Guia
Stable Diffusion.

Stable Diffusion é um modelo de geração de imagens por IA de código aberto (open-source), desenvolvido originalmente pela Stability AI em parceria com pesquisadores da CompVis e Runway. Lançado em agosto de 2022, foi o primeiro modelo de geração de imagens de alta qualidade disponibilizado publicamente sem custo e sem restrição de uso local.

A característica que diferencia o Stable Diffusion de concorrentes como DALL-E e Midjourney é fundamental: ele roda no seu próprio computador. Isso significa privacidade total (nenhuma imagem é enviada a servidores externos), custo zero de geração após a instalação, e controle técnico absoluto sobre cada parâmetro do processo criativo.

Em 2026, o ecossistema evoluiu muito além do modelo original. As versões principais em uso são SDXL 1.0 (2023), SD 3 (2024) e Flux (2024, da Black Forest Labs, fundada por ex-membros da Stability AI). Cada geração traz melhorias significativas em qualidade, coerência de prompt e realismo fotográfico.

Opção 1 — Instalação local com AUTOMATIC1111. A interface mais usada historicamente. Acesse github.com/AUTOMATIC1111/stable-diffusion-webui e siga as instruções para Windows, Linux ou Mac. O processo envolve instalar Python, Git, clonar o repositório e rodar um script de instalação que baixa dependências automaticamente. Exige GPU NVIDIA ou Apple Silicon.

Opção 2 — ComfyUI. Acesse github.com/comfyanonymous/ComfyUI. Baseada em nós visuais (workflow), é mais poderosa para automação e pipelines avançados. A comunidade publica workflows prontos que você importa diretamente. Em 2026, é a interface preferida de usuários avançados pelo controle granular e suporte amplo a modelos novos.

Opção 3 — Sem instalação online. Para quem não quer lidar com instalação: Leonardo AI (leonardoai.com) tem plano gratuito com modelos SD e Flux. Google Colab tem notebooks prontos para AUTOMATIC1111 usando GPU da nuvem gratuitamente (com cota diária). Tensor.Art e Mage.space são alternativas com tier gratuito.

Baixando modelos. Após instalar a interface, você baixa os modelos separadamente. O Hugging Face (huggingface.co) e CivitAI (civitai.com) são os dois repositórios principais. Para SDXL realista, busque 'Juggernaut XL' ou 'RealVisXL'. Para estilo artístico, 'DreamShaper XL'. Para Flux, 'Flux.1 Schnell' (mais rápido) ou 'Flux.1 Dev' (mais qualidade). Coloque o arquivo .safetensors na pasta models/Stable-diffusion.

A estrutura de prompt no Stable Diffusion é diferente do DALL-E 3. Enquanto o DALL-E aceita linguagem natural longa e fluente, o SD responde melhor a listas de termos separados por vírgulas, com os elementos mais importantes no início do prompt (atenção decresce com a posição no texto).

Estrutura básica recomendada: qualidade geral primeiro ('masterpiece, best quality, highly detailed, 8K resolution'), depois sujeito ('1girl, long black hair, smiling'), depois ambiente ('in a coffee shop in São Paulo, afternoon light, warm tones'), depois estilo e técnica ('photography, bokeh, f/1.8, 35mm lens, natural light'). Isso guia o modelo da qualidade geral ao detalhe específico.

Use pesos para enfatizar elementos. No AUTOMATIC1111, você pode dar mais peso a um termo usando parênteses: (olhos verdes:1.3) significa 30% mais ênfase nesse elemento. Para diminuir peso: [fundo:0.5] reduz a influência do fundo. No ComfyUI, o sistema de pesos é similar mas implementado diferente conforme o workflow.

Prompt negativo é essencial. Sempre preencha o campo de prompt negativo com termos de qualidade mínima. Um negativo funcional para fotorrealismo: 'low quality, blurry, distorted, bad anatomy, extra fingers, duplicate, watermark, text, ugly, deformed, bad proportions'. Para anime, adapte os termos ao estilo desejado.

CFG Scale (Escala de Orientação). Controla o quanto o modelo segue seu prompt. Para fotorrealismo, use 7-9. Para arte estilizada, 9-13. Valores acima de 15 tendem a saturar as cores e criar resultados artificiais. CFG 7 é um ponto de partida seguro para qualquer estilo.

Steps (Passos de difusão). O número de iterações de refinamento. Para samplers modernos como DPM++ 2M Karras: 20-30 steps são suficientes para boa qualidade. Para Euler a: 25-40. Para LCM e turbo samplers: 4-8 steps com qualidade surpreendente. Mais steps acima de 50 raramente justifica o tempo de geração adicional.

Sampler (Amostrador). O algoritmo de geração. DPM++ 2M Karras é um dos mais populares pelo equilíbrio entre velocidade e qualidade. DDIM é mais rápido. Euler a é mais criativo e variado. LCM é turbo (4-8 steps). Para iniciantes, use DPM++ 2M Karras com 25 steps até se familiarizar com os resultados.

Seed (Semente aleatória). Um número que determina o 'ponto de partida' da geração. Com a mesma seed, prompt e parâmetros, você sempre obtém a mesma imagem. Use seed fixo quando quiser fazer variações mantendo a composição base. Use -1 para seed aleatória quando quiser explorar possibilidades.

