A geração image-to-image (I2I) parte de uma imagem que você fornece e a redesenha de acordo com um prompt — mantendo a composição e o assunto que você gostou, enquanto altera o que você pede para mudar. O GLM-Image oferece suporte a image-to-image juntamente com text-to-image, e juntos os dois modos formam um único fluxo de trabalho: criar a partir de um prompt e, em seguida, refinar a partir de uma imagem. Este guia aborda quando o I2I é a ferramenta certa, como escrever prompts para ele, o parâmetro de strength que controla tudo e os modos de falha que desperdiçam gerações.
A versão curta: use image-to-image sempre que você já tiver uma imagem que está 80% certa. Ficar gerando de novo a partir de um prompt de texto e torcendo para dar certo é assim que os créditos evaporam.
<!--IMG: The same product photo restyled through three image-to-image passes: studio, lifestyle, and seasonal-->
O que é a geração image-to-image?
A geração text-to-image transforma palavras em uma imagem a partir do nada. A geração image-to-image transforma uma imagem mais um texto em uma nova imagem. Você fornece uma imagem de referência e uma instrução; o modelo lê a referência, compreende sua estrutura e a regenera com as alterações solicitadas, preservando o que for possível.
Mecanicamente, a imagem de referência é codificada na representação latente do modelo, o seu prompt orienta como essa representação será reconstruída, e um parâmetro de força controla até que ponto a reconstrução pode se afastar do original. Pouco desvio significa pequenos retoques; muito desvio significa reinvenção.
O que sobrevive a uma passagem I2I, em ordem aproximada de confiabilidade: a composição geral, o posicionamento dos elementos principais, a identidade do assunto principal (em força baixa a média) e a paleta de cores geral. O que muda: tudo o que você pede explicitamente, mais — e aqui está o porém — qualquer desvio que vaze em forças mais altas. I2I é uma negociação, não uma máscara. Esse é tanto o seu poder quanto o seu risco.
Quando devo usar image-to-image em vez de text-to-image?
Quatro situações, em ordem decrescente de frequência de aplicação:
Edição de um quase acerto. Sua geração acertou a composição, o produto e o clima, mas o fundo está errado ou a iluminação é plana. Re-gerar a partir do prompt arrisca perder tudo o que funcionou; uma passagem I2I com "substitua o fundo por X, mantenha o assunto inalterado" preserva sua vitória.
Transferência de estilo em uma composição sólida. Você tem uma foto ou renderização cuja composição está correta e precisa apresentá-la como aquarela, pintura a óleo ou arte vetorial plana. I2I reaplica o estilo à estrutura em vez de inventar uma nova.
Variações a partir de uma base vencedora. Uma imagem heroica, seis derivadas: versões sazonais, alternativas de cores, diferentes fundos para testes A/B. Cada variação mantém a semelhança familiar porque todas descendem da mesma referência.
Consistência em uma série. Um personagem que deve se parecer com ela mesma em várias cenas, ou um produto que deve permanecer idêntico em um catálogo. Ancorar cada geração na mesma referência reduz dramaticamente a variância em comparação com a geração apenas por prompt.
A regra geral: no momento em que você percebe que está re-rodando um prompt de texto mais de duas ou três vezes para recuperar algo que já tinha, você queria image-to-image.
Como escrever um prompt de imagem para imagem
Os prompts de I2I seguem um padrão de três partes:
[what to change] + [what to keep] + [style and quality direction]
A parte do meio é a que as pessoas pulam, e pulá-la é a causa número um de decepção. O modelo não saberá automaticamente quais partes da referência você considera sagradas. Nomeie-as:
Replace the background with a Tokyo street at night, keep the product
and its label exactly unchanged, neon reflections on the surface,
commercial product photography, sharp focus
Convert to watercolor style, preserve the composition and all major
elements, soft washes, visible paper texture, museum-grade illustration
Change the lighting to golden hour, keep the model's pose and outfit
identical, warm rim light from the left, editorial photography
Observe o que esses prompts não fazem: eles não descrevem a imagem do zero. A referência já carrega essa informação. O trabalho do seu prompt é declarar o delta — a mudança — e delimitar o que não deve se mover. Se você se pegar escrevendo uma descrição completa da imagem, está fazendo text-to-image com etapas extras. O ofício subjacente é o mesmo da escrita de prompts em geral — assunto, estilo, detalhe concreto, coberto por completo em como escrever prompts de imagem com IA — mas a responsabilidade se desloca: a referência fornece a cena, e o prompt fornece a edição.
Força: a configuração que decide o resultado
O parâmetro de força (algumas ferramentas o chamam de força de denoising) controla o quanto do referencial o modelo é permitido sobrescrever:
| Força | Comportamento | Melhor para |
|---|---|---|
| Baixa (aproximadamente 0.3–0.4) | Toque leve; identidade e detalhes sobrevivem | Retoques, ajustes de iluminação, textura |
| Média (aproximadamente 0.5–0.7) | Edição equilibrada; estrutura mantém, conteúdo muda | Troca de fundo, mudanças de estilo |
| Alta (aproximadamente 0.7–0.9) | Referencial torna-se uma sugestão | Reinvenção, restyling dramático |
Duas observações honestas. Primeiro, as escalas exatas e os nomes dos parâmetros diferem entre ferramentas e versões — trate as faixas acima como uma grade de partida e calibre com seus próprios testes. Segundo, a força interage com a resolução: a mesma configuração pode parecer mais destrutiva em tamanhos pequenos, onde o detalhe fino tem menos espaço para sobreviver.
