Como criar desenhos sem sentido com IA generativa
A maioria das pessoas usa modelos como Stable Diffusion ou Midjourney para gerar imagens coerentes. O processo inverso — criar desenhos sem sentido proposital — é mais simples do que parece, mas exige entender como os modelos interpretam prompts conflituosos. Eu passei semanas testando combinações de palavras que quebram a lógica visual dos geradores, e descobri que o segredo não está no caos aleatório, mas na contradição estruturada.
O que são desenhos sem sentido e como funcionam
Desenhos sem sentido são imagens onde elementos visuais conflitantes coexistem sem hierarquia narrativa. Diferente de um collage tradicional, aqui a IA tenta reconciliar conceitos incompatíveis simultaneamente. O resultado não é erro — é o estado esperado quando você força o modelo a processar "um relógio derretendo sobre uma escada que não existe" enquanto mantém proporções anatômicas básicas. O mecanismo básico funciona assim: você insere um prompt com 3 a 5 elementos semanticamente disjuntos, adiciona parênteses para pesar certas palavras, e define um CFG scale baixo (entre 5 e 7). CFG alto demais faz o modelo "escolher" um elemento dominante, matando o efeito sem sentido. CFG baixo permite que todos coexistam de forma igualmente desconexa.
Um exemplo prático: "uma mesa de madeira flutuando dentro de um oceano de mármore, com pernas que são tubos de ensaio, luz solar virando do lado errado, fotografia analógica granulada". Isso gera uma imagem onde cada elemento ocupa espaço similar sem que um domine o composição. O problema é que muitos iniciantes erram na quantidade de tokens semânticos. Cinco elementos ou mais cria ruído suficiente para o modelo simplesmente alucinar formas abstratas em vez de objetos reconhecíveis sem sentido.
Método passo a passo
Comece com Stable Diffusion 1.5 ou SDXL — versões mais recentes como SD3 tendem a suavizar contradições demais por design. Instale o Automatic1111 ou ComfyUI, carregue um checkpoint realista como RealisticVision ou Juggernaut, e vá para a aba txt2img. No prompt positivo, escreva 4 elementos conectados por vírgulas, sem verbos. Exemplo: "relógio de bolso derretendo, escada infinita, parede de tijolos translúcidos, céu dentro de uma garrafa". No prompt negativo, use apenas "bad anatomy, blurry, cropped" — nada mais. Adicionar negativos complexos interfere no equilíbrio que você busca.
Defina steps entre 20 e 28. Mais passos não melhoram o sem sentido; apenas refinam artefatos indesejados. CFG scale: 6. Sampler: DPM++ 2M Karras. Resolução: 512x768 ou 768x512 para SD1.5, 1024x1024 para SDXL. Gerador 4 cópias e selecione a que tiver melhor distribuição de elementos conflitantes. Se um elemento dominar visualmente, ajuste o peso. Coloque parênteses com números: (escada infinita:1.3) fortalece, (escada infinita:0.7) enfraquece. Teste variações até Todos os itens terem peso visual similar. Isso leva em média 8 a 12 iterações, não 2 ou 3 como muitos acham.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Problema real e workaround que funcione
Encontrei um bug recorrente em maio de 2024: ao usar prompts com múltiplas texturas conflitantes ("mármore líquido", "madeira que sangra"), o modelo aplicava a textura do último elemento citadopara TODO o image, apagando os outros. O workaround foi simples mas não óbvio: separar os elementos em camadas usando inpainting. Gere a composição base, depois pinte individualmente cada zona com seu elemento específico usando máscaras precisas. O tempo dobra, mas o resultado deixa de ser uma massa homogênea. Outro problema menos documentado: seeds altas (acima de 100.000) tendem a produzir variações mais coerentes do que seeds baixas, contradizendo a intuição de que caos requer aleatoriedade extrema. Seeds entre 500.000 e 999.999 mantêm a desconexão semativa enquanto preservam estrutura. Use seed fixo para replicar composições que funcionaram.
Insights contra-intuitivos
Primeiro: quanto mais específico o vocabulário técnico, pior o resultado sem sentido. Prompts como "objeto surrealista na estilo de Dali" produzem imagens previsivelmente oníricas, não genuinamente sem sentido. Use linguagem crua e funcional: "porta que é também uma janela", "chão feito de nuvens sólidas". A IA interpreta metalangartística como direcionalidade estética, não como instrução de ambiguidade. Segundo: o formato da imagem importa. Quadrado (1:1) tende a forçar simetria artificial que mata o desconcerto. Proporções 3:4 ou 4:3 permitem assimetria natural. Retratos verticais são os piores para esse uso — o modelo preenche automaticamente com rostos ou corpos, mesmo quando você não pede.
Desenhos sem sentido em produção real
Se seu objetivo é criar conteúdo para redes sociais ou portfólio, exporte em PNG 16-bit para manter granularidade nas transições absurdas. JPEG comprime demais as bordas entre elementos conflitantes, suavizando o efeito proposital. Ferramentas como GIMP ou Krita permitem composite manual pós-geração se precisar ajustar pesos visuais manualmente. Limitações importantes: esse método não funciona bem com modelos treinados especificamente para coerência narrativa, como alguns checkpoints de anime ou illustration. A IA simplesmente rejeita contradições por padrão. Teste sempre com checkpoints photorealistic ou generic diffusion antes de investir tempo em prompt engineering.
Também não espere consistência entre gerações. Cada seed produz configuração diferente de elementos. Se precisar de série temática, documente o prompt exato, seed, CFG e sampler de cada variante bem-sucedida. Anotar isso leva 3 minutos mas economiza horas de tentativa e erro posterior. A ferramenta em si é gratuita se rodar localmente com hardware adequado (GPU com 8GB VRAM mínimo). Cloud como RunPod ou Vast.ai cobra por hora de inference. Para uso esporádico, o custo é irrisório; para produção diária, o custo de eletricidade e depreciation de GPU pode superar o valor do output. Considere isso antes de automatizar pipelines.
Alternativas quando o método falha
Se Stable Diffusion estiver produzindo imagens muito coerentes demais, experimente adicionar noise seed extra ou usar ControlNet com depth map genérico para forçar desconstrução espacial. Se produzir muito ruído abstrato, reduza elementos no prompt para 3 e aumente CFG levemente para 7. O ponto ideal varia conforme o checkpoint — teste systematicamente antes de generalizar. Existem fóruns e repositórios com prompts testados para desenhos sem sentido, mas a maioria listagem genérica que não considera variações de hardware. O que funcionou na minha estação (RTX 3090, SDXL base) pode falhar completamente em hardware mais fraco. Documente seu setup e compartilhe quando encontrar configurações estáveis — isso ajuda quem vem depois.
O resultado final nunca será perfeito no primeiro try. Isso é esperado e parte do processo. A paciência com iterações é o que separa amadores de quem produz consistentemente. Não há atalho genuíno aqui além de volume de testes bem documentados.
