Roupa no prompt de imagem: os termos que vestem de verdade e

Resposta rápida

A IA gera roupa de dois jeitos bem diferentes: quando você descreve peça, tecido, corte e caimento, ela costuma acertar; quando você usa palavra genérica tipo “roupa elegante” ou “estilo casual”, ela inventa qualquer coisa que pareça vagamente aquilo, porque não tem informação suficiente pra decidir. Pesquisa da Stylitics em parceria com a Aha Studio (outubro de 2025, 411 compradores) mostrou que 71% das pessoas não conseguiram distinguir foto real de foto gerada por IA em imagens de moda, mas quando o modelo erra, o erro que mais entrega a farsa é justamente roupa: botão da cor errada, tecido sem nenhuma ruga onde deveria ter, acabamento estranho. A técnica que resolve isso é trocar adjetivo vago por vocabulário de tecido, corte e comportamento do caimento, e travar o que NÃO pode mudar (rosto, corpo, pose) enquanto só a roupa varia. Este artigo traz os termos que realmente vestem a pessoa gerada e os que a IA costuma ignorar.

Por que “roupa elegante” não funciona e “blazer de linho bege, ombro estruturado” funciona

Todo modelo de geração de imagem decide os detalhes que você não especificou usando o que é mais comum no material de treino pra aquele contexto. Se você pede “mulher de roupa elegante numa festa”, a IA não tem corte, tecido, cor nem comprimento pra trabalhar, então ela chuta a combinação estatisticamente mais provável pra “elegante” + “festa” no banco dela, que pode ser qualquer coisa de um vestido de gala a um terninho, dependendo do resto do prompt. É o mesmo mecanismo, em miniatura, que faz uma pessoa duvidar de “faça algo bonito” sem outro contexto: bonito pra quem, com que referência?

Quando você troca “elegante” por peça + material + corte, cada palavra elimina possibilidades e empurra a geração pra um resultado específico. “Blazer de linho bege, ombro estruturado, botão único” é uma frase que só descreve UMA coisa. É por isso que o guia oficial de prompting do gpt-image, da própria OpenAI, recomenda tratar roupa como elemento que precisa de “comportamento de tecido realista” e integração de luz e sombra com o resto da cena, não como categoria solta: quanto mais a frase se parece com uma nota de figurino de produção (o documento que descreve peça por peça pra quem vai montar o guarda-roupa de um set), melhor o resultado.

Os termos que realmente vestem a pessoa (por camada)

Separar a descrição em camadas evita esquecer detalhe e dá ao modelo uma ordem de prioridade parecida com a de um figurinista de verdade:

Peça exata, não categoria. Troque “roupa de baixo” por “camiseta branca gola careca”, “top”, “suéter de gola alta”. Categoria (roupa, blusa, look) é ambígua; peça nomeada não é.
Material com textura descrita, não só o nome do tecido. “Seda” sozinho já ajuda, mas “seda crua com leve textura irregular” ou “linho pesado com vincos naturais” trava o comportamento visual (brilho, caimento, ruga) que faz o tecido parecer real em vez de plástico.
Corte e caimento. “Ombro estruturado”, “cintura marcada”, “caimento solto e fluido”, “corte reto”. É essa camada que decide se a peça parece vestida numa pessoa ou colada como adesivo.
Cor com referência, não nome solto. “Verde-oliva”, “azul-petróleo”, “bege areia” funcionam melhor que “verde” puro, porque ancoram um tom específico em vez de deixar a IA escolher entre dezenas de verdes possíveis. (O vocabulário completo de cor e paleta está no guia de cor no prompt de imagem.)
Acabamento e detalhe. Botão, ziper visível, costura aparente, bolso, gola. É o nível que faz a diferença entre uma peça genérica e uma peça que parece ter sido desenhada de propósito.

Uma frase que usa as cinco camadas: “vestido midi de linho verde-oliva, corte reto, cintura marcada com cinto fino da mesma cor, botões forrados na frente, tecido com vincos naturais de quem andou o dia inteiro.”

Como travar a roupa sem perder o resto da imagem

O maior erro em prompt de roupa não é falta de vocabulário, é pedir a roupa e o resto da cena juntos, numa frase só, sem hierarquia. O guia oficial da OpenAI pra edição de imagem com o gpt-image resolve isso com uma técnica de duas partes que funciona também pra geração do zero: primeiro você declara o que PRECISA se manter igual (rosto, proporção do corpo, pose, expressão), depois você descreve a roupa como elemento isolado que substitui só aquela parte da cena. A instrução oficial do exemplo de prova de roupa virtual é literal: “não mude o rosto, os traços faciais, o tom de pele, a forma do corpo, a pose ou a identidade de forma alguma… troque só a roupa.”

Na prática, isso significa estruturar o prompt em duas frases, não uma:

Frase de âncora: “mantenha o rosto, a pose e o corpo exatamente como estão.”
Frase de guarda-roupa: “vista a pessoa com [peça + material + corte + cor + acabamento], com comportamento realista de tecido e sombra combinando com a iluminação da cena.”

