Transferência de roupa com IA, sem censura

A maior parte do trabalho com imagens de que as pessoas realmente precisam não é “faça uma imagem de uma coisa”. É “ponha esta jaqueta nesta pessoa”, “coloque esta cadeira nesta sala”, “fotografe este produto naquela mão”. Tudo isso exige material de mais de uma fotografia, e tudo isso falha do mesmo jeito: uma imagem é anexada, a outra é descrita em palavras, e volta algo plausível que não é a coisa que você tem. A correção é menor do que você imagina, e funciona em todos os casos.

01O que é “combinar imagens” e onde isso acontece

O Shannon 3 faz três coisas distintas com imagens: gera uma imagem nova a partir de uma descrição, edita uma imagem existente e combina duas ou mais imagens em uma nova. Elas têm regras diferentes, e escolher a errada é o primeiro lugar por onde a qualidade escapa.

Use a combinação sempre que a imagem final precisar de material de mais de uma fotografia: transferência de roupa e figurino, colocar um objeto em uma cena, pessoa A ao lado da pessoa B, um produto real segurado por uma modelo real, o estilo de uma imagem aplicado ao sujeito de outra. Se você se pegar desejando apontar para duas fotos ao mesmo tempo, é essa a operação.

Tudo isso acontece no app de chat do Shannon, em conversa comum. Não está na API /v1 — a API serve texto e visão, ou seja, ela lê as imagens que você envia em vez de produzir novas. Se você chegou por uma busca sobre API, essa é a resposta honesta; veja a documentação da API para o que os endpoints de fato servem. As imagens são renderizadas no nosso próprio cluster de GPUs.

Você pede em linguagem comum, no idioma que fala. O Shannon percebe que uma imagem está sendo solicitada, escreve ele mesmo a instrução de geração em inglês e a mostra a você em um cartão de confirmação antes de qualquer renderização. Nada é gerado e nada é cobrado até você confirmar — e, no trabalho com várias imagens, esse cartão é onde você confere se os papéis e a ordem saíram como você queria. O Shannon nunca gera sem ser convidado: um cumprimento, uma pergunta ou uma foto anexada casualmente não disparam uma renderização.

02A regra: nomeie o papel de cada imagem, em ordem

A instrução precisa dizer o que cada imagem contribui, e precisa dizer isso na ordem em que as imagens foram dadas. Essa é a técnica inteira; tudo abaixo é essa regra aplicada a um trabalho específico.

A primeira imagem é a base — o sujeito principal, ou a cena, o que quer que componha a maior parte da imagem final. Ela define identidade, pose, enquadramento, iluminação e tudo o que você não pediu para mudar. As imagens seguintes são fontes: as partes que estão sendo trazidas. Escreva a frase de modo que um estranho segurando as imagens em ordem conseguisse fazer o trabalho à mão.

Funciona
A mulher da primeira imagem vestindo o suéter de tricô vermelho
da segunda imagem, em pé no mesmo parque, mesma pose e mesma luz
de tarde, com o rosto e o cabelo dela inalterados.

Falha
Combine estas duas imagens.   Junte as fotos.   Una as duas.

As versões que falham falham não por serem curtas, mas porque nunca dizem qual foto é a pessoa e qual é o suéter. Três hábitos tornam a regra confiável:

• Use linguagem ordinal explicitamente. “Da primeira imagem”, “da segunda imagem”. Três palavras, e a ambiguidade acabou.
• Diga o que fica igual. “Mantenha o rosto, o cabelo e a pose dela idênticos.” Nomear as partes inalteradas é a maior alavanca de qualidade em toda operação de imagem que o Shannon faz, e importa mais aqui, porque uma composição tem duas ou mais coisas das quais pode se afastar.
• Escreva prosa, não etiquetas. O Modelo de Imagem lê instruções como um modelo de linguagem lê uma frase, então frases completas vencem palavras-chave separadas por vírgula. Mire entre 30 e 80 palavras e deixe de fora a tralha da era SDXL (“masterpiece, best quality, 8k”) e a sintaxe de peso como (word:1.3).

Quando uma imagem contém mais de uma coisa, nomeie a parte que você quer dela. Se a segunda imagem é uma foto de catálogo de uma modelo vestindo o suéter, “o suéter de tricô vermelho vestido pela mulher da segunda imagem” diz que você quer a peça, não a modelo. Deixe só “a segunda imagem” e você pode receber o rosto dela também.

