Relatório Técnico & Metodologia de IA

Ativação Kiosk Interativo LATAM | Rock in Rio 2026

Documento técnico de testes, engenharia de prompt e integração de modelo generativo para os totens de aeroporto.

29 Cenários Testados
~30s Tempo Médio API
1:1 Preservação Facial
100% Fluxo Autônomo
Projeto LATAM | Rock in Rio 2026
Processamento Zero-Human-in-the-Loop
Formato Oficial 9:16 Vertical (8mm Fisheye)
Cenário Oficial Palco Mundo

Como Funciona a Experiência no Totem

O fluxo opera de forma autônoma. O usuário participa da interação no totem com roupas habituais de viagem e recebe sua foto em proporção 9:16 ambientada no gramado da Cidade do Rock em frente ao Palco Mundo.

ETAPA 01

Captura no Totem

A câmera vertical captura a foto sob iluminação de saguão, com roupas de viagem e bagagens.

ETAPA 02

Processamento API

Foto enviada ao modelo de IA em inferência direta (~30s), aplicando o cenário oficial do festival.

ETAPA 03

Aplicação da Moldura

O sistema aplica automaticamente a máscara circular e os grafismos no centro seguro da foto.

ETAPA 04

Entrega 9:16

O usuário recebe a foto pronta. O enquadramento centralizado permite desdobramentos multiformato.

Galeria de Testes Realizados (29 Casos / 58 Fotografias)

Bateria completa cobrindo fotos reais da equipe interna, situações cotidianas, grupos e acessibilidade. (Clique em qualquer foto para ampliar).

Comportamento dos Motores nos Testes Práticos

Avaliamos os principais motores generativos diretamente contra o desafio técnico do totem (reter o rosto da webcam, preservar o Palco Mundo e responder rápido):

Nano Banana Pro Modelo Escolhido

Manteve a identidade facial em disparo único, gerou textura de pele real sob flash e ancorou sombras duras no gramado com o Palco Mundo estático.

  • Retenção Biométrica 1:1Excelente (Nativa)
  • Travamento do PalcoEstável (~80% Fidelidade)
  • Tempo de Resposta~30s (Passagem Única)
  • Controle Anti-BrandingTotal
GPT Image 2ª Opção (Qualidade Alta)

Qualidade visual muito alta e ótima interpretação, mas com acabamento de pele mais polido/ilustrado e custo de inferência mais elevado.

  • Retenção Biométrica 1:1Muito Alta
  • Travamento do PalcoEstável c/ Leve Variação
  • Tempo de Resposta~35s–40s
  • Controle Anti-BrandingAlto
FLUX / SDXL / Seedream Descartado

Exigiram fluxos complexos de inpainting encadeado para segurar o palco, o que dobrou a latência e gerou artefatos nas bordas dos cabelos.

  • Retenção Biométrica 1:1Média (Fluxo Complexo)
  • Travamento do PalcoRequer Dupla Passada
  • Tempo de RespostaLento (>50s total)
  • Controle Anti-BrandingModerado
Grok Imagine Descartado

Geração muito rápida, porém com alta instabilidade facial (trocou traços de usuários) e tendência a criar pessoas extras no fundo.

  • Retenção Biométrica 1:1Instável (Morphing)
  • Travamento do PalcoBaixo (Alucinação)
  • Tempo de RespostaRápido (~15s)
  • Controle Anti-BrandingFraco

Os Prompts e a Lógica de Construção

Abaixo estão documentadas as formulações para execução em Passagem Única (solução principal) e em Dupla Passagem (alternativa modular):

