04 - Anatomia de um prompt visual — canvas, composição, estilo

TL;DR

Todo prompt visual eficaz tem quatro camadas: canvas (formato, aspect ratio, resolução), composição (hierarquia, focal point, espaço negativo), estilo (linguagem visual, paleta, mood) e texto (palavras embutidas, posição, hierarquia). Cada camada tem vocabulário próprio que os modelos reconhecem. A regra do default: quando você escreve sem cobrir as quatro, o modelo escolhe default genérico; quando cobre todas, converge rápido. Esta nota dá o vocabulário preciso por camada, com exemplo de prompt completo dissecado em cada uma.

Qual é a ordem certa de escrever as quatro camadas? E se eu não souber o estilo que quero?

A ordem mais produtiva é Canvas → Composição → Estilo → Texto: cada camada depende da anterior (você não define composição sem saber o canvas; o texto é a camada mais dependente do estilo). Se não souber o estilo: comece com um estilo “âncora” genérico (flat illustration) e itere só a camada de estilo enquanto congela as outras três. Mudar tudo ao mesmo tempo faz com que você não saiba o que causou o resultado. Quando travar, volte ao deliverable (nota 02): o estilo deve servir ao entregável, não ao gosto pessoal. Um hero tech-blog pede flat-isometric corporate-modern; um post de redes sociais pode pedir bold graphic, pop art; uma capa de ebook pode pedir editorial photography. O deliverable resolve o estilo 80% das vezes.

As quatro camadas

Você abre o Midjourney com o tema já decidido — “preciso de um hero pra post de blog sobre IA” — e nada além disso, e trava na caixa de prompt: digita o tema, aperta enter, e a imagem sai com composição arbitrária, paleta que não bate com a marca, texto ilegível quando você pediu. O problema não é o modelo; é que “tema” cobre só uma fração do que uma imagem precisa pra existir — faltam decisões sobre o retângulo onde ela vive, a disposição dos elementos dentro dele, a linguagem visual e o texto embutido. Se você não decide essas quatro coisas, o modelo decide por você, e o resultado é o default genérico da camada que ficou muda. A tabela abaixo nomeia as quatro camadas e a pergunta que cada uma responde.

Camada	Pergunta	Decisões
Canvas	Em que retângulo?	Aspect ratio, orientação, resolução, padding
Composição	Onde fica o quê?	Hierarquia, focal point, regra dos terços, espaço negativo, framing
Estilo	Que linguagem visual?	Paleta, tipo de ilustração, mood, era estética
Texto	Que palavras aparecem?	Conteúdo, posição, tamanho relativo, intent tipográfico

A diferença entre prompt amador e prompt utilizável é cobrir as quatro com intenção, não deixar default escolher por você.

Camada 1: Canvas

Define o retângulo onde a imagem vive. É a primeira coisa que o modelo decide; se você não diz, ele assume.

Aspect ratio comum

Ratio	Uso típico	Parâmetro MJ	Notas
1:1	Avatar, Instagram feed, ícone, post quadrado	--ar 1:1 (default)	Universal
16:9	Hero blog/README, thumbnail YouTube, slide widescreen	--ar 16:9	Padrão “web hero”
9:16	Story (Instagram/TikTok), reels, mobile portrait, poster	--ar 9:16	Vertical mobile
4:5	Instagram feed portrait, LinkedIn post	--ar 4:5	Maximiza real estate em feed
3:2	Foto tradicional (35mm)	--ar 3:2	Bom pra mockup fotográfico
1.91:1	Twitter/X card, OG image	--ar 1.91:1	Específico social card
11:17	Poster impresso (legal)	--ar 11:17 ou descrever	Portrait print
2:3	Capa de ebook, cartaz	--ar 2:3	Portrait

Como expressar canvas no prompt

• Midjourney: --ar 16:9 no fim do prompt.
• DALL-E 3: texto explícito (“landscape 16:9”) + parâmetro size na API (1792x1024, 1024x1024, 1024x1792).
• Imagen 3: parâmetro aspectRatio na API ou descrição textual (“widescreen 16:9 landscape”).
• FLUX/SD: parâmetros width e height (números) na API ou UI.

Padding e safe area

Pra entregáveis que vão receber overlay (texto, logo, CTA), descreva espaço negativo no prompt:

“…com espaço negativo à direita pra overlay de título; ~30% do canvas livre”

Sem isso, o modelo enche tudo e você não tem onde colocar o overlay.

Camada 2: Composição

Define onde cada elemento mora dentro do canvas. Vocabulário compositivo é estável entre modelos.

