IA escrever texto na imagem: por que embaralha as letras e como corrigir (2026)

excerpt: Por que a IA embaralha as letras dentro da imagem e como escrever o prompt certo pra ela acertar o texto na placa, no cartaz ou na capa. externalId: isa-geo-2026-08-25-003 | tags: prompt-de-imagem, texto-em-imagem, gpt-image, ideogram, nano-banana

Resposta rápida

A IA erra o texto dentro da imagem porque os geradores mais comuns (modelos de difusão) não “escrevem” palavra por palavra como um chat de texto escreve: eles reconstroem a imagem inteira a partir de ruído, pixel a pixel, aprendendo padrões visuais de bilhões de fotos. O texto ocupa uma fração mínima dos pixels de uma imagem, então o modelo aprende a desenhar a FORMA de uma letra (reconhece o que parece um H ou um P), mas erra ao montar a palavra inteira soletrada certinha. A boa notícia é que isso mudou bastante em 2025 e 2026: modelos como o GPT Image 2 da OpenAI e o Nano Banana 2 do Google passaram a tratar renderização de texto como recurso central, e o Ideogram, especializado nisso, chega a 95% de precisão contra 30-50% da maioria dos outros geradores. Mesmo assim, tem prompt que ajuda muito e prompt que sabota o resultado. Este guia explica o porquê técnico e o passo a passo prático.

Por que a IA erra as letras dentro da imagem?

A explicação vem de como o modelo foi treinado. Modelos de geração de imagem por difusão aprendem observando bilhões de pares foto-legenda e reconstroem imagens a partir de ruído, sem processar linguagem como um modelo de texto processa. Segundo Matthew Guzdial, pesquisador de IA da University of Alberta, o modelo prioriza aprender os padrões visuais que ocupam mais espaço na imagem (rostos, cenários, objetos), porque o texto costuma ser uma fração mínima dos pixels totais de uma foto de treino (fonte: TechCrunch, “Why is AI so bad at spelling?”, 21/03/2024).

Na prática, isso significa que a IA reconhece localmente o que “parece” uma letra, desenha algo com jeitão de H ou de P, mas não tem garantia estrutural de que a palavra inteira vai sair soletrada certa. É por isso que placas, cartazes e capas geradas por IA às vezes saem com uma letra a mais, uma trocada ou uma palavra que não existe: o modelo está desenhando, não escrevendo.

Quais modelos resolveram isso melhor em 2026?

A corrida por renderização de texto confiável avançou bastante nos últimos meses:

Ferramenta	O que mudou
GPT Image 2 (OpenAI, abril de 2026)	Arquitetura reconstruída do zero com renderização de texto como diferencial central, incluindo scripts não-latinos, permitindo pôsteres, infográficos e slides com tipografia legível (fonte: OpenAI, “Introducing ChatGPT Images 2.0”)
Nano Banana 2 (Google, Gemini)	Renderiza texto “com a mesma precisão da arte”, inclusive tradução do texto dentro da própria imagem em várias línguas (fonte: Google Cloud Blog, “Bringing Nano Banana 2 to enterprise”)
Ideogram	Trata texto como capacidade central desde o início, com um pipeline de renderização de texto separado da geração da imagem. A empresa afirma 95% de precisão no texto, contra a faixa de 30-50% da maioria dos outros geradores (fonte: página oficial “Text Rendering”, Ideogram)

Isso não quer dizer que o problema acabou: mesmo os modelos mais avançados ainda erram de vez em quando, principalmente com textos longos ou fontes muito estilizadas. Mas a diferença entre gerar em 2024 e gerar hoje é grande.

Vale entender o que mudou por baixo do capô, porque isso explica por que alguns modelos são mais confiáveis que outros pra texto. O Ideogram, por exemplo, não tenta resolver texto e imagem no mesmo processo: a empresa construiu um pipeline de renderização de texto separado da geração visual, usando um modelo de conexão visual-linguística (CLIP) pra entender o pedido e uma camada de tipografia própria pra desenhar as letras com mais precisão, em vez de deixar tudo por conta do mesmo processo de difusão que desenha o resto da cena. É basicamente tratar “escrever a palavra certa” como um problema separado de “desenhar uma cena bonita”, em vez de esperar que o mesmo mecanismo resolva os dois ao mesmo tempo.