Modelos de papéis por tipo de trabalho

Trabalho	Primeira imagem	Segunda imagem	Formato da instrução
Transferência de roupa	A pessoa	A peça de roupa	“A [pessoa] da primeira imagem vestindo a [peça] da segunda imagem, [o que fica]”
Objeto na cena	A cena	O objeto	“A [sala] da primeira imagem com o [objeto] da segunda imagem colocado [onde], acompanhando [a luz]”
Pessoa + pessoa	Pessoa A e cenário	Pessoa B	“O [homem] da primeira imagem em pé ao lado da [mulher] da segunda imagem, [posições, linhas de olhar]”
Produto em pessoa	A modelo ou a cena	O produto	“A [modelo] da primeira imagem segurando o [produto] da segunda imagem, [pegada, rótulo virado para]”
Transferência de estilo	O sujeito	A referência de estilo	“O [sujeito] da primeira imagem renderizado nos [eixos de estilo] da segunda imagem, [sujeito inalterado]”

03O erro que arruína a maioria das tentativas: descrever em vez de anexar

Esse é o erro que vale alardear, porque é de longe o mais comum e porque parece ter dado certo. A pessoa tem duas fotografias — o cliente dela e o produto do cliente, ou ela mesma e uma jaqueta que possui. Ela anexa uma e digita a outra.

O erro
[anexa uma foto de uma mulher]
“Ponha um suéter de tricô vermelho nela, com tranças, meio
grosso, com gola rolê.”

O que volta é uma mulher com um suéter de tricô vermelho. É um bom suéter. Não é o suéter. O padrão de tranças é inventado, o tingimento é outro vermelho, a profundidade da canelagem está errada, a gola rola para o lado errado, e as pequenas assimetrias que tornam uma peça real reconhecível — um remendo, um fio puxado, o alargamento nos cotovelos — sumiram, porque nada na frase as continha.

Texto é um canal com perdas e uma fotografia não é. Uma frase cuidadosa carrega talvez uma dúzia de atributos de um objeto; a fotografia carrega milhares, incluindo todos aqueles que você jamais pensaria em escrever e os que você não sabe nomear. Descrever em vez de anexar joga fora tudo aquilo em que você não pensou, que é a maior parte. Anexar preserva a aparência real porque a aparência real está presente.

O teste é simples. Se o ponto da imagem é que ela mostra aquela — aquela peça específica, aquela pessoa, aquele produto exato, aquela sala —, anexe. Se você conseguiria apontar o item numa fila de suspeitos e importa que o resultado corresponda ao que você apontaria, uma descrição não dá conta.

Há um caso legítimo para descrever: quando a coisa ainda não existe, ou quando uma versão genérica é o que você quer. Projetar um suéter que ninguém tricotou, esboçar um conceito — isso é trabalho de texto para imagem, e uma descrição é o certo porque não há objeto real cuja identidade você esteja preservando. No momento em que um objeto real entra no briefing, a fotografia dele entra junto.

Um meio-erro relacionado: anexar as duas imagens e ainda assim descrever a segunda em detalhes. Os adjetivos podem brigar com a fotografia — escreva “grosso” quando a peça real é de fio fino e você criou uma contradição. Descreva a segunda imagem apenas o suficiente para identificar qual parte dela você quer.

04Transferência de roupa e figurino

O trabalho canônico de duas imagens. Anexe a pessoa primeiro e a peça em segundo. A imagem da peça pode ser um flat lay, uma foto no cabide, uma foto de catálogo ou outra pessoa vestindo a peça — tudo funciona, desde que você diga qual parte dela você quer.

Transferência de roupa
A mulher da primeira imagem vestindo o suéter de tricô vermelho
da segunda imagem. Mantenha o rosto, o cabelo, a pose e o fundo
do parque exatamente como estão, com a mesma luz suave de céu
nublado. O suéter deve cair naturalmente sobre o corpo dela, com
o padrão de tranças e a gola da peça original intactos.

Prompt negativo: warped cable pattern, extra sleeves, distorted
hands, plastic-looking fabric, mismatched lighting

Três coisas fazem o trabalho: os papéis são nomeados em ordem, as partes inalteradas são listadas em voz alta (é isso que impede o rosto de derivar) e a última cláusula diz ao modelo que os detalhes próprios da peça são o ponto — sem ela, as composições tendem a manter cor e silhueta enquanto alisam a textura em silêncio.

• O caimento é uma afirmação física, então faça-a. “Cai naturalmente sobre o corpo dela”, “ajustado na cintura”, “mangas terminando no pulso” — caso contrário, a peça pode chegar nas proporções da origem, e não nas de quem a veste.
• A oclusão é o caso difícil. Se os braços estão cruzados ou a alça de uma bolsa cruza o peito, diga o que acontece com isso. Ambiguidade ali produz o clássico artefato de manga derretida.
• Mais peças significa mais imagens. Pessoa primeiro, depois a parte de cima, depois a calça, depois os sapatos — e refira-se a elas como segunda, terceira e quarta imagem, de forma consistente. Não mude para “a foto do sapato” no meio do caminho.