Resolução. Para SD 1.5, mantenha 512×512 ou 768×768. Para SDXL, use 1024×1024 como base. Gerar em resoluções muito maiores que o treinamento do modelo causa artefatos. Se precisar de imagem maior, gere no tamanho nativo e depois use Hires.fix (upscale com refinamento) ou ferramentas externas de upscaling.

LoRAs (Low-Rank Adaptations) são os grandes diferenciadores do Stable Diffusion. Arquivos pequenos (geralmente 50-300MB) que especializam o modelo para um estilo ou personagem específico. Baixe do CivitAI, coloque na pasta models/Lora, e ative no prompt com a sintaxe <lora:nome_da_lora:peso>. Peso 0.5-0.8 é geralmente ideal; muito alto distorce; muito baixo não ativa.

Modelos fine-tuned da comunidade. O CivitAI tem dezenas de milhares de modelos completos treinados pela comunidade para estilos específicos: fotorrealismo ultra-detalhado, anime, mangá, ilustração ocidental, arte 3D, concept art de games. Em 2026, Juggernaut XL é referência para fotorrealismo. DreamShaper XL para versatilidade. Pony Diffusion para estilo artístico ocidental.

ControlNet. Extensão que adiciona condicionamento por imagem de referência. Pose: você fornece um esqueleto de pose e o personagem adota aquela postura. Canny/Lineart: preserva as bordas de uma imagem de referência na geração. Depth: preserva a sensação de profundidade. IP-Adapter: transfere estilo de uma imagem para outra. ControlNet é indispensável para trabalho profissional consistente.

ADetailer e inpainting. A extensão ADetailer detecta automaticamente rostos e outras regiões na imagem gerada e faz refinamento localizado, melhorando drasticamente a qualidade de detalhes específicos. O inpainting manual permite selecionar uma área da imagem e regenerar somente aquela parte, mantendo o restante intacto — essencial para corrigir mãos, rostos e outros elementos problemáticos.

Mãos e anatomia distorcidas. Este é o problema mais conhecido. Soluções: use ADetailer com modelo de mão no campo negativo adicione 'bad hands, extra fingers, fused fingers'; use ControlNet OpenPose para controlar pose; ou faça inpainting manual nas mãos com mais steps e CFG maior (12-15) na região problemática. Flux 1.1 resolve anatomia de mãos com qualidade muito superior a SDXL.

Imagens com baixa resolução ou borradas. Causas comuns: steps insuficientes (tente 25-30), CFG muito baixo (tente subir para 7-9), resolução inadequada para o modelo (use nativa do modelo). Use Hires.fix para gerar em alta resolução final a partir de base menor. Adicione 'detailed, sharp focus, high resolution' ao prompt positivo.

Prompt sendo ignorado. Se o modelo não segue seu prompt, tente: aumentar CFG para 10-12, usar parênteses com peso nos termos importantes ((sujeito_importante:1.4)), reformular usando termos mais comuns no dataset de treino, ou trocar para modelo mais coerente como Juggernaut XL ou Flux.

VRAM insuficiente. Se a geração falha por falta de memória: ative 'medvram' ou 'lowvram' nas configurações do a1111, reduza a resolução de geração, desative xformers temporariamente para diagnosticar. Para GPUs com 6GB, gerar SDXL requer medvram ativado.

Inconsistência de personagem entre gerações. O Stable Diffusion não tem memória entre gerações. Para manter consistência: salve a seed de uma geração boa e use ela como base para variações; use LoRA treinada com o personagem; use IP-Adapter com imagem do personagem como referência; use ControlNet de pose para controlar a postura mantendo aparência via LoRA.

Stable Diffusion. Escolha se: você quer controle técnico total, privacidade absoluta (tudo roda local), custo zero a longo prazo, capacidade de treinar modelos customizados nos seus próprios dados, ou se você gosta de experimentação técnica. A curva de aprendizado é maior, mas o teto de capacidade é o mais alto dos três.

DALL-E 3. Escolha se: você quer o mínimo de configuração, integração com ChatGPT para iterar por conversa em linguagem natural, usar pelo Bing gratuitamente para projetos casuais, ou se precisa gerar texto legível dentro das imagens. Ideal para não-técnicos e para uso integrado ao fluxo de trabalho com IA de texto.

Midjourney. Escolha se: você prioriza a estética artística do resultado final acima de tudo, trabalha com moda, publicidade ou arte conceitual de nível premium, ou se quer uma comunidade ativa para inspiração e prompts compartilhados. É o favorito de designers profissionais pela consistência estética dos resultados.

Uso combinado. Profissionais avançados usam os três para tarefas diferentes: Midjourney para conceitos iniciais de alto impacto visual, DALL-E 3 via ChatGPT para iteração rápida com linguagem natural, e Stable Diffusion para pós-processamento, refinamento e geração em volume com automação via API.

Recomendação para o contexto brasileiro. Para quem está começando: experimente o Bing Image Creator (DALL-E 3 gratuito) para entender geração por prompt. Depois, teste o Leonardo AI (SD gratuito online). Quando quiser controle real, instale o ComfyUI localmente e baixe um modelo SDXL do CivitAI. Midjourney faz mais sentido quando há orçamento e a estética artística é prioridade de negócio.