Opção 01: Passagem Única — Direcionamento em Português: Fotografia documental realista de festival noturno em proporção vertical 9:16, capturada em lente olho de peixe física de 8mm e flash frontal direto potente. Enquadramento em Plano Americano recuado e perfeitamente centralizado no eixo óptico, com margens de segurança simétricas em 360° para permitir cortes multiformato universais. Retenção biométrica estrita 1:1 da foto de referência: quem sorri mantém o sorriso aberto; quem está sério ou neutro permanece rigorosamente com lábios fechados, sem forçar dentes falsos. Preservação das roupas originais com caimento natural, eliminando malas e mochilas. Mãos 100% limpas e vazias, sem copos ou logotipos de marcas comerciais. Cenário master com palco monumental ao fundo e plateia integrada ao gramado. Trava estrita de cenário com bloqueio total de tipografias e marcas concorrentes nos telões de LED. Flash direto combinado com luz cênica vinda do palco e granulação fotográfica uniforme de sensor 35mm.
Raw candid night concert festival flash photography, authentic 9:16 vertical music documentary snapshot, hyper-realistic photographic fidelity. Shot on authentic physical 8mm ultra-wide extreme fisheye cine lens with natural hemispherical optical barrel distortion bending peripheral field lines and ground into aggressive convex curves, tack-sharp optical center axis, eye-level framing. Backed-Off Centered Cowboy Framing & Multi-Format Safe Zone: Camera positioned in a backed-off medium-long cowboy distance; foreground subjects perfectly centered along the optical sweet spot with generous, symmetrical 360-degree spatial margins on all sides (headroom, bottom ground, and lateral borders), keeping head, torso, and shoulders fully intact within the central safe core for multi-format cropping (1:1, 4:5, 16:9) and circular overlays while the festival field curves around them. Strict Subject Count Parity: Exact 1:1 subject count mirroring the input reference photo; if one person is present, generate strictly one solo subject in the focal foreground with zero additional bystanders; if a group is present, preserve the exact number of individuals. Flawless 1:1 Biometric Likeness & Strict Oral State Retention: Exact individual facial identity and natural skin texture anchored directly to reference; subjects smiling in reference strictly retain their genuine open smile and visible teeth; subjects with neutral, serious, or closed lips strictly retain their firmly sealed neutral lip line with zero added dental visibility, zero forced grins, and zero biometric morphing. Baseline Wardrobe Preservation & Casual Styling: Retain the exact garment types, patterns, textures, and base wardrobe from input reference from the neck down, applying only natural relaxed fit adjustments; completely eliminate all travel suitcases, roller bags, backpacks, and luggage. Empty Hands, Zero Props & Strict Anti-Branding Lock: Completely clean, empty hands with zero held objects; strictly remove all cups, drink containers, bottles, accessories, and handheld props; absolute zero commercial logos, fast-food branding, third-party trademarks, or commercial text on hands, accessories, or clothing. Continuous Ground & Seamless Crowd Integration: Foreground bowed grass seamlessly connects in realistic physical perspective to the surrounding live festival crowd and distant monumental concert stage; zero green-screen halo artifacts, zero template overlay appearance. Strict Master Stage Plate Retention & Zero Stage Typography: The distant stage architecture, LED display arrays, and lighting rigs are 100% locked to the input master background reference; absolute zero hallucination of third-party festival logos, zero text, zero competing event branding, and zero typography across background screens or stage structures. Dual Balanced Lighting Physics: Powerful direct on-camera strobe flash operates as a crisp key light casting natural specular skin highlights and dense ground contact drop-shadows; harmonized with atmospheric colored stage concert rim light grazing silhouettes under uniform 35mm optical sensor grain across all focal planes. Raw photographic grain, authentic dynamic range, pristine frame. --ar 9:16

Etapa 01: Renderização do Sujeito (Foco em Biometria e Luz de Flash)

Raw candid night concert festival flash photography, authentic 9:16 vertical music documentary snapshot, hyper-realistic photographic fidelity. Shot on authentic physical 8mm ultra-wide extreme fisheye cine lens with natural hemispherical optical barrel distortion bending peripheral field lines and ground into aggressive convex curves, tack-sharp optical center axis, eye-level framing. Backed-Off Centered Cowboy Framing & Multi-Format Safe Zone: Camera positioned in a backed-off medium-long cowboy distance; foreground subjects perfectly centered along the optical sweet spot with generous, symmetrical 360-degree spatial margins on all sides (headroom, bottom ground, and lateral borders), keeping head, torso, and shoulders fully intact within the central safe core for multi-format cropping and circular overlays while the ground curves naturally around them. Strict Subject Count Parity: Exact 1:1 subject count mirroring the input reference photo; if one person is present, generate strictly one solo subject in the focal foreground with zero additional bystanders; if a group is present, preserve the exact number of individuals. Flawless 1:1 Biometric Likeness & Strict Oral State Retention: Exact individual facial identity and natural skin texture anchored directly to reference; subjects smiling in reference strictly retain their genuine open smile and visible teeth; subjects with neutral, serious, or closed lips strictly retain their firmly sealed neutral lip line with zero added dental visibility, zero forced grins, and zero biometric morphing. Baseline Wardrobe Preservation & Casual Styling: Retain the exact garment types, patterns, textures, and base wardrobe from input reference from the neck down, applying only natural relaxed fit adjustments; completely eliminate all travel suitcases, roller bags, backpacks, and luggage. Empty Hands, Zero Props & Strict Anti-Branding Lock: Completely clean, empty hands with zero held objects; strictly remove all cups, drink containers, bottles, accessories, and handheld props; absolute zero commercial logos, fast-food branding, third-party trademarks, or commercial text on hands, accessories, or clothing. Direct on-camera strobe flash key lighting casting crisp skin specular highlights and contact drop-shadows onto the curved grass. Raw 35mm sensor grain, authentic dynamic range, pristine frame. --ar 9:16

