Como criadores digitais usam o modo Controlled Text-to-Image do Dezgo e modelos ControlNet para preservar poses e traços estruturais

Nos fluxos de trabalho tradicionais de geração de imagens a partir de texto (Text-to-Image), ilustradores, artistas conceituais e designers visuais enfrentam com frequência o problema do desvio de comandos (prompt drift). Tentar descrever posturas anatômicas complexas, ângulos de câmera dinâmicos ou enquadramentos rigorosos apenas por meio de palavras quase sempre resulta em membros distorcidos, membros extras indesejados ou alterações radicais de composição.

A plataforma Dezgo soluciona essa limitação por meio da ferramenta dedicada Controlled Text-to-image (acessível diretamente no navegador e programaticamente via endpoint de API POST /controlnet). Baseada na arquitetura Stable Diffusion 1.5 e equipada com adaptadores neurais ControlNet, essa funcionalidade permite utilizar imagens de referência como guias estruturais. Ao combinar modelos de extração como OpenPose, Canny Edges e Depth com controles precisos de peso, o criador consegue fixar a postura e o traço de contorno, deixando para o prompt a tarefa de definir estilo artístico, iluminação, figurino e cenários.

O funcionamento do ControlNet no Dezgo

Modelos de difusão padrão utilizam atenção cruzada textual para estimar simultaneamente o que deve estar na imagem e onde cada elemento deve se posicionar. O ControlNet divide essa responsabilidade ao introduzir uma rede neural auxiliar que lê mapas de características geométricas a partir de uma imagem de referência (init_image) e os injeta diretamente nas camadas de desruído da difusão.

No Dezgo, o parâmetro control_model oferece várias opções consolidadas:

1. OpenPose Full (openpose_full): Extrai as articulações do esqueleto humano, ângulos dos membros, inclinação da cabeça e pontos-chave das mãos. Ele remove completamente as roupas, a identidade, as cores e o fundo da imagem original, preservando exclusivamente a mecânica da pose. É a escolha essencial para criar sequências de ação e estudos de personagem em múltiplos ângulos (turnarounds).
2. Canny Edges (canny): Utiliza algoritmos de detecção de bordas em alto contraste para mapear contornos externos e linhas marcantes. É ideal para transformar esboços em ilustrações finalizadas, integrar elementos gráficos ou manter a estrutura rígida de veículos e maquinários.
3. Depth (depth): Constrói um mapa de profundidade monocular em escala de cinza (tons claros indicam elementos próximos à câmera e tons escuros representam o fundo). Em vez de travar traços finos de linha, o Depth preserva o volume espacial 3D, o enquadramento de câmera e as relações de planos do cenário.
4. Modelos estruturais complementares: O Dezgo também suporta lineart (linhas artísticas finas, excelente para mangás e quadrinhos), scribble (para converter rascunhos e rabiscos soltos em artes detalhadas), mlsd (detecção de linhas retas para arquitetura e interiores) e normalbae (mapas de normais para orientação de superfícies).

Comparação dos modelos ControlNet no Dezgo

Passo a passo prático para geração controlada no Dezgo

O Dezgo permite testes imediatos sem necessidade de cadastro, além de disponibilizar o Power Mode e uma API completa para produção contínua.

1. Acessar a ferramenta dedicada

No menu lateral do Dezgo, localize a seção Image Tools e clique em Controlled Text-to-image (dezgo.com/app/controlnet). Essa tela exibe as opções exclusivas de condicionamento estrutural.

2. Enviar a imagem de referência (Init image)

Arraste ou selecione um arquivo JPG ou PNG no campo Init image.

• Resolução: A infraestrutura do ControlNet no Dezgo tem como base o Stable Diffusion 1.5, cuja resolução nativa de treinamento é 512×512 pixels. O sistema redimensiona arquivos maiores automaticamente.
• Proporção da tela: Ajuste o seletor Resolution para que corresponda à orientação da sua imagem de referência (Portrait para vertical, Landscape para horizontal ou Square para quadrado), evitando distorções ou cortes indesejados.

3. Selecionar o modelo de controle e verificar o pré-processamento

• Escolha o modelo de acordo com sua meta criativa (openpose_full para anatomia, canny para contornos ou depth para volume de cena).
• Abra a seção More options e configure o botão Control preprocess:
  • Ativado (Yes / padrão): Obrigatório ao enviar fotos convencionais, renderizações 3D ou ilustrações coloridas; o servidor do Dezgo fará a leitura e gerará o mapa estrutural automaticamente.
  • Desativado (No): Utilize essa opção caso a imagem enviada já seja um mapa previamente extraído (como um esqueleto colorido do OpenPose gerado no Blender ou um mapa de profundidade em escala de cinza).

