Você gera um retrato no Stable Diffusion. A composição está boa e a iluminação é dramática, mas o rosto parece artificial. A pele não tem poros e reflete a luz como um manequim. Cada detalhe está polido demais: é a inconfundível "aparência plástica da IA", que denuncia imediatamente uma imagem gerada por máquina.
Este guia explica por que isso acontece, quais modelos realistas no Stable Diffusion realmente resolvem o problema e quais configurações e técnicas de pós-processamento diferenciam uma saída fotorrealista de uma imagem plástica.
Por que suas imagens do Stable Diffusion parecem plásticas
O visual plástico não é uma falha isolada. Ele resulta de três fatores sobrepostos que se amplificam.
Viés dos dados de treinamento. Modelos-base como SDXL e SD 1.5 foram treinados com milhões de imagens, muitas delas fotos de banco de imagens retocadas digitalmente, ilustrações aerografadas ou imagens geradas por IA que voltaram para o conjunto de treinamento. O modelo aprende que uma pele lisa e impecável é o padrão, porque isso domina a distribuição de treinamento. Checkpoints realistas ajustados reduzem esse efeito ao serem treinados especificamente com fotografias sem retoques, com textura visível, poros e imperfeições naturais.
Interação entre sampler e CFG. Valores altos de CFG, acima de 7, obrigam o modelo a seguir o prompt com rigor, o que costuma gerar uma versão idealizada de cada conceito, inclusive da pele. Um CFG de 8+ em um prompt de retrato suprime ativamente o ruído de alta frequência que se transforma em poros, manchas e microtextura. Com samplers que priorizam coerência em vez de detalhe, o resultado são superfícies lisas como vidro, artificiais quando observadas de perto.
Ausência de prompts negativos. Sem dizer explicitamente ao modelo o que evitar, não há sinal de que plástico, pele aerografada, lisa ou parecida com boneca sejam características indesejadas. Prompts negativos não servem apenas para remover dedos extras. Eles são uma alavanca direta para controlar o realismo da pele.
Os melhores modelos realistas no Stable Diffusion agora
Nem todos os checkpoints são feitos para o fotorrealismo. Os modelos abaixo conquistaram sua reputação pela qualidade consistente, validação ativa da comunidade e números de download mensuráveis no Civitai. Cada um se destaca em um aspecto diferente do realismo.
| Modelo | Arquitetura | VRAM mín. | Melhor para | Principal vantagem |
|---|---|---|---|---|
| RealVisXL V5.0 | SDXL 1.0 | 8 GB | Retratos, close-ups | Aparência natural de filme, textura da pele |
| Juggernaut XL v10 | SDXL 1.0 | 8 GB | Fotorrealismo versátil | Iluminação cinematográfica, ampla faixa de prompts |
| Realistic Vision V6.0 | SD 1.5 | 4 GB | Realismo em hardware limitado | Funciona com 4 GB, enorme ecossistema de LoRAs |
| CyberRealistic XL v10 | SDXL 1.0 | 8 GB | Fotorrealismo limpo, iteração rápida | Suporte a LCM/Lightning, saída nítida |
| EpicRealism | SD 1.5 / SDXL | 4-8 GB | Detalhes finos, iluminação natural | Evita excesso de nitidez, tons realistas |
O RealVisXL V5.0 continua sendo a principal escolha da comunidade para retratos, produzindo uma pele que se mantém natural sob inspeção próxima, com uma granulação que lembra o filme de 35 mm. O Juggernaut XL v10 é o checkpoint SDXL mais versátil. Se você não sabe por onde começar, ele lida com tudo, de retratos a fotografia de produtos, com resultados consistentemente fortes, e já acumulou mais de 18 milhões de downloads.
O Realistic Vision V6.0 é a lenda do SD 1.5 que se recusa a se aposentar: funciona em hardware modesto, com uma GPU de apenas 4 GB, e ainda entrega tons de pele e iluminação comparáveis aos modelos SDXL em resoluções menores. O CyberRealistic XL oferece variantes LCM e Lightning para quem precisa iterar rapidamente sem abrir mão do fotorrealismo. O EpicRealism completa a lista com sua abordagem deliberadamente natural. Ele evita a armadilha do excesso de nitidez que faz outros modelos parecerem polidos por IA.
