Relatório Técnico de IA

Ativação Totem Interativo LATAM | Rock in Rio 2026

Documento prático de testes, prompts e integração do modelo de imagem para os totens nos aeroportos.

+50 Cenários Avaliados
~30s Tempo Médio na API
Alta Fidelidade do Palco
100% Fluxo Autônomo
Projeto LATAM | Rock in Rio 2026
Método Principal Disparo Único com Imagem Dupla
Formato Base 9:16 Vertical (Grande-Angular)
Cenário Palco Mundo Oficial

Como Funciona a Experiência no Totem

O fluxo funciona de ponta a ponta sem operador. O usuário tira a foto com roupas normais de viagem e recebe a imagem no celular ambientada no gramado da Cidade do Rock, com o Palco Mundo ao fundo e visual de show real.

ETAPA 01

Foto no Totem

A câmera vertical tira a foto da pessoa com roupas de viagem no saguão.

ETAPA 02

Geração Direta

A IA recebe a foto da pessoa e o recorte do palco, gerando o festival em cerca de 30s.

ETAPA 03

Moldura Automática

O sistema aplica a moldura oficial e a máscara redonda no centro da imagem.

ETAPA 04

Entrega Final

O usuário recebe a foto pronta com folga nas bordas para poder postar ou cortar como quiser.

Galeria de Testes Realizados (29 Casos em Destaque)

Amostra selecionada a partir de mais de 50 variações e testes de estresse. (Clique na foto para ampliar).

Comportamento dos Motores nos Testes Práticos

Avaliamos os principais motores de imagem diretamente contra o desafio do totem (reter o rosto da foto, ancorar o Palco Mundo e responder rápido):

Nano Banana Pro Modelo Escolhido

Manteve a identidade da foto de entrada, gerou textura de pele real com luz de flash direto e segurou a posição do Palco Mundo oficial.

  • Retenção dos TraçosAlta (Preserva feições)
  • Controle de ExpressãoEstável com trava seca
  • Fidelidade do PalcoAlta com referência dupla
  • Tempo de Resposta~30s (Passagem Única)
GPT Image 2ª Opção

Qualidade visual muito alta, mas com acabamento de pele mais polido (com cara de filtro) e custo de processamento mais elevado.

  • Retenção dos TraçosAlta
  • Controle de ExpressãoLeve Suavização
  • Fidelidade do PalcoEstável c/ Variação
  • Tempo de Resposta~35s–40s
FLUX / SDXL Descartado

Exigiram várias etapas manuais para encaixar o palco, aumentando o tempo para mais de 50 segundos e deixando emendas no cabelo.

  • Retenção dos TraçosMédia (Fluxo Complexo)
  • Controle de ExpressãoInstável
  • Tempo de RespostaLento (>50s total)
  • Fidelidade do PalcoRequer 2 Etapas
Grok Imagine Descartado

Geração muito rápida, mas com alta taxa de deformação no rosto e tendência a criar pessoas estranhas no fundo da foto.

  • Retenção dos TraçosInstável
  • Controle de ExpressãoDeformações
  • Tempo de RespostaRápido (~15s)
  • Fidelidade do PalcoBaixo

Prompts Calibrados para o Sistema

Abaixo estão os prompts testados para atender à variedade de roupas, trava de boca fechada e posicionamento natural do Palco Mundo:

Direcionamento Geral em Português: Foto documental noturna de festival em 9:16 com lente olho de peixe física de 8mm e flash frontal potente. Câmera totalmente reta no horizonte, pessoa ligeiramente fora de centro e o Palco Mundo deslocado para o lado no fundo (vazando da tela). Se a pessoa estiver séria na foto base, lábios selados sem dentes; se estiver sorrindo, sorriso real. Névoa suspensa no ar, mãos limpas e palco travado na referência.

Finalidade Prática:

Método oficial de produção. Disparo direto na API (~30s) combinando Foto do Usuário + Recorte do Palco. Aplica roupas variadas, névoa suspensa no ar, trava seca de boca fechada, horizonte reto e Palco Mundo deslocado para o lado.

