5 de setembro de 2026
Mãos deformadas e texto ilegível: porque a IA falha nestas duas coisas e como se safar
A verdadeira razão técnica por trás dos seis dedos e das palavras inventadas, os modelos que hoje escrevem corretamente, e o método de enquadramento e retoque que resolve a maioria dos casos sem lançar mais dez gerações.
Frank HoubreFundador do Imaginode
Os dois defeitos que denunciam uma imagem IA num segundo
As mãos e o texto falham por razões opostas: as mãos são variáveis demais para serem aprendidas corretamente, o texto exige uma precisão simbólica que o modelo não pratica.
Você mostra a sua imagem a alguém. Está bonita, a luz está boa, a personagem está de pé. E a pessoa olha para a mão, conta os dedos, e depois lê a tabuleta da loja ao fundo onde está escrito qualquer coisa como PADARIB.
Estes dois defeitos são as assinaturas mais reconhecíveis da geração de imagens, e tornaram-se o teste que toda a gente aplica. O frustrante é que convivem com imagens de resto excelentes: um retrato de grão perfeito, arruinado por uma mão de seis dedos.
A boa notícia é que os dois problemas têm causas diferentes e portanto soluções diferentes. E que em 2026 um dos dois está largamente resolvido se escolher o modelo certo. Vamos ver porque falha, e depois exatamente o que fazer.
Porque falham as mãos: o que o modelo aprendeu realmente
Uma mão tem mais de vinte articulações, aparece minúscula e parcialmente escondida na maioria das fotos de treino, e assume formas muito diferentes conforme o ângulo: o modelo aprendeu dela uma média difusa.
Um rosto são dois olhos, um nariz, uma boca, sempre pela mesma ordem, quase sempre de frente ou de três quartos, e muitas vezes o elemento maior da foto. Um modelo vê isso centenas de milhões de vezes em condições comparáveis. Aprende muito bem.
Uma mão é o contrário em todos os pontos. Mais de vinte articulações, portanto o número de posições possíveis explode. É pequena no enquadramento, muitas vezes desfocada porque se mexe, regularmente escondida atrás de um objeto, de uma peça de roupa ou da outra mão. E conforme o ângulo, a mesma mão dá silhuetas que não têm nada a ver umas com as outras.
Resultado, o modelo devolve a média das mãos, tal como lhe devolve a média dos dragões quando pede um dragão. Só que uma média de dragões continua credível, ninguém viu nenhum, ao passo que uma média de mãos salta aos olhos de qualquer pessoa. E nada no seu funcionamento lhe diz que um dedo a mais é um erro: não tem regras, tem probabilidades.
Porque falha o texto: o modelo desenha, não soletra
Um modelo de imagem produz formas plausíveis pixel a pixel, sem representação das letras enquanto símbolos: fabrica portanto algo que se parece com escrita em vez de escrita.
O texto é um problema de outra natureza. Um modelo de imagem não conhece o alfabeto. Não sabe que um B é um B e que vem antes de um C. Viu milhares de milhões de imagens contendo zonas que se parecem com texto, e aprendeu a produzir zonas que se parecem com texto.
É por isso que as falhas têm aquele aspeto característico: nunca é algaraviada completa, está quase certo. As boas proporções, o bom espaçamento entre letras, a boa tipografia, e duas letras inventadas pelo meio. O modelo conseguiu perfeitamente aquilo que estava realmente a fazer, que era desenhar uma textura tipográfica.
Acrescente que numa imagem o texto é muitas vezes minúsculo em relação ao resto. O modelo distribui a sua atenção pelo que enche o enquadramento. Uma tabuleta de vinte pixels de altura não recebe o cuidado que exigiria, e é aí que PADARIA perde uma letra pelo caminho.
O que mudou realmente no texto
Os modelos recentes treinados com uma compreensão linguística forte escrevem texto curto corretamente e de forma fiável: o problema do texto é hoje um problema de escolha de modelo.
Este é o ponto que muita gente não atualizou, porque formou uma opinião em 2023 e nunca mais a reabriu. O texto na imagem funciona agora, desde que se tire o modelo certo.
Os modelos que são primeiro modelos de linguagem e só depois desenham têm uma vantagem estrutural: sabem o que é uma palavra antes de a desenhar. O Nano Banana Pro apoia se no Gemini 3 Pro e domina o texto na imagem e a paginação precisa. O GPT Image 2 tem exatamente o mesmo perfil: a sua força não é a textura, é a obediência, e escreve texto curto de forma limpa.