Etapa 02: Recomposição e Travamento do Cenário Master

Seamless master plate compositing and precise environment inpainting, authentic 9:16 vertical concert documentary photograph. Exact Master Background Reference Locking: The background stage architecture, LED screens, lighting rigs, floodlights, and crowd from the input master background reference plate are 100% locked, static, and immutable; absolute zero generative diffusion, zero architectural alteration, zero third-party festival logo hallucination, and zero typography across background screens or stage structures. Foreground Subject Integration & Optical Alignment: Seamlessly composite and embed the centered foreground subjects from the Stage 1 render directly into the center optical sweet spot of the master festival ground; align the curved hemispherical 8mm fisheye perspective, maintaining the medium-long cowboy framing and 360-degree safe margins. Light Harmonization & Contact Shadows: Anchor subjects onto the bowed foreground grass using crisp, directional contact drop-shadows cast by the direct on-camera flash; harmonize color temperature, ambient stage glow, and sensor noise grain across the composite boundary with zero visible cutout halo or artificial edge artifacts. Preserve 100% of the subjects' facial features, clothing, and empty-hand anatomy intact from the foreground input. Tack-sharp optical center, authentic physical grain, pristine realistic frame. --ar 9:16

O que cada termo do prompt resolve na prática:

Raw candid snapshot (Foto Documental)

Elimina a textura plástica de IA e entrega o grão fotográfico de câmera real.

8mm fisheye (Lente Olho de Peixe)

Curva as laterais e o solo com curvatura óptica realista, mantendo o eixo central nítido.

Multi-Format Safe Zone (Recuo Seguro)

Cria respiro periférico para suportar o corte circular do totem sem decepar cabeças.

Subject Count Parity (Trava Numérica)

Impede a criação de acompanhantes fantasmas em fotos de usuários individuais.

Strict Oral State Retention (Trava de Expressão)

Mantém dentes em quem sorri e lábios fechados em quem posou com semblante neutro.

Flash Compositing (Luz de Flash Real)

Gera sombras duras no gramado e reflexo na pele para eliminar efeito de montagem colada.

Stage Concert Rim Light (Luz de Recorte)

Contorna ombros e cabelos com a luz do palco, amarrando o sujeito ao ambiente.

Baseline Garment Preservation (Preservação de Roupas)

Mantém as roupas originais da pessoa com caimento despojado, evitando roupas extravagantes.

Anti-Branding Lock & Empty Hands (Mãos Limpas)

Remove copos e bloqueia qualquer logotipo ou marca comercial não autorizada.

Strict Master Stage Plate & Zero Typography (Palco Travado)

Bloqueia a IA de alucinar logos de festivais concorrentes ou textos nos telões de LED.

Mapeamento de Falhas e Soluções no Prompt (15 Pontos Validados)

Histórico completo de problemas identificados durante os testes de estresse e a respectiva regra técnica inserida no prompt para blindar a geração:

1. O palco sofria distorções arquitetônicas

O modelo tentava recriar o fundo quando o texto descrevia o festival de forma aberta.

Como foi resolvido: O fundo foi declarado como placa de referência travada (Locked master stage background plate).
2. Conflito de perspectiva câmera vs. placa de fundo

Tentar subir ou descer a câmera quebrava a geometria da foto de referência do palco (com horizonte baked-in).