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 candid perspective. Strictly Level Horizon & Asymmetrical Offset Stage Framing: Camera oriented completely upright on a strictly level horizontal horizon line, absolute zero Dutch angle tilt, absolute zero tilted roll; subject is positioned naturally off-center in the frame; the background concert stage is intentionally offset into the lateral background plane (extending diagonally and partially cropping off-frame at the edge) rather than centered directly behind the subject's head; natural live crowd attendees casually framing peripheral edges (organic dirty framing); continuous level ground perspective connecting bowed grass to audience and the towering offset stage. Foreground Group Preservation & Background Bypass Purge: Strictly preserve all individuals posing together in the primary foreground of the input subject photo as the main subjects, maintaining full individual count and likeness; strictly isolate and remove only distant background pedestrians, airport passersby, and photobombers behind the main posing group. Flawless 1:1 Biometric Likeness & Strict Binary Oral Parity: Exact individual facial identity, bone structure, eye geometry, and organic skin texture anchored directly to the input subject photo. Absolute conditional mouth rule: if the subject in reference has a neutral, serious, relaxed, or closed mouth, enforce firmly sealed resting lips with absolute zero visible teeth, zero open mouth, and absolute zero hallucinated smile; if and only if the subject is visibly smiling with teeth showing in reference, reproduce that authentic open smile with individually defined, separated upper teeth. High-Entropy Eclectic Festival Wardrobe Restyling: Actively transform, restyle, and replace plain travel garments and formal business tops with a rich, unpredictable variety of authentic night concert casual street fashion; apply high inter-subject wardrobe entropy with varied structural layering, diverse garment textures, asymmetric open-front outer layers over casual inner tops, mixed sleeve lengths, and subtle festival wristwear/accessories; ensure completely distinct individual silhouettes across different generations with zero repetitive uniform patterns, zero matching sets, and zero monoculture of single garment types, while strictly respecting each subject's gender presentation and core color palette; completely eliminate all business collared shirts, formal blazers, 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 concert stage; zero green-screen halo artifacts, zero template overlay appearance. Suspended Mid-Air Concert Atmospheric Haze: Layered, diffused volumetric concert haze, drifting stage smoke, and airborne festival atmosphere suspended in the open air catching ambient stage lighting beams; organic outdoor arena haze dispersion across mid-air and background planes; strictly zero thick ground-clinging horror mist, zero heavy cemetery floor fog, preserving crisp ground contact visibility. Strict Stage Image Reference Lock: The background concert stage, metallic structural trussing, lighting towers, central LED screen arrays, and stage visual artwork are 100% locked, matched, and cloned directly from the input stage reference image; absolute zero structural modification, zero generative diffusion distortion to stage geometry, zero 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

Disparo único mantendo exatamente as roupas que a pessoa vestia na foto do totem, com horizonte reto, palco deslocado e trava de boca fechada.

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 candid perspective. Strictly Level Horizon & Asymmetrical Offset Stage Framing: Camera oriented completely upright on a strictly level horizontal horizon line, absolute zero Dutch angle tilt, absolute zero tilted roll; subject is positioned naturally off-center in the frame; the background concert stage is intentionally offset into the lateral background plane (extending diagonally and partially cropping off-frame at the edge) rather than centered directly behind the subject's head; natural live crowd attendees casually framing peripheral edges (organic dirty framing); continuous level ground perspective connecting bowed grass to audience and the towering offset stage. Foreground Group Preservation & Background Bypass Purge: Strictly preserve all individuals posing together in the primary foreground of the input subject photo as the main subjects, maintaining full individual count and likeness; strictly isolate and remove only distant background pedestrians, airport passersby, and photobombers behind the main posing group. Flawless 1:1 Biometric Likeness & Strict Binary Oral Parity: Exact individual facial identity, bone structure, eye geometry, and organic skin texture anchored directly to the input subject photo. Absolute conditional mouth rule: if the subject in reference has a neutral, serious, relaxed, or closed mouth, enforce firmly sealed resting lips with absolute zero visible teeth, zero open mouth, and absolute zero hallucinated smile; if and only if the subject is visibly smiling with teeth showing in reference, reproduce that authentic open smile with individually defined, separated upper teeth. Baseline Wardrobe Preservation & Subtle Fit: 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 concert stage; zero green-screen halo artifacts, zero template overlay appearance. Suspended Mid-Air Concert Atmospheric Haze: Layered, diffused volumetric concert haze, drifting stage smoke, and airborne festival atmosphere suspended in the open air catching ambient stage lighting beams; organic outdoor arena haze dispersion across mid-air and background planes; strictly zero thick ground-clinging horror mist, zero heavy cemetery floor fog, preserving crisp ground contact visibility. Strict Stage Image Reference Lock: The background concert stage, metallic structural trussing, lighting towers, central LED screen arrays, and stage visual artwork are 100% locked, matched, and cloned directly from the input stage reference image; absolute zero structural modification, zero generative diffusion distortion to stage geometry, zero 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

Status Técnico:

Fluxo versionado para testes de bancada. Divide a geração em base de festival (Etapa 01) e transplante do rosto por recorte (Etapa 02). Tempo total de aproximadamente 60 segundos.

