Prompts visuais avançados: composição, iluminação, perspetiva
Nesta página
Atualização de 2 de novembro de 2026 — modelos de imagem. O
gpt-image-1, para o qual este curso foi originalmente escrito, foi descontinuado a 23 de outubro de 2026, e ogpt-image-1.5,gpt-image-1-miniechatgpt-image-latestserão aposentados a 1 de dezembro de 2026. Os exemplos agora utilizam ogpt-image-2.5-sunburst, o modelo mais preciso para edição; ogpt-image-2.5-flareé mais rápido para geração padrão. Ambos suportam também as definições de qualidadexhighemax. Os modelos GPT Image devolvem sempre imagens em base64: o parâmetroresponse_formatdos modelos DALL·E mais antigos não é aceite e foi removido do código. Fonte: Image generation (OpenAI).
Prompts visuais avançados: composição, iluminação, perspetiva
Um prompt bem estruturado é o que separa uma imagem decente de uma de qualidade profissional. A alavanca não é o comprimento, mas sim o vocabulário. O GPT Image compreende a terminologia da fotografia, do cinema e das artes visuais. Falar essa língua é como dar instruções a um diretor de fotografia em vez de fazer um desejo. Esta lição ensina-lhe esse vocabulário e como o organizar.
Anatomia de um prompt visual profissional
Um prompt avançado divide-se em camadas, cada uma respondendo a uma questão distinta: quem ou o quê, disposto de que forma, iluminado de que modo, visto de onde, em que registo, com que características óticas. Nomear explicitamente estas camadas no texto do prompt — «Assunto: … Composição: … Iluminação: …» — ajuda o modelo a evitar misturar registos. O exemplo abaixo descreve um arquiteto no seu estúdio: o assunto ocupa o terço esquerdo segundo a regra dos terços, a luz incide lateralmente através de grandes janelas, a câmara está num ângulo baixo subtil com uma distância focal de 35 mm, o registo é de fotografia documental editorial com tons quentes dessaturados, e a profundidade de campo deixa o fundo num bokeh suave. Cada uma destas seis frases remove uma liberdade que o modelo exerceria aleatoriamente de outra forma.
from openai import OpenAI
import base64
client = OpenAI()
def prompt_multicamada(
assunto: str,
composicao: str,
iluminacao: str,
perspetiva: str,
estilo: str,
detalhes_tecnicos: str,
saida: str
):
"""Constrói um prompt multicamada para controlo máximo."""
prompt = (
f"Subject: {assunto}. "
f"Composition: {composicao}. "
f"Lighting: {iluminacao}. "
f"Perspective: {perspetiva}. "
f"Style: {estilo}. "
f"Technical details: {detalhes_tecnicos}."
)
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt=prompt,
size="1536x1024",
quality="high",
)
data = base64.b64decode(response.data[0].b64_json)
with open(saida, "wb") as f:
f.write(data)
print(f"Imagem avançada: {saida}")
return prompt
prompt_utilizado = prompt_multicamada(
assunto="Architect working on blueprints in a bright studio",
composicao="Rule of thirds, subject at left third, depth with multiple planes",
iluminacao="Lateral natural light from large windows, soft shadows",
perspetiva="Slightly low angle (subtle low-angle shot), 35mm focal length",
estilo="Editorial documentary photography, warm desaturated tones",
detalhes_tecnicos="Medium depth of field, sharp foreground, light background bokeh",
saida="architecte_atelier.png"
)
Dominar a composição
A composição determina como o olho percorre uma imagem, e controla-a nomeando regras que o modelo reconhece.
Regras de composição clássicas
O dicionário abaixo reúne cinco grandes famílias composicionais e aplica-as a um assunto intencionalmente idêntico — um farol isolado num penhasco bretão — para que a comparação se foque apenas na encenação. A regra dos terços coloca o farol numa interseção das linhas de força e produz a imagem mais «natural»; a simetria à la Wes Anderson centra o eixo vertical e adiciona um reflexo na água; a diagonal cria tensão do canto inferior esquerdo ao superior direito; o quadro dentro do quadro faz com que veja o farol através de um arco ou janela, criando profundidade imediata; finalmente, a composição minimalista reduz o farol a um pequeno ponto num vasto espaço negativo, transformando o assunto num pretexto. Cinco imagens do mesmo farol, cinco afirmações diferentes.