Como foi resolvido: Trava de enquadramento centralizado no nível dos olhos em Plano Americano recuado, sincronizando os vetores de câmera com a placa base.
3. Falsa sensação de excesso de teto no 9:16

Lentes fisheye de 8mm em formato vertical exigem área superior para curvar o chão realisticamente.

Como foi resolvido: Documentação técnica do respiro superior como Safe Zone 360° para cortes multiformato (banners, 16:9, 1:1 e 4:5).
4. Pessoas neutras ganhavam sorrisos forçados

A IA forçava dentes visíveis em rostos sérios por causa do contexto festivo.

Como foi resolvido: Comando estrito de retenção oral (Strict Oral State Retention), selando lábios em expressões neutras e mantendo sorrisos reais intactos.
5. Aspecto de recorte artificial (Chroma-Key / Colagem 2D)

Flash frontal isolado sem iluminação de fundo fazia a pessoa parecer colada no Photoshop.

Como foi resolvido: Inclusão de luz de recorte cênica do palco nos ombros/cabelos e granulação de sensor 35mm unificada em todas as camadas.
6. A IA inventava acompanhantes extras

Espaços vazios em fotos individuais eram preenchidos com pessoas geradas.

Como foi resolvido: Trava matemática: 1 pessoa na foto = exatamente 1 pessoa no resultado (Strict Subject Count Parity).
7. Copos com logotipos e marcas comerciais de terceiros

A IA gerava copos de redes de fast-food e bebidas não autorizadas na mão do usuário.

Como foi resolvido: Bloqueio total de adereços manuais e trava anti-branding rigorosa (Empty Hands, Zero Props & Anti-Branding Lock).
8. Malas e mochilas grudadas no corpo

Bagagens de viagem apareciam fundidas às pernas dos participantes no meio do festival.

Como foi resolvido: Comando explícito de exclusão total de bagagens, rodinhas e malas.
9. Braços inventados em pessoas amputadas

O motor gerava membros extras ou robóticos ao receber comandos de poses.

Como foi resolvido: Ordem estrita de gerar movimentos e poses apenas para membros nativos visíveis.
10. Descaracterização de roupas cotidianas

O motor tentava substituir peças casuais de viagem por roupas extravagantes de passarela.

Como foi resolvido: Preservação das peças, silhuetas e estampas originais (Baseline Wardrobe Preservation) com caimento casual leve.
11. Véus religiosos sendo apagados ou descaracterizados

A IA tentava trocar hijabs ou quipás por bonés ou cabelos soltos.

Como foi resolvido: Proteção obrigatória para peças de valor cultural e religioso.
12. Perda de microdetalhes faciais e pele plástica

Comandos restritivos excessivos asfixiavam os passos de difusão, gerando derme borrada.

Como foi resolvido: Ancoragem fotográfica de poros reais, micro-reflexos na córnea e textura mate natural (pore-level micro-realism).
13. Falha de isolamento de sujeito com público na foto base

Pessoas no fundo do saguão do aeroporto eram fundidas ao primeiro plano da foto gerada.

Como foi resolvido: Comando estrito de isolamento de primeiro plano (Foreground Isolation).
14. Multidão ao fundo parecendo template chapado

A plateia ao fundo parecia uma imagem 2D desconectada do espaço físico.

Como foi resolvido: Conexão contínua do gramado físico com o público e o palco (Continuous Ground & Seamless Crowd Integration).
15. Contaminação de marcas concorrentes e logos no palco

A IA ativava a memória de outros festivais e desenhava tipografias incorretas nos telões.

Como foi resolvido: Trava de anulação tipográfica e anti-branding no palco (Strict Master Stage Plate Retention & Zero Stage Typography).

Decisão de Pipeline (Inferência Direta vs. Dupla Etapa)

Análise prática de tempo e estabilidade para a operação real nos totens:

Alternativa

Processamento em Duas Etapas

Gera a pessoa em uma chamada e recorta o palco oficial por cima em uma segunda chamada de inpainting.

  • Garante 100% de precisão milimétrica na placa do palco
  • Risco de efeito de recorte/colagem de Photoshop e quebra de iluminação de borda
  • Multiplica o tempo por pessoa (~60s), aumentando o risco de filas no totem

Direcionamento: Operar em Passagem Única é a melhor escolha para balancear qualidade visual com a agilidade necessária no totem.

Prompt copiado para a área de transferência!