Escolhendo o modelo certo para seu hardware
A escolha do modelo não importa se sua GPU não consegue executá-lo. O critério prático é simples: primeiro combine sua faixa de VRAM com a arquitetura adequada; depois otimize o realismo dentro dessa faixa.
| Faixa de VRAM | Arquitetura recomendada | Melhor modelo realista | O que esperar |
|---|---|---|---|
| 4-6 GB | SD 1.5 | Realistic Vision V6.0 | 512x512 nativo, geração rápida, excelentes tons de pele, resolução limitada |
| 8 GB | SDXL | Juggernaut XL v10 ou RealVisXL V5.0 | 1024x1024 nativo, detalhes fortes, pode exigir gerenciamento de VRAM com LoRAs empilhadas |
| 12 GB+ | SDXL confortável ou Flux | Qualquer checkpoint SDXL com stack completo de LoRA | Fluxos com várias LoRAs, ControlNet, ADetailer, tudo simultaneamente |
| 16 GB+ | Flux ou SDXL | Flux Dev GGUF Q8 | Melhor fotorrealismo disponível localmente, anatomia superior e melhor aderência ao prompt |
O SDXL precisa de 8 GB apenas para carregar e de 12 GB para funcionar sem ajustes constantes de VRAM. Se você tem 6 GB ou menos, não lute contra o hardware. Modelos SD 1.5 como o Realistic Vision são otimizados para menos memória e ainda produzem excelente fotorrealismo em 512x512, que pode ser ampliado depois. O salto do SD 1.5 para o SDXL é imediatamente visível na anatomia, nos detalhes e na compreensão do prompt, mas o aumento no custo de VRAM também é significativo.
Configurações essenciais para resultados fotorrealistas
Escolher o checkpoint certo é apenas o primeiro passo. O sampler, a escala CFG, a quantidade de passos e o prompt negativo usado com ele determinam se a saída parecerá uma fotografia ou uma renderização.
Sampler. DPM++ 2M SDE Karras e DPM++ 3M SDE Karras são as escolhas consensuais da comunidade para textura de pele. Esses samplers preservam detalhes de alta frequência: o micro-ruído que se traduz em poros, granulação e irregularidade da superfície. Euler a e DDIM tendem a produzir resultados mais lisos, exatamente o oposto do que você quer para o fotorrealismo.
Escala CFG. Para retratos no SDXL, um CFG entre 4 e 7 produz a pele mais natural. Acima de 7, o modelo é forçado a gerar uma saída idealizada e limpa demais. Alguns profissionais relatam excelentes resultados com CFG 2-3 e prompts negativos bem ajustados, dando ao modelo mais liberdade para criar textura natural ao custo de uma aderência menos rígida ao prompt.
Passos. 25-30 passos é a faixa padrão para SDXL. Para obter o máximo de detalhes na pele, aumentar para 40-60 passos com DPM++ 3M SDE Karras traz uma melhora visível na definição dos poros e na renderização do cabelo. Acima de 60, o retorno diminui rapidamente. Variantes Lightning e LCM podem produzir resultados utilizáveis em 4-8 passos, mas são melhores para iteração do que para a saída final.
Prompts negativos. É aqui que a maior parte do visual plástico desaparece. Um prompt negativo forte para retratos realistas inclui:
plastic, smooth skin, airbrushed, poreless, doll-like, flawless, perfect skin3d render, cgi, digital painting, illustration, cartoon, animeblurry, low quality, deformed, bad anatomy, extra fingers, mutated handswax, retouched, photoshop, overexposed
A primeira linha ataca diretamente o visual plástico. A segunda remove estilos não fotográficos. A terceira trata de erros estruturais. A quarta elimina a estética de pós-processamento polida demais que faz as imagens parecerem artificiais mesmo quando a geração subjacente é sólida.