from openai import OpenAI
import base64
client = OpenAI()
composicoes = {
"regra_dos_tercos": (
"Rule of thirds composition, subject positioned at the intersection "
"of power lines (right third, bottom third)"
),
"simetria": (
"Perfectly symmetrical composition, central vertical axis, "
"reflections in water, Wes Anderson style"
),
"diagonal": (
"Dynamic diagonal composition, power line from "
"bottom-left corner to top-right corner"
),
"quadro_no_quadro": (
"Frame within a frame: subject viewed through an arch, "
"a window, or a natural framing"
),
"minimalista": (
"Minimalist composition, huge negative space, "
"small isolated subject in a vast environment"
),
}
assunto_base = "An isolated lighthouse on a Breton cliff facing the sea"
for nome, composicao in composicoes.items():
prompt = f"{assunto_base}, {composicao}, landscape photography"
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt=prompt,
size="1536x1024",
quality="high",
)
caminho = f"composition_{nome}.png"
data = base64.b64decode(response.data[0].b64_json)
with open(caminho, "wb") as f:
f.write(data)
print(f"Composição {nome} → {caminho}")
Planos e profundidade
A profundidade não se solicita em bloco; constrói-se plano a plano. O prompt seguinte descreve um mercado provençal atribuindo explicitamente conteúdo e nitidez a cada um dos três planos: sabonetes e lavanda em primeiro plano, perfeitamente nítidos; o vendedor e o seu cliente no plano intermédio, ligeiramente desfocados; fachadas de pedra dourada e plátanos ao fundo, com bokeh pronunciado. A menção final de uma objetiva de 50 mm aberta a f/1.8 apenas confirma opticamente o que a descrição já estabeleceu — e é esta redundância intencional que torna o resultado fiável.
from openai import OpenAI
import base64
client = OpenAI()
prompt_profundidade = (
"Provençal market scene with three distinct planes: "
"sharp foreground—display of lavender and artisanal soaps, "
"middle ground—vendor and customer in conversation, slight blur, "
"background—golden stone facades and plane trees, pronounced bokeh. "
"Photography with 50mm f/1.8 lens, shallow depth of field."
)
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt=prompt_profundidade,
size="1536x1024",
quality="high",
)
data = base64.b64decode(response.data[0].b64_json)
with open("marche_profondeur.png", "wb") as f:
f.write(data)
Dominar a iluminação
A iluminação é a ferramenta mais poderosa para criar atmosfera e a mais rentável em termos de personagens investidos. Seis configurações cobrem a maioria das necessidades, e o ciclo abaixo aplica-as todas ao mesmo retrato de um violinista concentrado. A iluminação Rembrandt, com a sua única fonte a 45 graus e o seu realce triangular na bochecha oposta, confere o retrato de estúdio clássico. A luz de recorte (rim light) coloca a fonte atrás do assunto e mantém apenas o halo de contorno, produzindo uma imagem de silhueta. A iluminação dividida corta o rosto em duas metades, uma iluminada, a outra em sombra, mudando imediatamente para um registo cinematográfico. A hora dourada traz uma luz dourada oblíqua e o seu reflexo de lente nostálgico, o néon urbano traz fontes rosa e ciano refletidas em superfícies molhadas, e o estúdio high-key traz uma uniformidade sem sombras e um fundo branco comercial. O mesmo assunto torna-se íntimo, misterioso ou pronto para publicidade, sucessivamente.
from openai import OpenAI
import base64
client = OpenAI()
iluminacoes_avancadas = {
"rembrandt": (
"Rembrandt lighting: single source at 45 degrees, triangular highlight "
"on opposite cheek, deep dramatic shadows"
),
"luz_recorte": (
"Backlighting (rim light): silhouette outlined by a luminous halo, "
"source directly behind subject, details in shadows"
),
"dividida": (
"Split lighting: half face lit, half in shadow, "
"clear separation, mysterious cinematic atmosphere"
),
"hora_dourada": (
"Golden hour: raking golden light, long warm shadows, "
"subtle lens flare, soft nostalgic atmosphere"
),
"neon": (
"Urban neon lighting: multiple pink and cyan sources, "
"reflections on wet surfaces, nocturnal cyberpunk atmosphere"
),
"estudio_high_key": (
"High-key studio: uniformly bright lighting, minimal shadows, "
"white background, clean commercial atmosphere"
),
}
assunto = "Portrait of a focused violinist"
for nome, iluminacao in iluminacoes_avancadas.items():
prompt = f"{assunto}, {iluminacao}"
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt=prompt,
size="1024x1536",
quality="high",
)
caminho = f"eclairage_{nome}.png"
data = base64.b64decode(response.data[0].b64_json)
with open(caminho, "wb") as f:
f.write(data)
print(f"Iluminação {nome} → {caminho}")
Dominar a perspetiva
A perspetiva influencia a forma como o espetador percebe o assunto, e o seu efeito é quase sempre psicológico antes de ser estético. Um ângulo elevado olha para a cena de cima e diminui o que observa; um ângulo baixo, com a câmara ao nível do solo, amplia o assunto e confere-lhe poder; uma vista aérea perfeitamente vertical abole o volume e transforma a realidade num padrão gráfico; uma vista de verme (worm’s-eye) leva o ângulo baixo ao extremo, fazendo convergir todas as linhas de fuga para o céu; finalmente, uma vista ao nível dos olhos com uma distância focal de 50 mm reproduz a visão humana e desaparece em favor do assunto. Em arranha-céus de vidro e aço, a diferença entre estas cinco imagens não reside no edifício, mas na relação que estabelecem com ele. Note que o ciclo muda para o formato retrato nos dois ângulos baixos, porque uma tomada em contra-picada de um edifício precisa de altura para respirar.