4. Calibrar o controle de intensidade (Control Scale)

A barra Control scale (de 0% a 100%, ou 0.0 a 1.0 na API) determina a autoridade do mapa geométrico sobre a difusão:

• 100% (1.0): Bloqueio estrito. A IA obedece rigidamente à geometria da referência. Em Canny ou Scribble, valores máximos podem causar rigidez anatômica ou artefatos de linhas artificiais.
• 60% – 80% (0.60 – 0.80) [Faixa ideal recomendada]: O equilíbrio mais natural. A pose e a silhueta principal são rigorosamente preservadas, enquanto o modelo mantém flexibilidade para renderizar dobras de tecidos, cabelos soltos, iluminação realista e materiais orgânicos.
• Abaixo de 40% (0.40): Orientação frouxa. Recomendada quando se busca apenas uma sugestão composicional livre.

5. Escolher o modelo base de Stable Diffusion 1.5

No menu suspenso Model, selecione o checkpoint compatível com o acabamento visual pretendido:

• Fotorrealismo e retratos cinematográficos: absolute_reality_1_8_1, cyberrealistic_3_3 ou realistic_vision_5_1.
• Anime, mangá e ilustração estilizada: anything_5_0, waifudiffusion_1_4 ou ghostmix_v2.
• Arte conceitual de fantasia e pintura digital: dreamshaper_8, deliberate_2 ou realdream_12.

6. Configurar prompts, guidance e amostragem

• Estrutura do prompt: Concentre o texto positivo na caracterização do personagem, figurino, iluminação e acabamento (por exemplo: "cyberpunk pilot, illuminated tactical suit, volumetric neon lighting, octane render, 8k concept art"). Não é necessário descrever coordenadas de membros, pois o ControlNet já as define.
• Prompt negativo: Mantenha os termos de filtro anatômico padrão do Dezgo (ugly, poorly drawn hands, poorly drawn feet, extra limbs, bad anatomy, deformed) para evitar artefatos em mãos e articulações.
• Guidance (CFG Scale): Mantenha entre 6.0 e 8.5 (padrão 7.0). Valores acima de 10.0 tendem a disputar espaço com o mapa estrutural, gerando aberrações de contraste e bordas queimadas.
• Amostrador (Sampler): O padrão dpmpp_2m_karras atinge excelente definição entre 14 e 25 passos de amostragem.

Cenários práticos de produção

Cenário A: Consistência de personagem em diferentes poses

Para criadores de histórias em quadrinhos ou animadores:

1. Defina o prompt de descrição do protagonista e aplique eventuais LoRAs (o Dezgo permite combinar até 4 LoRAs do CivitAI em SD 1.5).
2. Carregue referências de diferentes poses corporais (correndo, saltando, agachado) com openpose_full e escala em 0.75.
3. Fixando a mesma semente (Seed) ou termos de vestuário, o mesmo personagem será gerado executando movimentos variados com estabilidade visual.

Cenário B: De rascunho a arte conceitual finalizada

Para ilustradores que desejam converter desenhos manuais em propostas comerciais:

1. Envie o rascunho escaneado no campo Init Image e escolha canny ou scribble.
2. Defina a escala em 0.65 – 0.70.
3. Adicione prompts voltados para materiais, oclusão de ambiente e iluminação dramática.
4. A IA respeitará rigorosamente as proporções do traço original, preenchendo texturas realistas e sombras naturais.

Modelo comercial e integração via API

O Dezgo oferece grande flexibilidade de acesso:

• Navegador gratuito: Permite validação rápida e testes de poses sem exigência de login ou dados de pagamento.
• Power Mode (saldo pré-pago): Sem cobranças mensais fixas obrigatórias, o saldo adicionado não expira. Ativa a geração de lotes paralelos (Count), amostragem com até 150 passos e ampliação 2x via Real-ESRGAN.
• API para desenvolvedores: Equipes e estúdios podem integrar o endpoint POST /controlnet diretamente em pipelines automatizados usando o cabeçalho X-Dezgo-Key com envio via JSON (Base64) ou multipart/form-data. Devido ao cálculo simultâneo das duas redes neurais, o custo computacional é de aproximadamente o dobro de uma chamada a /text2image (cerca de US$ 0,0038 por imagem 512×512 nos parâmetros básicos), mantendo excelente custo-benefício frente à manutenção de servidores GPU próprios.

Recomendações para melhores resultados

• Clareza nas mãos: O OpenPose identifica dedos com maior precisão quando as mãos estão bem destacadas do corpo na imagem de referência, e não escondidas em bolsos ou sobrepostas.
• Alinhamento de proporção: Sempre combine a orientação da imagem de referência com a configuração do canvas (Portrait para imagens verticais, evitando distorções).
• Ajuste gradual da escala: Inicie sempre em 0.70. Caso a pose fique imprecisa, suba para 0.85; se as linhas ficarem excessivamente rígidas, reduza para 0.60.

Referências

• Dezgo - Free Online AI Image/Video Generator, Apps & Tools
• Controlled Text-to-image - Free Online AI Image Generator - Dezgo
• AI Image Generator API - Flux/Stable Diffusion - Dezgo
• API Reference - AI Image Generator API - Flux/Stable Diffusion - Dezgo
• Overview - AI Image Generator API - Flux/Stable Diffusion - Dezgo