Além do checkpoint: LoRAs, ADetailer e engenharia de prompts
Mesmo com o modelo e as configurações certas, os rostos costumam perder detalhes em resoluções padrão. A comunidade desenvolveu uma abordagem de pós-processamento em camadas para resolver isso de forma sistemática.
LoRAs de realismo. LoRAs leves como Skin & Hand, da Polyhedron, e add-details-xl injetam textura de pele e detalhes finos com pesos baixos, de 0.3 a 0.8. Com peso 1.0, add-details-xl força o modelo a renderizar detalhes de alta frequência na imagem inteira. Isso pode transformar a pele, mas também introduzir artefatos no fundo. Comece em 0.5 e ajuste conforme os resultados.
ADetailer (After Detailer). Esta é a ferramenta mais impactante para corrigir rostos. O ADetailer executa um modelo de detecção na imagem gerada, identifica os rostos e os regenera em resolução maior com um prompt dedicado, tudo automaticamente. A configuração recomendada:
- Modelo de detecção:
face_yolov8n.pt - Limite de confiança: 0.3
- Intensidade de denoising: 0.22-0.28, menor que a padrão porque você quer refinamento, não substituição
- Passos: 18-22
- CFG: 4-4.5
- Inpaint only masked: ON
- Prompt do ADetailer:
natural skin texture, visible pores, subtle imperfections, soft skin transitions, realistic eyes, natural lips
A baixa intensidade de denoising é fundamental. Em 0.5+, o ADetailer praticamente substitui o rosto, o que pode introduzir novos artefatos ou fazer a identidade do sujeito se perder. Em 0.22-0.28, ele refina os detalhes existentes: adiciona estrutura aos poros, deixa os olhos mais nítidos e corrige pequenos problemas de anatomia sem descartar a geração original.
Técnicas de prompt para realismo. As palavras usadas moldam a textura gerada pelo modelo. Gatilhos eficazes de realismo incluem:
natural skin texture, visible pores, subtle blemishes, frecklescandid iphone camera portrait, raw photo, unretouched85mm portrait lens, shallow depth of field, natural lightingoily skin, sun-damaged skin, aged 35 years old, flyaway hair strands
A última linha parece contraintuitiva, mas é poderosa. Pessoas reais têm pele oleosa, danos do sol, manchas de idade e fios soltos. Pedir essas imperfeições afasta o modelo do padrão idealizado e o aproxima do fotorrealismo genuíno. Especificar a lente e a configuração de iluminação também ancora a saída na realidade fotográfica, em vez da renderização digital.
Quando a configuração local não é uma opção: alternativas na nuvem
A realidade do Stable Diffusion local é que ele exige hardware considerável. Um fluxo SDXL com LoRAs, ADetailer e ControlNet simultaneamente precisa de 12-16 GB de VRAM. Um fluxo Flux em precisão total requer 24 GB. Nem todo mundo tem ou quer investir nesse nível de hardware, e o próprio processo de configuração, desde instalar ComfyUI ou AUTOMATIC1111 até baixar checkpoints de vários gigabytes e configurar samplers e extensões, pode levar horas antes de você gerar uma única imagem.
É aqui que as ferramentas de geração de imagens com IA na nuvem oferecem uma alternativa prática. A plataforma de texto para imagem da Seavid AI dá acesso a vários modelos de ponta, incluindo Seedream 5.0, Nano Banana Pro e GPT Image, por meio de uma interface no navegador, sem configuração local. Descreva sua visão em um prompt de texto, selecione estilo e resolução e gere rapidamente. Para quem precisa refinar ou transformar imagens existentes, a ferramenta de imagem para imagem cuida da transferência de estilo e do aprimoramento preservando a composição, enquanto o SeedEdit permite editar com instruções e preservar a identidade.