Etapa 01: Base do Festival

Raw candid night concert festival flash photography, authentic 9:16 vertical music documentary snapshot, hyper-realistic photographic fidelity. Physical 8mm ultra-wide fisheye cine lens, natural hemispherical optical barrel distortion bending peripheral ground into convex curves, tack-sharp optical center axis, eye-level neutral perspective. Backed-Off Full Environmental Portrait: Camera positioned at a backed-off wide distance; subjects positioned deeper in frame with generous 40% peripheral empty margins on all sides (headroom, bottom grass, lateral borders), keeping full upper body and posture centered inside the optical sweet spot. Strict Subject Count Parity: Exact 1:1 subject count mirroring input subject photo; solo subject yields strictly one solo foreground subject with zero bystanders. Macro Oral State Parity: Strictly mirror the mouth state from input subject photo; subjects smiling in reference retain an open natural smile; subjects with neutral or closed lips retain firmly sealed lips with absolute zero dental exposure and zero forced grins. High-Entropy Eclectic Festival Wardrobe Restyling: Actively transform and replace plain travel garments and formal tops with a rich variety of authentic night concert casual streetwear; apply high inter-subject wardrobe entropy with varied structural layering, diverse garment textures, asymmetric open-front outer layers over casual inner tops, mixed sleeve lengths, and subtle festival wristwear; ensure completely distinct individual silhouettes with zero repetitive uniform patterns, zero matching sets, and zero single-garment monoculture, respecting gender presentation and core color palette; completely eliminate business collared shirts, formal blazers, travel suitcases, roller bags, backpacks, and luggage. Empty Hands & Anti-Branding Lock: Completely clean, empty hands with zero held objects, no drinks, no bottles, no phones; absolute zero commercial logos, fast-food branding, third-party trademarks, or commercial text on hands or clothing. Continuous Ground & Seamless Crowd Integration: Foreground bowed grass seamlessly connects in physical perspective to the live festival crowd and distant concert stage. Suspended Mid-Air Concert Atmospheric Haze: Diffused volumetric concert haze and drifting stage smoke suspended in mid-air catching ambient stage lighting beams; strictly zero ground-clinging horror mist, zero heavy cemetery floor fog, preserving crisp ground contact visibility. Strict Stage Image Reference Lock: The background concert stage, metallic structural trussing, lighting towers, central LED screen arrays, and stage visual artwork are 100% locked, matched, and cloned directly from the input stage reference image; absolute zero structural modification, zero generative distortion, zero third-party festival logos, zero text, and zero typography across background screens or stage structures. Dual Balanced Lighting Physics: Powerful direct on-camera strobe flash key light casting natural 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 planes. Raw photographic grain, authentic dynamic range, pristine frame. --ar 9:16

Etapa 02: Troca de Rosto (Inpainting)

Target Canvas: Input Image 1 (approved festival concert scene). Identity Donor: Input Image 2 (original user photo). Surgical Head-Only Inpainting & Strict Donor Quarantine: Extract strictly and exclusively the facial features, cranial structure, eye geometry, nose, and organic skin texture from Identity Donor Image 2, capturing pixels strictly above the collarbone. Completely discard and ignore 100% of Image 2's clothing, business shirts, travel collars, accessories, background environment, and kiosk surroundings; absolute zero transfer or bleed of Image 2's wardrobe or background elements. Oral State Lock: Strictly mirror the mouth state from Image 2; if smiling in Image 2, generate realistic individually separated upper teeth with natural micro-shadows, zero fused teeth, and zero hyperdontia; if neutral or closed in Image 2, enforce firmly sealed lips with absolute zero dental exposure. Absolute Perimeter Lock on Target Canvas Image 1: The restyled festival clothing, body posture, hands, curved grass, stage architecture, crowd, and suspended concert haze from Target Image 1 are 100% frozen, static, and immutable. Absolute zero wardrobe replacement, zero clothing modification, zero background alteration. Light Harmonization: Seamlessly blend Target Image 1's direct on-camera flash key light and colored stage rim light over the transplanted facial contours, matching skin specular sheen, pore-level texture, and uniform 35mm optical sensor grain across the jawline with zero visible boundary seams. --ar 9:16

Configuração reserva dando prioridade máxima aos traços faciais, com horizonte reto, palco deslocado e trava de boca fechada.

