudança por vez em vez de sobrecarregar o pedido.

Como este vocabulário foi medido, e para onde ir depois

Duas auditorias de páginas publicadas, feitas em 29/07/2026, e dá para repetir as duas. Na primeira, baixamos por linha de comando as dez páginas das primeiras posições de "prompt para foto de câmera profissional" e das duas famílias vizinhas, tiramos script e estilo e contamos por radical, sem distinguir maiúsculas: 37.839 palavras (duas URLs descartadas, uma por 403 com três palavras de HTML e um domínio que não resolveu DNS). Na segunda, extraímos os prompts dos blocos de código e de citação, mais células e itens que começam por comando, entre 12 e 400 palavras, sem duplicatas pelo texto integral normalizado: 129 prompts, de nove páginas. É auditoria de página publicada, não teste de geração: nenhuma imagem foi gerada para este artigo.

Duas notas para fechar. A contagem por radical esconde sentido: "compressão" aparece 11 vezes, mas 8 delas são "artefatos de compressão" de arquivo, e não compressão de perspectiva. E fica a nota sobre o arquivo que você vai produzir com esse vocabulário: no Gemini a marca vem embutida por padrão, porque a documentação da API declara que toda imagem gerada inclui a marca d'água SynthID. Do lado da OpenAI, o guia da API de geração de imagem, lido em 29/07/2026, não traz nenhuma menção a marca d'água nem a C2PA (a expressão "no watermark" aparece no guia de prompt, mas como instrução que você escreve, não como política do arquivo); é uma ausência conferida naquela data, não uma posição declarada pela empresa.

Para onde ir depois. A teoria de cada família tem dono no blog, e o mapa geral está em o guia de retrato que organiza a técnica. Este vocabulário só existe para ser usado dentro de um prompt inteiro, com identidade, cena, roupa e saída: os seis componentes onde esse vocabulário é usado mostram onde cada termo entra. Se o destino for o círculo pequeno do avatar, o corte e a escala do rosto mudam de critério, e isso está em onde o corte muda porque o destino é um avatar. E se você vai fotografar em vez de gerar, as mesmas decisões aparecem em como usar isso com a câmera do celular na mão.

Resumo. Palavra de meio abre o prompt e vale uma; palavra com referente visível carrega o controle e é onde vale gastar linha; palavra de desejo de qualidade não descreve nada que apareça no quadro. Quando a foto sair genérica, some o referente que está faltando (altura, direção da luz, enquadramento), nunca mais um superlativo.