Padrões compositivos que os modelos entendem

• centered composition — focal point centro
• rule of thirds — focal point em interseção 1/3-2/3
• top-heavy — peso visual no topo (típico de poster)
• bottom-heavy — peso visual no rodapé
• left-aligned subject, negative space at right — útil pra hero com overlay
• symmetrical — espelhamento, formal
• asymmetrical balance — peso compensado com intenção
• leading lines — linhas que guiam o olho
• overhead view / top-down / bird's eye view
• low angle / worm's eye view
• close-up / wide shot / medium shot
• extreme close-up / macro

Hierarquia visual

Diga ao modelo qual elemento é o primário, secundário, terciário. “Hero ocupa 60% central; subtítulo abaixo, 20% da largura; tag pequena no rodapé” funciona melhor que “tudo na imagem”.

Ângulo e ponto de vista (câmera)

O ângulo altera radicalmente a hierarquia e o peso emocional da imagem, independente do conteúdo:

• eye level — neutro, jornalístico, mais próximo ao observador
• low angle / worm's eye view — sujeito imponente, heroico, em posição de poder
• high angle / bird's eye view / overhead — sujeito vulnerável, panorâmico, documentário
• dutch angle — câmera inclinada, tensão, desorientação
• straight-on, flat — frontal absoluto, editorial, UI mockup
• three-quarter view — perspectiva isométrica leve, popular em ilustração de produto
• top-down — vista de cima, flat lay, overhead, dashboard
• 45° angle — equilíbrio entre frontal e lateral

Para entregáveis tech (hero, infográfico, diagrama), top-down e isometric dominam porque permitem mostrar múltiplas camadas sem profundidade ambígua. Para entregáveis de pessoas ou narrativa, eye level é o default neutro.

Framing

• framed by foliage / framed by architecture — moldura natural dentro da imagem
• vignette — escurecimento de bordas
• bokeh background — fundo desfocado
• depth of field — controle de profundidade

Espaço negativo

negative space at top right pra overlay text é cláusula que economiza muita iteração. Sem isso, o modelo enche.

Camada 3: Estilo

A linguagem visual. Onde “scene-first” mais erra (diz “futurista” e deixa o resto pro modelo), deliverable-first é cirúrgico.

Tipo de ilustração

• flat illustration — vetorial sem profundidade, populares em SaaS/B2B
• isometric — 3D estilizado em projeção isométrica, popular em tech
• 3D rendered / 3D render / octane render — fotorrealístico CG
• photorealistic / photograph — fotografia
• watercolor / oil painting / gouache — pintura tradicional
• line art / pen and ink / engraving — traço
• vector illustration — limpo, escalável (SVG vibe)
• pixel art / 8-bit / 16-bit — retrô digital
• anime / manga — animação japonesa
• comic book / graphic novel — quadrinhos
• concept art — arte de produção
• technical illustration — diagramas estilizados

Paleta de cor

Específica: dark mode palette, midnight blue and violet, pastel palette with coral and mint, monochrome blue, high-contrast black and yellow, warm earth tones.

Vaga (e não funciona bem): colorful, nice colors, vibrant.

Mood / atmosfera

• corporate-modern — limpo, profissional, frio
• playful — descontraído
• vintage / retro — anos 70/80/90
• cyberpunk — neon, futurista distópico
• minimalist — espaço, contenção
• maximalist — denso, ornamentado
• brutalist — direto, sem ornamento
• dreamy / ethereal — etéreo
• gritty / grunge — texturizado

Era estética (atalho potente)

80s sci-fi, Y2K aesthetic, Bauhaus, Art Deco, Memphis design, Swiss design, Brutalist web. Modelos têm prior forte pra essas eras.

Combinando camadas — defaults por deliverable

Quando você não sabe o que colocar em cada camada, estes defaults cobrem 80% dos casos comuns:

Deliverable	Canvas	Composição	Estilo
Hero de blog (tech)	16:9, 1792×1024	Subject esquerda, negative space direita	flat-isometric, dark mode, corporate-modern
Thumbnail YouTube	16:9, 1280×720	Centered, bold, high contrast	bold graphic, 2-3 cores, sem texto sutil
Story/Reels	9:16	Top 60% visual, bottom 40% texto/CTA	modern, brand palette
Social card (LinkedIn)	4:5 ou 1:1	Centered ou left-aligned	corporate-clean, brand colors
Poster evento	A3 / 11:17	Top-heavy, hierarquia 3 níveis	depende da marca; editorial ou bold
Capa e-book	2:3	Subject ocupa 70%, título ocupa 30% inferior	editorial, contraste alto
Banner LinkedIn/GitHub	8:2.7	Wide, landscape, negspace central ou lateral	minimalista, azul/tech, sem elemento central
Carousel slide	1:1 ou 4:5	Grid ou half/half	consistente com slide 1 (usar —sref ou IP-Adapter)

Esses defaults não substituem a nota do template (nota 05) — use pra rascunho rápido, depois refine com o template completo.