05Colocar um objeto em uma cena

Aqui os papéis se invertem: a cena vem primeiro, porque a cena é o que compõe a maior parte da imagem final, e o objeto é a parte que está sendo trazida. Maquetes de interiores, mobiliar uma sala com móveis que você ainda não comprou, colocar um veículo em uma estrada, posicionar uma escultura em uma galeria — o mesmo formato todas as vezes.

Objeto na cena
A sala de estar da primeira imagem com a poltrona de veludo verde
da segunda imagem colocada ao lado da janela à esquerda, levemente
angulada em direção à câmera e chegando à altura da cintura no
quadro. Acompanhe a luz quente de fim de tarde da sala, com uma
sombra suave caindo à direita da poltrona sobre o tapete. Mantenha
o resto da sala e o ângulo de câmera inalterados.

Prompt negativo: floating object, cut-out edges, duplicate
shadows, mismatched color temperature

O modo de falha aqui não é identidade, é física. Um objeto que mantém a própria iluminação parece colado, e quem vê percebe na hora mesmo sem saber dizer por quê. Gaste as suas palavras nas três coisas que a fotografia de um objeto isolado não pode saber: posicionamento (onde no quadro, em relação a quê), escala em termos da cena e não em centímetros (“na altura da cintura”, “tão alto quanto a maçaneta da porta”) e luz e sombra — direção, qualidade e onde a sombra cai. Essa última é o que converte uma montagem em uma fotografia.

06Pessoa A ao lado da pessoa B

Duas pessoas que nunca estiveram na mesma sala: fotografias de família atravessando gerações, um retrato de fundador quando o cofundador estava viajando, um cartaz com dois artistas. Funciona, e exige duas coisas que os trabalhos de sujeito único não exigem.

Duas pessoas
O homem da primeira imagem em pé ao lado da mulher da segunda
imagem, ambos no mesmo terraço de pedra da primeira imagem. Ele
fica à esquerda, ela fica à direita dele, ombros quase se tocando,
os dois de frente para a câmera e na mesma altura dos olhos.
Mantenha os dois rostos, penteados e roupas exatamente como estão
nas fotografias de origem e ilumine ambos com a mesma luz suave de
fim de tarde vinda da esquerda.

Tela: landscape
Prompt negativo: mismatched skin tone, duplicated limbs, seam
line between subjects, uneven lighting

Os dois extras: geometria relativa — quem está de que lado, a que distância, para onde vai a linha de olhar de cada um e a altura relativa, já que dois retratos com recortes diferentes não dão ao modelo como saber que uma pessoa é uma cabeça mais alta — e uma única luz compartilhada, declarada explicitamente, porque você está fundindo dois ambientes de iluminação e um deles tem que vencer.

É também aqui que escolher um novo formato de tela se justifica: duas fontes em orientação retrato dão uma péssima foto de grupo em retrato, então peça landscape ou wide. E diga o óbvio uma vez — colocar uma pessoa real em uma imagem em que ela não estava é poderoso e não é automaticamente inofensivo. Tenha os direitos ou o consentimento; a nossa política de uso responsável é a versão curta.

07Produto em pessoa e fotografia de produto sem censura

Comercialmente, essa é a composição que se paga. Você tem uma foto de produto em fundo branco e tem uma modelo, uma mão, uma cozinha, uma bancada. Combiná-los rende uma fotografia de lifestyle sem um dia de estúdio — e com o seu produto de verdade nela, em vez de uma aproximação gerada, que é toda a diferença entre material de marketing utilizável e uma maquete pela qual você precisa se desculpar.

Produto em pessoa
A mulher da primeira imagem segurando o frasco de sérum de vidro
âmbar da segunda imagem na mão direita, erguido à altura do peito,
com o rótulo virado para a câmera e totalmente legível, os dedos
dela envolvendo o frasco naturalmente sem cobrir o rótulo.
Mantenha o rosto, o cabelo e o fundo de cozinha inalterados.
Fotografado em Kodak Portra 400, 85mm f/1.4, luz suave de janela
vinda da esquerda.

Tela: portrait
Prompt negativo: warped label text, extra fingers, floating
bottle, duplicated reflections, plastic skin

Duas adições específicas do trabalho com produto. A pegada: mãos segurando objetos é onde a composição mais dá errado, então diga qual mão, a que altura, e que os dedos envolvem o objeto naturalmente sem tapar o rótulo. O tratamento fotográfico: nomeie uma câmera, uma lente e um filme ou fonte de luz. A saída deve ser lida como uma fotografia que foi tirada, não como duas fotografias que foram combinadas, e escrevê-la como uma fotografia é o que leva até lá.