Ao lado, o Recraft V4.1 vem do mundo do design e integra o texto curto de forma limpa numa composição gráfica, o que faz dele o primeiro reflexo para um cartaz ou um logótipo. E o Flux 2 Max aguenta o texto um patamar acima do Flux 2 Pro quando é preciso fotorrealismo com uma tabuleta legível lá dentro.
Os modelos a não usar quando há texto
Os modelos rápidos e baratos produzem imagens muito boas sem saber escrever: o Flux Schnell a 1 crédito continua imbatível para explorar, e inutilizável para um visual que carrega uma palavra.
Corolário do parágrafo anterior, e o que mais créditos faz perder. O Flux Schnell a 1 crédito é perfeito para explorar uma composição, testar um enquadramento, validar um ambiente. Não escreverá o seu slogan corretamente, e relançar quinze vezes não muda nada.
O reflexo que sai caro é insistir com o modelo do início. Está na décima segunda geração, gastou doze créditos para nada, quando uma passagem por um modelo que sabe escrever teria resolvido o problema à primeira por 8 ou 19 créditos.
Nunca relance mais de três vezes o mesmo modelo perante um defeito de texto. Se três tentativas não chegam lá, é porque o modelo não sabe fazê lo, e não porque pediu mal. Mude de modelo, é tudo.
Como escrever a instrução para que o texto saia certo
Ponha o texto exato entre aspas, exija explicitamente que apareça escrito assim e que nenhuma outra palavra apareça, e limite se a algumas palavras.
A formulação conta tanto como o modelo. Escreva o texto exato entre aspas no seu prompt, e acrescente depois uma frase que tranca: deve aparecer, escrito exatamente assim, perfeitamente legível, nenhuma outra palavra. Sem essa frase, o modelo acrescenta de bom grado um chamariz da sua própria invenção por baixo do seu título.
Segunda regra: fique curto. Um nome de marca, um slogan de cinco palavras, uma data. Um parágrafo inteiro dentro de uma imagem, nenhum modelo o fará corretamente hoje, e também não é boa ideia do ponto de vista gráfico. O texto longo põe se na montagem ou num programa de paginação, não na geração.
Terceira regra: dê lhe espaço. Peça explicitamente que o texto ocupe uma zona ampla e bem contrastada. Um modelo que tem de escrever seis letras numa tabuleta ao fundo da rua falhará onde acerta num título a toda a largura. É a mesma lógica que para qualquer instrução, e o assunto é tratado mais amplamente em escrever um prompt que funciona.
As mãos: três escolhas de enquadramento que resolvem o essencial
Enquadre acima das mãos, ocupe as com um objeto, ou tire as do plano nítido: estas três decisões eliminam a maioria das falhas sem custar um crédito.
Nas mãos ninguém tem uma solução milagrosa e não vou inventar lhe uma. Os modelos recentes safam se nitidamente melhor do que há dois anos, mas nenhum garante cinco dedos de cada vez. O que funciona é não lhes pedir o exercício mais difícil.
Primeira escolha: o enquadramento. Um plano de peito ou um grande plano de rosto elimina o problema por construção. Olhe para a fotografia publicitária profissional, enquadra acima das mãos muito mais vezes do que se pensa. O nó Câmara permite lhe fixar esse enquadramento corretamente em vez de o esperar.
Segunda escolha: ocupe a mão. Uma mão que segura uma chávena, um telemóvel, uma caneta, um volante, tanto faz, é uma mão cuja posição é limitada pelo objeto, e os modelos acertam muito melhor nessas configurações do que numa mão aberta no vazio. Terceira escolha: tire a da zona nítida. Uma abertura de f/1.4 no nó Câmara coloca as mãos no desfoque de fundo, e um dedo desfocado não se conta.
Descrever a ação em vez da anatomia
Contar os dedos no prompt não funciona: o modelo não conta, é preciso descrever o gesto, o que a mão segura e como o segura.
O reflexo universal é escrever cinco dedos no prompt. Não funciona, e não vai funcionar, porque o modelo não dispõe de nenhum mecanismo de contagem. Pode escrever exatamente cinco dedos, uma mão anatomicamente correta, ele não tem regra nenhuma para aplicar.
O que funciona é descrever a cena de maneira a que a posição fique implícita. As duas mãos pousadas na mesa. Uma mão fechada à volta da asa de uma chávena. Os braços cruzados. As mãos nos bolsos. Está a descrever uma configuração que o modelo viu milhões de vezes numa posição estável, e ele restitui a.
