Monte o seu próprio ChatGPT (5/9): o pincel — geração de imagens

Peça uma imagem ao ChatGPT e repare no que acontece: você escreve "um gato de óculos" e volta uma ilustração com iluminação, estilo, enquadramento e fundo que você não pediu. Não é o modelo de imagem sendo generoso.

O cérebro desenha? Não. Ele reescreve.

Entre o seu pedido e o modelo de imagem existe uma etapa invisível: o modelo de texto reescreve o seu pedido num prompt detalhado. "Um gato de óculos" vira algo como "fotografia de um gato laranja usando óculos de armação redonda, luz suave de janela, fundo desfocado, 50mm, alta nitidez".

Essa etapa é responsável por boa parte da diferença de qualidade entre usar o ChatGPT e rodar o mesmo modelo aberto na sua máquina com o texto cru. Modelos de imagem respondem muito melhor a descrição rica do que a três palavras.

Qual modelo aberto usar

O motor que amarra tudo é o ComfyUI: ele carrega o modelo, expõe uma API e deixa você montar o fluxo (gerar, ampliar, remover fundo, aplicar estilo) como um grafo. Sobe em 1 clique numa placa a partir de R$ 2,78 por hora.

A arquitetura que ninguém avisa que é obrigatória

Gerar uma imagem leva de 2 a 15 segundos. Isso é uma eternidade para uma requisição HTTP: o navegador do usuário fica pendurado, o balanceador derruba a conexão em 30 segundos, e duas pessoas pedindo ao mesmo tempo formam fila sem que ninguém saiba.

A peça de imagem precisa ser assíncrona:

1. O usuário pede. Você grava a tarefa numa fila e devolve na hora um identificador.
2. Um trabalhador consome a fila, chama o ComfyUI, salva a imagem no armazenamento.
3. A interface acompanha o estado — por consulta periódica ou por WebSocket — e mostra a imagem quando fica pronta.

Parece burocracia e é o que separa um protótipo de um produto. Também é o que permite o próximo truque, que é onde o dinheiro está.

O fluxo completo, em código

from openai import OpenAI
import requests, json

cliente = OpenAI(base_url="https://gpubrasil.com.br/v1",
                 api_key="gpub_live_suachaveaqui")

INSTRUCAO = """Você reescreve pedidos de imagem em prompts detalhados, em inglês.
Inclua: assunto, estilo, iluminação, enquadramento, nível de detalhe.
Não invente marca, pessoa real ou logotipo. Responda só com o prompt."""

def expandir(pedido_do_usuario: str) -> str:
    r = cliente.chat.completions.create(
        model="gpub-fast",                       # a peça mais barata do fluxo
        messages=[{"role": "system", "content": INSTRUCAO},
                  {"role": "user", "content": pedido_do_usuario}],
        max_tokens=200,
    )
    return r.choices[0].message.content.strip()

def gerar(prompt: str, comfy="http://SEU-IP:8188"):
    fluxo = json.load(open("fluxo_txt2img.json"))   # exportado do ComfyUI
    fluxo["6"]["inputs"]["text"] = prompt           # nó do prompt positivo
    fluxo["3"]["inputs"]["steps"] = 8               # modelo destilado
    fluxo["3"]["inputs"]["cfg"] = 0.0               # destilado: guidance zero
    r = requests.post(f"{comfy}/prompt", json={"prompt": fluxo}, timeout=30)
    return r.json()["prompt_id"]                    # acompanhe pelo /history

# no seu trabalhador de fila:
prompt = expandir("um gato de óculos")
tarefa = gerar(prompt)

Gerar é só metade — editar é a outra

No uso real de um assistente, boa parte dos pedidos não é "crie do zero", e sim mexa nessa imagem:

• Remover ou trocar o fundo — o rembg resolve, roda em placa mínima e é quase instantâneo. É o pedido mais comum em uso comercial, disparado.
• Preencher uma região (tirar um objeto, trocar a roupa, limpar a foto) — os modelos de edição das mesmas famílias fazem, dentro do ComfyUI.
• Ampliar — gerar em 1024 e ampliar depois custa uma fração de gerar direto em 2048, com resultado praticamente igual em tela.
• Manter a identidade visual — um ajuste fino leve treinado com 20 fotos dos seus produtos faz o gerador manter o seu estilo em todas as saídas.

A conta por imagem

Preços de agosto de 2026, para uma GPU avulsa, sem interrupção programada. O catálogo muda: confira a vitrine antes de fechar a conta.

Menos de um centavo por imagem, na pior configuração da tabela. O que decide a sua conta não é o preço da imagem — é quanto tempo a máquina passou ligada sem gerar nada. Se você tirar uma lição desta parte, que seja essa.

Para a matemática completa de passos, resolução e lote — as quatro alavancas que mudam o custo em vinte vezes — o aprofundamento está em gerar dez mil imagens.

Moderação: a peça que você não pode pular

Um gerador aberto na internet vai receber pedidos que você não quer atender. O mínimo responsável, e barato:

• Filtro na entrada. Uma chamada ao modelo econômico classificando o pedido antes de gerar custa R$ 0,0002 e barra a maior parte do problema.
• Recusa explícita a pessoa real. Gerar imagem de pessoa identificável sem consentimento é problema jurídico, não técnico. Instrua a reescrita a recusar e registre a recusa.
• Registro de quem pediu o quê. Guarde o prompt original, o expandido e o usuário. É o que te salva numa disputa.
• Licença do modelo. "Aberto" não é sinônimo de "liberado para uso comercial". Confira a licença da variante exata antes de faturar em cima dela.

Próxima parte: a câmera — geração de vídeo, a peça mais cara de todas.

Continue: custo por imagem em escala · modelos de imagem abertos · parte 6: vídeo