“Sem censura” importa aqui de um jeito mais prosaico do que parece. Geradores filtrados recusam categorias inteiras de comércio comum e legal: catálogos de lingerie e moda praia, tabaco e hardware de vape, bebidas alcoólicas, acessórios para armas de fogo, produtos de bem-estar adulto, cannabis onde ela é legal, dispositivos médicos, equipamento tático e de caça. Eles também recusam trabalhos de marca e semelhança feitos pelo detentor dos direitos. Nada disso é caso extremo; é uma terça-feira comum numa agência. O Shannon não tem filtro de conteúdo no caminho da geração nem camada de recusa no modelo que escreve o prompt, então o trabalho sai e a questão dos direitos fica com você, que é onde ela pertence.

08Estilo de uma imagem, sujeito de outra

Sujeito primeiro, referência de estilo em segundo. O que torna esse trabalho diferente é que você está pegando emprestada uma qualidade em vez de um objeto, então precisa nomear quais qualidades — e dizer que o sujeito e a composição da própria referência não vêm junto.

Referência de estilo
O retrato do homem da primeira imagem renderizado no estilo visual
da segunda imagem: a mesma paleta contida de azul-petróleo e ocre,
textura visível de pincel seco e iluminação plana e uniforme.
Mantenha o rosto, a expressão e a pose dele reconhecíveis e
inalterados. Não traga o sujeito, o fundo nem a composição da
segunda imagem.

Prompt negativo: second face, borrowed background, photographic
texture

Nomeie os eixos de estilo explicitamente, porque “no estilo da segunda imagem” sozinho é subespecificado: paleta (ou cores exatas, escritas como color #8B0000 ligadas a um objeto nomeado), pincelada ou grão, qualidade da luz, peso do traço, nível de abstração, tratamento das bordas. Escolha os dois ou três que definem o visual; nomear todos os seis faz a média entre eles. E não misture direções conflitantes — “fotorrealista” mais “aquarela” produz uma confusão, não uma mistura. Se você quer uma fotografia que apenas pega emprestada uma paleta, diga exatamente isso.

09Prompts negativos e a escolha de um novo formato de tela

Dois recursos que existem para combinar e editar, mas não para texto para imagem, e os dois são subutilizados.

O prompt negativo

Combinar imagens aceita prompt negativo. Os artefatos indesejados vão para lá — e importa que vão para lá em vez de para a instrução, porque escrever “sem dedos a mais” na instrução principal nomeia justamente a coisa que você quer evitar no mesmo fôlego de tudo o que você quer. Coloque as exclusões no canal delas. As entradas que consistentemente se justificam:

• Anatomia — extra fingers, duplicated limbs, malformed hands, second face.
• Marcas de montagem — cut-out edges, visible seam line, floating object, duplicate shadows, halo around subject.
• Descompasso de iluminação — mismatched color temperature, inconsistent shadow direction, uneven exposure between subjects.
• Falhas de textura — plastic skin, smoothed fabric, warped label text, illegible logo.

Mantenha o punhado de itens que é plausível para a sua imagem. Um prompt negativo listando trinta coisas é uma instrução difusa, não uma instrução forte.

O formato da tela

Editar uma única imagem herda a proporção da imagem de origem automaticamente — há uma origem, e o formato dela é a resposta. Combinar não tem esse padrão, então você pode escolher um novo formato de tela, e muitas vezes deveria, porque o formato que servia a uma origem raramente serve à composição.

Formato	Melhor para	Uso típico em composição
square	Padrão, feeds sociais	Sujeito único com um elemento transferido
portrait	Pessoas, sujeitos altos	Transferência de roupa, produto segurado por uma modelo
landscape	Paisagens, grupos	Duas pessoas lado a lado, objeto colocado numa sala
wide	Enquadramento cinematográfico	Fotos de grupo, cenas ambientadas de produto, banners
tall	Pôsteres, papéis de parede de celular	Fotos de corpo inteiro com figurino, layouts de cartaz

Um pedido explícito sempre vence. Não diga nada e você recebe square — o formato errado para a maior parte dos trabalhos com duas pessoas e de corpo inteiro, então vale uma palavra.

10Quais imagens o Shannon usa: a conversa versus esta mensagem

Há duas maneiras de uma imagem entrar em uma composição, e saber de qual você está dependendo evita a maior parte das confusões de ordem.