Separar as duas reduz um erro comum: quando roupa e cena vêm misturadas numa frase só, o modelo às vezes reparte a “atenção” errado e troca elementos que você queria manter (a pose muda, o rosto perde semelhança) só porque a frase de roupa “contaminou” a leitura do resto.

Erros comuns que fazem a IA inventar a roupa

Adjetivo de julgamento sem substância. “Bonito”, “estiloso”, “na moda”, “profissional” descrevem sua opinião sobre a roupa, não a roupa. Troque por peça/material/corte real que VOCÊ associa com “profissional”, por exemplo.
Marca em vez de descrição visual. Pedir “jaqueta estilo [marca]” funciona pior do que descrever o que faz aquela peça reconhecível (corte, cor, detalhe de bolso, tipo de fecho), porque o modelo nem sempre tem uma associação visual confiável pra cada marca, e o resultado sai genérico mesmo citando o nome certo.
Contradição entre clima da cena e peça pedida. Pedir “casaco de lã pesado” numa cena de praia ensolarada faz o modelo escolher entre as duas pistas, e o resultado incoerente (casaco fino, ou praia com cara de inverno) é comum. Frase da roupa e frase do cenário devem contar a mesma história.
Pedir peça E textura genérica ao mesmo tempo sem hierarquia, tipo “roupa com textura interessante”: textura sem material nomeado (qual textura? de qual tecido?) volta pro mesmo problema do adjetivo vago.
Esquecer o acabamento da luz. Mesmo descrevendo a peça certa, se você não pede pra sombra e o brilho do tecido combinarem com a luz da cena (ver o guia de iluminação e lente no prompt de imagem), a roupa pode sair certa na forma mas errada no acabamento, com aquele brilho plástico que denuncia IA de longe.

Antes e depois

Vago (a IA decide tudo):

“Mulher com roupa casual elegante andando na rua.”

Descrito por camadas (a IA tem o que seguir):

“Mulher andando na rua, vestindo calça de alfaiataria bege com corte reto, camisa de linho branca com mangas dobradas até o cotovelo, tecido com leve vinco natural, sapato de couro marrom. Mantenha o rosto, a pose e o corpo exatamente como no restante da cena, luz e sombra da roupa combinando com a iluminação de rua.”

A segunda versão não é mais longa por enfeite: cada trecho elimina uma decisão que a IA teria que chutar sozinha, e o resultado sai reconhecível como a peça específica que você imaginou, não como “uma roupa qualquer que combina com o clima geral do pedido”.

Perguntas frequentes

Por que às vezes a IA troca a cor da roupa mesmo eu tendo pedido certo?

Geralmente acontece quando a cor pedida conflita com outra parte do prompt (iluminação muito forte de um tom específico, por exemplo, pode “lavar” a cor da roupa) ou quando a frase de cor ficou longe da frase da peça no texto, e o modelo perde a associação entre as duas. Colocar cor logo depois do nome da peça (“blazer azul-petróleo”, não “blazer bege… com um toque de azul-petróleo em algum lugar depois”) ajuda a manter a ligação clara.

Vale a pena mandar uma foto de referência da roupa em vez de descrever em texto?

Nas ferramentas que aceitam múltiplas imagens de entrada (como o gpt-image), sim, e costuma ser mais preciso: você rotula qual imagem é a pessoa e qual é a referência da peça, e pede pra IA vestir uma na outra. Ainda assim, vale descrever em texto o que a foto de referência não mostra bem (o caimento por trás, o comportamento do tecido em movimento), porque a imagem sozinha não carrega toda informação de material.

Por que a roupa sai “colada” no corpo, sem parecer vestida de verdade?

Normalmente falta a camada de caimento e comportamento de tecido. Pedir só a peça e o material sem dizer como ela se comporta (“caimento solto”, “tecido que segue o movimento do corpo”, “folga na cintura”) deixa a IA livre pra desenhar a roupa como uma segunda pele, que é o padrão mais comum quando não há instrução de caimento.

Estampa e padronagem seguem a mesma lógica de “nomear em vez de generalizar”?

Sim. “Estampa floral” é tão vago quanto “roupa bonita”: floral pequeno, floral grande, monocromático, colorido, geométrico misturado com floral são resultados completamente diferentes. Descrever escala (“estampa floral miúda”), cor de fundo e densidade (“bastante espaço entre as flores, fundo branco”) funciona pelo mesmo motivo que material e corte funcionam: elimina ambiguidade real.

Roupa é figurino, não decoração

Tratar a roupa da pessoa gerada como um figurinista trataria, com peça nomeada, material com textura, corte e acabamento, é a diferença entre uma imagem que parece ter sido pensada e uma que parece ter sido sorteada. É o mesmo raciocínio por trás de outros vocabulários de prompt que a gente já destrinchou aqui na CPDF (Comunidade Profissionais do Futuro - por Danilo Gato), como o de expressão e pose e o de ângulos de câmera: trocar adjetivo genérico por vocabulário técnico específico é o que separa quem só “pede uma imagem” de quem sabe exatamente o que está pedindo.

Roupa no prompt de imagem: os termos que vestem de verdade e os que a IA ignora