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 candid perspective. Strictly Level Horizon & Asymmetrical Offset Stage Framing: Camera oriented completely upright on a strictly level horizontal horizon line, absolute zero Dutch angle tilt, absolute zero tilted roll; subject is positioned naturally off-center in the frame; the background concert stage is offset into the lateral background plane (extending diagonally and partially cropping off-frame at the edge); natural live crowd attendees casually framing peripheral edges (organic dirty framing); continuous level ground perspective. Foreground Group Preservation & Background Bypass Purge: Strictly preserve all individuals posing together in the primary foreground of the input subject photo as the main subjects; strictly isolate and remove only distant background pedestrians and airport passersby. Flawless 1:1 Biometric Likeness & Strict Binary Oral Parity: Exact individual facial identity, bone structure, eye geometry, and organic skin texture anchored directly to the input subject photo. Absolute conditional mouth rule: if the subject in reference has a neutral, serious, relaxed, or closed mouth, enforce firmly sealed resting lips with absolute zero visible teeth, zero open mouth, and absolute zero hallucinated smile; if and only if the subject is visibly smiling with teeth showing in reference, reproduce that authentic open smile with individually defined, separated upper teeth. High-Entropy Eclectic Festival Wardrobe Restyling: Adapt input clothing into casual festival streetwear layers respecting gender presentation and base colors; eliminate all travel luggage and bags. Empty hands, zero props, absolute anti-branding lock. Suspended Mid-Air Concert Atmospheric Haze: Layered, diffused volumetric concert haze and drifting stage smoke suspended in mid-air catching ambient stage lighting beams; strictly zero thick ground-clinging horror mist, zero heavy cemetery floor fog. Strict Stage Image Reference Lock: The background concert stage, metallic structural trussing, lighting towers, central LED screen arrays, and stage visual artwork are 100% locked, matched, and cloned directly from the input stage reference image; absolute zero structural modification, zero generative diffusion distortion to stage geometry, zero third-party festival logos, zero text, zero competing event branding, and zero typography across background screens or stage structures. Raw 35mm optical sensor grain across all focal planes. --ar 9:16

O que cada comando faz na prática:

Horizonte Reto & Palco Deslocado

Mantém a foto reta para cortes em qualquer formato e joga o palco para o lado vazando da imagem, parecendo foto casual real.

Trava Binária de Boca Fechada

Impede a IA de inventar dentes em quem estava sério; só desenha dentes em quem já sorria de verdade na foto original.

Preservação de Grupos

Mantém juntas todas as pessoas que estão posando na frente, apagando só transeuntes do saguão do aeroporto.

Lente Olho de Peixe de 8mm

Curva as laterais e o chão com estilo autêntico de foto de festival, sem distorcer o rosto de quem está na frente.

Fumaça Suspensa no Ar

Cria névoa no ar que reflete as luzes dos holofotes, trazendo profundidade visual e clima de show ao ar livre.

Variedade Ampla de Roupas

Gera sobreposições casuais de festival (jaquetas, camisas abertas e estampas) sem repetir a mesma roupa em todo mundo.

Palco Mundo Travado

Clona as treliças e os telões diretamente do recorte oficial da Cidade do Rock, com alta estabilidade visual.

Mãos Limpas & Sem Marcas

Remove copos descartáveis, garrafas e celulares da mão, limpando marcas comerciais não autorizadas.

Luz Real de Flash

Gera sombras duras no gramado e reflexo na pele para a pessoa não parecer uma colagem colada no Photoshop.

Aprendizados e Ajustes de Produção (17 Pontos)

Histórico completo de problemas identificados durante os testes e as soluções aplicadas nos prompts:

1. Palco com formato alterado

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

Como foi resolvido: Usamos o recorte isolado do Palco Mundo como imagem de referência direta no envio da API, alcançando alta fidelidade.
2. Câmera inclinada de lado (Dutch Angle)

A IA tentava criar dinamismo inclinando a foto, o que estragava os cortes verticais e quadrados.

Como foi resolvido: Comando estrito travando o horizonte reto e a câmera verticalizada sem inclinação.
3. Pessoa ocupando espaço demais na tela

Lentes grandes-angulares exigem espaço superior para curvar o chão de forma natural.