A troca é o controle. O Stable Diffusion local oferece acesso detalhado a todos os parâmetros: sampler, CFG, quantidade de passos, pesos de LoRA, prompts negativos e máscaras de inpainting. As ferramentas na nuvem abstraem essas decisões em uma interface mais simples, o que favorece velocidade e acessibilidade, mas limita o ajuste fino de aspectos específicos da textura da pele ou dos detalhes do rosto. Para prototipagem rápida, conteúdo para redes sociais ou usuários sem GPUs dedicadas, a nuvem remove completamente a barreira de hardware. Para retratos fotorrealistas de qualidade de produção, em que cada poro importa, o fluxo local ainda leva vantagem.
Erros comuns e como evitá-los
- Usar o modelo SDXL-base para retratos. O SDXL-base tem uma tendência bem documentada a gerar pele plástica. Troque sempre por um checkpoint realista ajustado, como RealVisXL ou Juggernaut XL.
- Executar CFG acima de 7 na pele. CFG alto suprime a textura natural. Reduza para 4-6 e deixe o prompt negativo cuidar do controle de qualidade.
- Ignorar o ADetailer. Rostos gerados em 1024x1024 perdem detalhes quando o sujeito ocupa uma pequena parte do quadro. O ADetailer corrige isso automaticamente, então não há motivo para ignorá-lo.
- Empilhar LoRAs demais. Cada LoRA adicionada aumenta a chance de mudanças de cor e artefatos. Comece com uma LoRA de realismo com peso 0.5, teste e só adicione outra se o resultado precisar.
- Esquecer de especificar imperfeições. Se o prompt diz apenas "beautiful woman, perfect skin", o modelo entregará exatamente isso, e o resultado parecerá falso. Adicione poros, manchas e sinais de iluminação natural.
- Ampliar sem Hi-Res Fix. O upscaling padrão deixa tudo mais nítido de maneira uniforme, o que pode deixar a pele cerosa. Use Hi-Res Fix com uma intensidade de denoising baixa, de 0.3-0.4, para aprimorar os detalhes de forma controlada.
Perguntas frequentes
Consigo obter resultados fotorrealistas com SD 1.5 ou preciso do SDXL?
Sim. O Realistic Vision V6.0 no SD 1.5 ainda produz excelentes tons de pele e iluminação realista. A troca envolve resolução, 512x512 nativo contra 1024x1024 no SDXL, e consistência anatômica. Se sua GPU tem 4-6 GB de VRAM, o SD 1.5 é sua melhor opção, e os resultados podem ser ampliados depois.
Qual é a mudança mais eficaz para corrigir o visual plástico?
Adicione um prompt negativo que o ataque explicitamente: plastic, smooth skin, airbrushed, poreless, doll-like, flawless. Só isso já produz uma melhora visível na maioria dos checkpoints realistas, antes mesmo de ajustar o sampler ou as configurações de CFG.
Preciso de uma GPU dedicada ou posso usar ferramentas na nuvem?
Uma GPU NVIDIA dedicada com pelo menos 8 GB de VRAM é recomendada para fluxos SDXL locais. Se você não tem uma, ferramentas na nuvem como a Seavid AI dão acesso a modelos de alta qualidade pelo navegador, embora com menos controle em nível de parâmetros que uma configuração local.
O que é melhor para fotorrealismo: Stable Diffusion ou Flux?
Em geral, o Flux produz fotorrealismo de maior qualidade, com anatomia melhor e maior aderência ao prompt, mas exige 12+ GB de VRAM mesmo quantizado e tem um ecossistema de LoRAs menor. O SDXL continua sendo a escolha prática para a maioria dos usuários por causa de sua enorme biblioteca de modelos da comunidade, ferramentas maduras e requisitos de hardware menores. Para obter os melhores resultados em hardware avançado, o Flux Dev em GGUF Q8 é atualmente a principal opção local.
Qual é a importância do sampler para o realismo da pele?
É muito importante. DPM++ 2M SDE Karras e DPM++ 3M SDE Karras preservam o ruído de alta frequência que se transforma em textura da pele. Trocar Euler a por DPM++ SDE Karras pode melhorar o realismo da pele mais visivelmente do que mudar de modelo, especialmente em checkpoints SDXL.