Como escrever o prompt pra IA acertar o texto?

A documentação oficial do Ideogram, referência em texto dentro de imagem, resume as práticas que realmente ajudam:

1. Coloque o texto exato entre aspas. Em vez de descrever vagamente o que a placa deveria dizer, escreva a frase literal entre aspas no prompt.
2. Peça o texto logo no início do prompt. Modelos de imagem dão mais peso ao que aparece primeiro na descrição.
3. Textos curtos funcionam muito melhor. Quanto mais longa a frase, maior a chance de a IA errar, distorcer ou cortar uma palavra no meio. Se precisar de um texto longo, divida em blocos menores com posição específica (“título no topo”, “subtítulo embaixo”).
4. Descreva o estilo da fonte, não o nome dela. “Fonte serifada elegante” ou “sem serifa em negrito” funciona melhor do que pedir uma fonte específica que a IA provavelmente não conhece de verdade.
5. Simplifique o resto da cena. Quanto menos elementos concorrendo por atenção visual, mais “foco” sobra pro modelo acertar o texto.

Já tratamos o vocabulário de câmera e de iluminação que ajuda a IA a acertar o resto da composição nos nossos guias de ângulos de câmera pra prompt e iluminação e lente pra prompt de imagem: a lógica de ser específico vale igual pro texto.

Exemplo prático: prompt fraco x prompt forte

Pra sair da teoria, veja a diferença entre um pedido vago e um pedido aplicando as regras acima, num caso comum: a placa de uma cafeteria fictícia.

• Prompt fraco: “uma cafeteria aconchegante com uma placa escrito Café da Esquina na porta, estilo rústico”
• Prompt forte: “placa de madeira rústica na porta de uma cafeteria, com o texto "Café da Esquina" em fonte serifada desenhada à mão, letras grandes e centralizadas, fundo simples de madeira sem outros elementos”

A diferença não é só estética: o prompt forte coloca o texto entre aspas, descreve o estilo da fonte sem citar um nome específico, e simplifica o resto da cena pra não competir com o texto por atenção do modelo. Nenhuma das duas versões garante acerto total, mas a segunda reduz bastante a chance de a IA embaralhar as letras.

A IA errou de novo. E agora?

Nenhuma técnica de prompt é garantia de 100%, então vale ter um plano B pronto:

• Regenere algumas vezes. Como a geração tem variação, rodar o mesmo prompt de novo às vezes resolve sozinho, sem mudar nada.
• Gere primeiro, edite o texto depois. A técnica mais confiável pra texto crítico (nome de marca, número exato, frase que não pode sair errada) é gerar a imagem inteira normalmente e depois editar (fazer inpainting) só na área onde o texto fica, pedindo pra IA regenerar apenas aquele pedaço com o texto certo.
• Para texto 100% crítico, insira manualmente. Se o texto não pode ter NENHUM erro (um convite oficial, uma peça de marca), o caminho mais seguro é gerar o visual pela IA e adicionar o texto depois num editor gráfico comum, por cima da imagem pronta.

Perguntas frequentes

Por que às vezes o texto sai perfeito e às vezes sai embaralhado com o mesmo modelo? Porque a geração por difusão tem variação natural a cada rodada. O mesmo prompt pode acertar numa tentativa e errar na próxima, principalmente com textos mais longos ou fontes estilizadas.

Existe algum modelo bom pra texto em português com acento? Os modelos mais recentes (GPT Image 2, Nano Banana 2) melhoraram bastante em scripts não padronizados e acentuação, mas ainda vale conferir a palavra letra por letra depois de gerar, porque acento e cedilha ainda são pontos comuns de erro.

Vale a pena usar prompt negativo pra evitar texto errado? Prompt negativo ajuda mais a evitar elementos indesejados (texto borrado, marca d’água falsa) do que a garantir texto correto: as duas coisas trabalham juntas. Detalhamos essa técnica no nosso guia de prompt negativo.