Como foi resolvido: Recuo do plano com margem folgada nas bordas para permitir cortes em qualquer formato.
4. Sorrisos forçados em quem estava sério

A IA forçava dentes visíveis em rostos sérios pelo contexto festivo do evento.

Como foi resolvido: Regra binária de lábios selados: quem está sério sai de boca fechada, sem dentes aparentes.
5. Aspecto de colagem falsa (Chroma-Key)

Flash frontal isolado sem luz de fundo fazia a pessoa parecer colada na imagem.

Como foi resolvido: Luz cênica do palco iluminando ombros e cabelos, com ruído fotográfico uniforme em toda a foto.
6. Pessoas do grupo apagadas

A IA apagava acompanhantes reais da foto ao tentar isolar um único sujeito.

Como foi resolvido: Ordem estrita de manter juntas todas as pessoas que estão posando no primeiro plano.
7. Copos e marcas nas mãos

A IA inventava copos de redes de fast-food e bebidas na mão do usuário.

Como foi resolvido: Mãos esvaziadas obrigatoriamente e trava contra marcas comerciais de terceiros.
8. Malas e mochilas no corpo

Malas de viagem apareciam fundidas às pernas das pessoas no meio do festival.

Como foi resolvido: Comando direto mandando apagar qualquer mala de rodinha, bagagem ou mochila.
9. Membros extras em pessoas com deficiência

O motor gerava braços ou pernas falsas ao receber comandos de poses.

Como foi resolvido: Ordem estrita de gerar poses apenas para os membros visíveis reais da pessoa.
10. Uniforme repetitivo (só coletes ou só jeans)

A IA viciava em colocar a mesma roupa em todos os passageiros testados.

Como foi resolvido: Ordem de variedade ampla com jaquetas, camisas abertas, sobreposições e cores variadas.
11. Descaracterização cultural e religiosa

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. Pele lisa demais (efeito boneco)

Comandos restritivos demais deixavam a pele borrada e artificial.

Como foi resolvido: Exigência de poros reais, brilho natural de flash e textura fotográfica autêntica.
13. Pessoas do aeroporto no meio do show

Pessoas que passavam no fundo do saguão apareciam no meio da pista do festival.

Como foi resolvido: Comando para apagar transeuntes e pessoas do fundo da foto original.
14. Multidão parecendo papelão

A plateia ao fundo parecia uma imagem plana descolada do chão.

Como foi resolvido: Conexão contínua do gramado físico com o público e o palco no mesmo plano.
15. Fumaça de show e atmosfera real

A fumaça cênica foi ajustada para ficar suspensa no ar capturando a luz dos holofotes, criando profundidade tridimensional e evitando névoa rasteira no chão.

Como foi resolvido: Fumaça mantida no ar refletindo as luzes do show, com o chão limpo e visível.
16. O Desafio da Dentição na IA (Dentes Fundidos ou Falsos)

Em fotos abertas, o rosto tem menos pixels, o que leva a IA a fundir dentes ("efeito chiclete") ou inventar sorrisos em bocas relaxadas.

Como foi resolvido: Boca fechada para quem posou neutro e dentes separados apenas para quem sorriu de verdade.
17. Margem Técnica e Descarte da Dupla Passagem

Modelos generativos não são 100% determinísticos; assume-se sempre uma margem técnica de até 10% de variações ou alucinações possíveis em qualquer elemento da cena.

Como foi resolvido: A tentativa de consertar o rosto numa segunda etapa dobrou o tempo (~60s), criou marcas no pescoço e não eliminou essa margem. O disparo único foi mantido como o método oficial mais rápido e natural.

Comparativo entre Métodos de Geração

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

Opção Reserva

Dupla Passagem (Troca de Rosto)

Gera a base de festival na Etapa 1 (~30s) e tenta trocar o rosto na Etapa 2 (~30s).

  • Dobra o tempo de espera no aeroporto (~60 segundos no total)
  • Risco de deixar marcas e linhas de corte visíveis no pescoço
  • Não resolve as alucinações de dentes com consistência superior
  • Mantida apenas como arquivo e teste modular no sistema

Direcionamento de Produção: Operar 100% no Disparo Único (v2.0) para garantir rapidez (~30s), visual integrado com a multidão e ausência de emendas no pescoço.

Prompt copiado para a área de transferência!