Anexada à mensagem atual. A rota direta: anexe tudo à mensagem que carrega a instrução, na ordem em que você pretende se referir às imagens, e “primeira imagem” e “segunda imagem” significam exatamente o que parecem. Prefira isso por padrão.

Já na conversa. Fotos enviadas antes na conversa continuam disponíveis e podem ser referidas em linguagem comum — “a foto que enviei antes”, “a imagem do suéter de mais cedo”, “a segunda versão que você fez”. O Shannon resolve a referência dentro da conversa, o que é genuinamente conveniente ao longo de uma sessão longa: você pode iterar sobre um resultado e depois trazer um elemento novo sem reenviar tudo.

A salvaguarda é a mesma nos dois casos. O cartão de confirmação mostra a instrução antes de qualquer renderização, incluindo a ordem escolhida. Leia. Se os papéis saíram invertidos — o suéter como base, a pessoa como fonte —, diga isso e está corrigido antes de um único pixel ser gerado ou cobrado. Ainda assim, quando a conversa é longa e cheia de imagens, reanexe as que você precisa; seis fotos atrás, “a segunda imagem” é ambígua para qualquer leitor.

Pedir ao Shannon para olhar uma imagem — descrevê-la, ler o rótulo, dizer qual é o tecido — é trabalho comum de visão, não uma geração. Não custa nada a mais e é uma boa checagem antes de compor: se a descrição do Shannon não menciona o detalhe que importa para você, a sua instrução precisa nomeá-lo.

11Sem censura, e o que isso realmente significa

Não há filtro de conteúdo no caminho da geração nem camada de recusa no modelo que escreve o prompt. A composição é onde as ferramentas filtradas falham de forma mais visível, porque um sistema de recusa não consegue distinguir entre combinar imagens que você possui e combinar imagens que você não deveria ter — então ele bloqueia as duas.

O trabalho que essas ferramentas recusam rotineiramente não é exótico: nu artístico e estudo de figura, ilustração médica e forense, imagens para pesquisa de segurança, violência em ficção para capas de livro e arte de jogos, sátira política e as categorias legais de produto listadas acima. Cada uma delas é trabalho profissional legítimo que um filtro por palavra-chave não consegue distinguir de uso indevido.

Sem censura não significa sem responsabilidade. Você está fornecendo fotografias de objetos reais e, muitas vezes, de pessoas reais; os direitos e o consentimento são seus, assim como a responsabilidade pelo resultado. A Shannon Lab LLC é uma empresa do Novo México que opera sob uma política de uso responsável publicada — vale cinco minutos antes de começar um trabalho que envolva a semelhança de outras pessoas.

12Limites que vale conhecer antes de começar

Não existe geração de vídeo. O Shannon não anima imagens e não produz vídeo, de forma alguma, a partir de nenhuma dessas operações — nem de uma imagem única, nem de uma composição, nem como opção experimental. Se o seu briefing termina em movimento, esta não é a ferramenta para o último passo. Isso é o que o produto é, não uma pista de roteiro.

Outros limites honestos, todos com contornos:

• Texto miúdo é a área mais fraca. Letras pequenas, textos densos de embalagem e números de série longos podem sair imperfeitos. Enquadre o produto de modo que o texto importante fique grande, coloque warped label text no prompt negativo e confira em tamanho real.
• Diferença extrema de escala é difícil. Uma foto de produto de 4000 pixels combinada com uma miniatura pequena de uma sala dá pouco material ao modelo. Use a melhor cópia que você tiver de cada origem.
• Oclusão pesada limita o que pode ser transferido. Uma peça fotografada dobrada, com as costas nunca visíveis, não pode ter as costas inventadas com fidelidade. Se a composição mostra as costas, forneça as costas.
• Mais imagens significa mais espaço para confusão. Quatro fontes é viável com nomeação ordinal disciplinada, mas não é hora de relaxar — use o número que o trabalho exige e nada além.
• Duas mudanças grandes ao mesmo tempo competem. Transfira a roupa, confirme, depois mude o fundo. Edições sequenciais vencem uma instrução sobrecarregada quase sempre, e cada passo é barato de conferir.

13Perguntas frequentes

---

A geração, a edição e a composição de várias imagens são recursos do app de chat do Shannon; os endpoints /v1/chat/completions, /v1/messages e /v1/responses servem texto e visão, ou seja, leem imagens em vez de gerá-las. Não existe geração de vídeo. As opções de formato, o suporte a prompt negativo e o comportamento de confirmação estão atualizados em 5 de setembro de 2026. Relacionados: geração de imagens de IA sem censura · edição de imagens de IA sem censura · uso responsável · documentação da API · índice de pesquisa.