É o mesmo princípio que para tudo o resto, na verdade: obtém se muito mais descrevendo uma situação concreta do que dando instruções abstratas ao modelo. Descrever uma ação, ele sabe. Seguir uma restrição numérica, não sabe.
Reparar em vez de relançar: a edição dirigida
Um modelo de edição retoma a sua imagem e só altera o que descreve: corrigir uma mão custa alguns créditos contra uma nova geração completa e um novo enquadramento a validar.
Este é o hábito que muda tudo, e o que os principiantes não têm. Quando uma imagem está 95 por cento boa, não se relança. Repara se.
O Flux Kontext a 6 créditos nunca parte do zero: exige uma imagem de entrada e transforma a por instrução, preservando o que os modelos de geração pura recomporiam ao acaso. Dá lhe a sua imagem e descreve unicamente o que deve mudar: corrige a mão esquerda, deve segurar a chávena pela asa, não mudes mais nada.
O Nano Banana 2 a 10 créditos faz o mesmo trabalho com uma compreensão de instruções compostas, e o GPT Image Mini a 2 créditos é a opção mais barata do catálogo para um retoque simples. Em todos os casos, a segunda metade da sua instrução deve listar o que não se mexe: rosto, pose, enquadramento, luz, cenário. Sem essa lista, o modelo devolve lhe outra imagem, muito boa, mas outra.
O zoom antes da entrega, a revisão que toda a gente salta
Os defeitos veem se a cem por cento, não numa miniatura: ampliar a imagem antes de a entregar custa 12 créditos e evita o erro que se descobre na impressão.
Uma imagem gerada é olhada numa miniatura do canvas, validada, e enviada. Três semanas depois está impressa em A2 e a mão tem seis dedos. Aconteceu me, e uma só vez basta para ganhar o hábito.
A revisão leva dois minutos. Abre a imagem em grande e varre três zonas por ordem: as mãos, tudo o que contém texto incluindo os fundos, e depois os olhos e os dentes. Estas três passagens apanham a quase totalidade dos defeitos.
Para um visual destinado à impressão, o nó Melhorar com o Topaz Precision a 12 créditos amplia corretamente e revela de passagem o que a baixa resolução escondia. É a mesma ferramenta que a descrita em tornar uma foto nítida, e serve tanto de lupa de controlo como de ampliadora.
Os outros detalhes que denunciam uma imagem IA
Dentes demasiado regulares, joias que se duplicam, padrões de tecido incoerentes, reflexos que não correspondem a nada: as mesmas causas produzem outros defeitos, menos conhecidos mas igualmente visíveis.
As mãos e o texto ficam com o protagonismo, mas a mesma mecânica produz outras falhas. Os dentes, muitas vezes demasiados e demasiado regulares, porque são pequenos e repetitivos. As joias e os óculos, que se duplicam ao nível das hastes. Os padrões de tecido, riscas ou xadrez, que seguem numa direção e depois noutra a meio da peça de roupa.
Os reflexos são um caso à parte e muito revelador: num espelho ou numa montra, o modelo desenha algo que se parece com um reflexo sem verificar que corresponde à cena. Olhe para os vidros atrás das suas personagens, encontrará regularmente coisas que não existem em lado nenhum da imagem.
E as multidões, onde os rostos do fundo se tornam inquietantes assim que se faz zoom. Aí também o reflexo é o mesmo: enquadramento que evita o problema, ou edição dirigida que o corrige. São exatamente os pontos que reviso em os erros de principiante em IA generativa.
O procedimento, em resumo
Escolha um modelo que escreva quando há texto, enquadre para evitar as mãos abertas, repare por edição em vez de relançar, e releia em grande antes de entregar.
No texto, o problema está resolvido e é uma questão de modelo: Nano Banana Pro, GPT Image 2 ou Recraft para o gráfico, Flux 2 Max quando é preciso fotorrealismo com texto lá dentro. Texto exato entre aspas, frase de tranca, algumas palavras no máximo.
Nas mãos, nenhum modelo é perfeito, e a resposta está na encenação: enquadrar acima, ocupar a mão com um objeto, ou tirá la do plano nítido. Descreva o gesto, nunca o número de dedos. E quando uma imagem está 95 por cento boa, repare a com um modelo de edição em vez de recomeçar do zero.
Para testar tudo isto sem deixar lá um orçamento, explore a 1 crédito no Flux Schnell e passe para um modelo de 8 ou 19 créditos apenas na composição escolhida. O preço exato aparece no botão antes de cada clique, e a grelha completa está aqui.