from openai import OpenAI
import base64
client = OpenAI()
perspetivas = {
"plongee": (
"High-angle view (top-down), camera overlooking the scene, "
"domination effect, subject viewed from above at 45 degrees"
),
"contra_plongee": (
"Low-angle view (bottom-up), camera at ground level looking up, "
"effect of grandeur and power"
),
"aerea": (
"Drone aerial view, perfectly vertical (90 degrees), "
"graphic composition, textures and patterns visible from above"
),
"worm_eye": (
"Worm's-eye view, camera placed on ground, extreme perspective "
"with vanishing lines converging toward the sky"
),
"nivel_olhos": (
"Eye-level view, natural and immersive, "
"50mm focal length, like human vision"
),
}
assunto = "Modern glass and steel skyscrapers"
for nome, perspetiva in perspetivas.items():
prompt = f"{assunto}, {perspetiva}, architectural photography"
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt=prompt,
size="1024x1536" if nome in ["contra_plongee", "worm_eye"] else "1536x1024",
quality="high",
)
caminho = f"perspective_{nome}.png"
data = base64.b64decode(response.data[0].b64_json)
with open(caminho, "wb") as f:
f.write(data)
print(f"Perspetiva {nome} → {caminho}")
Um construtor de prompts reutilizável
Concatenar sete camadas manualmente em cada script fará com que, mais cedo ou mais tarde, se esqueça de uma ou troque duas. A classe PromptBuilder resolve isto expondo um método por camada e devolvendo self em cada chamada, permitindo-lhe encadear definições numa ordem legível e especificar apenas algumas delas. O método build() reúne então o assunto e as camadas preenchidas num texto pronto a passar para client.images.generate(). O exemplo do café à beira-mar implementa todas as sete camadas disponíveis — composição, iluminação, perspetiva, estilo, cores, atmosfera, técnica — e produz um prompt que nenhuma improvisação tornaria tão completo.
class PromptBuilder:
"""Construtor para prompts visuais estruturados."""
def __init__(self, assunto: str):
self.assunto = assunto
self.camadas = {}
def composicao(self, desc: str):
self.camadas["composition"] = desc
return self
def iluminacao(self, desc: str):
self.camadas["lighting"] = desc
return self
def perspetiva(self, desc: str):
self.camadas["perspective"] = desc
return self
def estilo(self, desc: str):
self.camadas["style"] = desc
return self
def cores(self, desc: str):
self.camadas["color palette"] = desc
return self
def atmosfera(self, desc: str):
self.camadas["atmosphere"] = desc
return self
def tecnica(self, desc: str):
self.camadas["technique"] = desc
return self
def build(self) -> str:
partes = [self.assunto]
for chave, valor in self.camadas.items():
partes.append(f"{chave}: {valor}")
return ". ".join(partes)
# Utilização
prompt = (
PromptBuilder("Artisanal seaside café, terrace with umbrellas")
.composicao("Rule of thirds, terrace in foreground, sea at horizon")
.iluminacao("Late afternoon, raking golden light, long shadows")
.perspetiva("Slight high angle, 28mm wide-angle focal length")
.estilo("Lifestyle photography, warm tones, analog film")
.cores("Terracotta, Mediterranean blue, off-white, olive green")
.atmosfera("Relaxed and Mediterranean, sea breeze")
.tecnica("Deep depth of field, sharp from foreground to infinity")
.build()
)
print(prompt)
# Use este prompt com client.images.generate()
Aproprie-se agora deste conjunto de ferramentas num único assunto exigente: uma biblioteca antiga. Produza cinco imagens com o PromptBuilder, variando sistematicamente a composição, a iluminação e a perspetiva, e reúna-as num catálogo HTML. Ver as cinco lado a lado é a forma de aprender quais destas camadas mais importam na sua prática.