A contradição clássica a evitar: alta força mais "manter tudo o mesmo". Você está dizendo simultaneamente ao modelo para reescrever de forma agressiva e para não mudar nada. Escolha um. A preservação da identidade quer baixa força; a transformação quer alta força; a maioria das edições reais fica no meio.
<!--IMG: A mesma imagem de referência processada com baixa, média e alta força image-to-image-->
Um fluxo de iteração que realmente converge
A edição aleatória em um único tiro produz resultados aleatórios. Este loop converge:
- Crie a base. Gere com texto-para-imagem (ou faça upload da sua própria imagem). Faça suas escolhas aqui — uma base forte se paga em cada passagem posterior.
- Diagnostique antes de editar. Anote o que está errado, especificamente. "A iluminação está plana" é uma instrução. "Melhore isso" é um desejo.
- Primeira passagem I2I — pinceladas amplas. Fundo, estilo ou iluminação geral em força média. Um tema por passagem.
- Segunda passagem — detalhes específicos. Correção de cores, humor, ênfase em detalhes em força baixa.
- Envie a saída de volta como nova referência. Cada passagem se acumula: o resultado de ontem é o ponto de partida de amanhã.
- Pare quando as correções ficam menores que a deriva. Quando uma passagem introduz tantos novos problemas quanto resolve, você convergiu — ou a base precisa ser repensada, não outra passagem.
Dois aceleradores: reutilize a semente quando sua ferramenta a expor, para que uma pequena mudança no prompt produza uma comparação controlada em vez de um novo lançamento de dados; e mantenha notas de quais valores de força produziram que tipo de mudança, porque sua própria tabela de calibração vale mais do que qualquer uma genérica.
Modos de falha comuns e suas correções
O prompt "tudo de uma vez". "Mude o fundo, deixe de noite, reestilize como pintura, adicione neve, remova o carro." Cinco edições de uma vez são cinco chances de quebrar alguma coisa, e nenhum jeito de saber qual instrução causou o dano. Correção: um tema por passagem, em sequência.
Pedidos de melhoria vagos. "Deixe mais profissional" dá ao modelo um clima, sem nenhuma alavanca. Correção: nomeie o defeito e o remédio — "substitua o fundo bagunçado por um degradê limpo, mantenha o sujeito inalterado."
Brigando com a referência. Pedir mudanças que contradizem a composição ("faça o sujeito preencher o quadro" numa paisagem ampla) força o modelo a escolher entre o seu prompt e a âncora. Correção: quando o layout em si está errado, volte ao texto-para-imagem e corrija o layout lá.
Edições de texto em alta intensidade. O texto na imagem é regenerado aleatoriamente quando o redesenho é agressivo — a placa de que você gostava volta com letras novas e erradas. Correção: refaça imagens com texto em baixa intensidade, repita o texto exato no prompt e mantenha-o curto. A renderização de texto do GLM-Image é um ponto forte aqui — é a capacidade emblemática do modelo, e o guia mais aprofundado está em melhor renderização de texto com IA — mas só quando você trabalha a favor dela, não contra.
Refinamento infinito. A décima passagem raramente corrige o que a terceira não conseguiu. Correção: aceite a convergência, ou recomece a partir de uma base melhor. Feito é melhor que perfeito.
O que o image-to-image não pode fazer
O I2I não é edição de pixels, é redesenho guiado por instruções. Ele não consegue "mover esses 3 pixels para a esquerda", recolorir uma região específica de pixels sob demanda ou garantir que os códigos hex da sua marca e a tipografia exata sobrevivam à regeneração — essa precisão pertence ao Photoshop, Illustrator ou Inkscape após a geração pela IA. A deriva de identidade em alta força é física, e não um bug que você pode corrigir com prompts. Além disso, o texto longo embutido na imagem permanece arriscado em todos os modelos; frases curtas são o regime confiável. O padrão profissional é exatamente esta ordem: usar a IA para a imagem e as ferramentas de design para os últimos milímetros.
Perguntas Frequentes
GLMImage suporta de imagem para imagem?
Sim — tanto de texto para imagem quanto de imagem para imagem são suportados. O fluxo de trabalho padrão é de texto para imagem para a base, depois passes de I2I para refinamento e variações.
Qual a força que devo começar?
Medium (aproximadamente 0.5–0.7) para uma edição típica. Reduza para low quando a preservação de identidade ou detalhes for mais importante; vá para high apenas para uma reinvenção deliberada, e espere que a referência sobreviva como uma sugestão em vez de uma estrutura.
Posso usar minhas próprias fotos como referências?
Geralmente sim — as transferências de estilo e edições nas suas próprias imagens são o caso de uso principal. Para imagens de pessoas identificáveis, você é responsável por ter os direitos e o consentimento para usá-las.
Quando é melhor refazer o prompt em vez de outro pass de I2I?
Quando o problema está na própria composição. O I2I herda o layout da referência; não pode corrigir um layout que está preservando simultaneamente. Problemas estruturais voltam para de texto para imagem.
Experimente o loop no seu próprio trabalho: abra o gerador de imagens →