Camada 4: Texto

A camada mais difícil em 2026 — modelos ainda erram. Ideogram, Imagen 3 (e Imagen 4 quando disponível) e FLUX dev lideram; DALL-E 3 razoável; Midjourney fraco; SD 3.5 inconsistente.

Como pedir texto

1. Cite as palavras exatas entre aspas no prompt.

   the text "AI Summit 2026" at the top in bold sans-serif

2. Indique posição.

   top center, occupying ~15% of height

3. Indique hierarquia (se múltiplo).

   main title large; subtitle 50% size; tagline at bottom 30%

4. Indique intenção tipográfica (não exige fonte específica).

   bold sans-serif, modern, geometric ou serif, classical, editorial ou handwritten script, casual

O limite atual

Mesmo com Ideogram, palavras com mais de ~30 caracteres começam a quebrar. Múltiplos blocos de texto (parágrafo + título + caption) raramente saem perfeitos numa só geração. Padrão prático em 2026:

• Texto curto e único (título de poster, “SALE”, “404”) → modelo gera direto
• Texto médio (título + subtítulo) → modelo gera, retoca tipografia no Figma/Canva
• Texto longo ou múltiplos blocos (infográfico denso) → gerar background sem texto + tipografar no Figma

Não fingir que o modelo resolve tudo — economiza horas.

Exemplo: prompt dissecado nas quatro camadas

Goal: hero pra post de blog sobre “AI Engineering Stack — 11 camadas”.

Prompt:

“Hero image pra post de blog técnico. Canvas: 16:9 landscape, 1920×1080, espaço negativo à direita 35% pra overlay de título. Composição: isometric stack de 11 camadas translúcidas empilhadas verticalmente, à esquerda do canvas; rule of thirds (stack no terço esquerdo); leading lines do stack guiam pro espaço vazio à direita. Estilo: flat-isometric illustration, paleta dark mode (midnight blue 0f1b2d base, ciano 00d4ff accent, magenta ff006e destaque ocasional), mood corporate-modern-tech, sem stock photo vibe. Texto: sem texto na imagem (vai ser overlay separado no Figma). Sem pessoas. Sem ícones genéricos de SaaS.”

Dissecação:

• Canvas: 16:9, 1920×1080, 35% negative space à direita
• Composição: isometric stack, esquerda do canvas, rule of thirds, leading lines
• Estilo: flat-isometric, paleta dark mode específica com hex, mood corporate-modern-tech
• Texto: sem texto (overlay externo); constraints explícitas (sem pessoas, sem ícones SaaS genéricos)

Cada camada é decisão explícita. O modelo entra calibrado em vez de chutar.

Exercício: construindo o prompt camada a camada

Ponto de partida: “preciso de um hero pra post sobre segurança de APIs”.

Passo 1 — Canvas: qual canal? Post de blog. Ratio: 16:9. Resolução: 1792×1024. Vai ter overlay de título → negative space direita ~35%.

Passo 2 — Composição: subject à esquerda, guarda direita pra overlay. Subject = escudo digital abstrato ou cadeado luminoso, não pessoa. left-aligned subject, negative space at right. Sem texto na imagem.

Passo 3 — Estilo: tech, B2B, dark mode. flat-isometric illustration, dark mode palette — midnight blue #0F1B2D base, neon green #00FF88 accent. Mood: corporate-modern-tech. Sem stock photo vibe, sem clipart.

Passo 4 — Texto: no text in image. Decisão: overlay externo no Figma.

Prompt final (montado das 4 camadas):

“Hero image for a tech blog post, 16:9 canvas, negative space at right ~35% for title overlay. Left-aligned subject: abstract glowing shield with circuit-board texture — flat-isometric illustration style. Dark mode palette: midnight blue 0f1b2d base, neon green 00ff88 accent. Mood: corporate-modern-tech. No text in image. No people. No generic SaaS icons.”

O resultado já chega muito mais próximo do brief do que “hero sobre segurança de APIs, estilo moderno”.

O hábito a internalizar

Antes de mandar o prompt, releia mentalmente:

1. Canvas — defini aspect ratio?
2. Composição — defini onde fica o hero e onde é espaço negativo?
3. Estilo — defini paleta, tipo de ilustração, mood?
4. Texto — defini se tem ou não, e se tem, onde e quais palavras?

Faltou alguma? O modelo vai escolher por você. Se faltou de propósito, ok. Se faltou por preguiça, vai ter que iterar mais.

Armadilhas comuns

Definir estilo com um adjetivo vago — "futurista", "moderno", "bonito"

“Futurista” pode ser cyberpunk neon, space opera, retrofuturismo dos anos 70, minimalismo sci-fi ou tech corporativo azul. O modelo chuta. “Bonito” não é instrução — é esperança. Cada adjetivo de estilo ambíguo que você usa transfere a decisão criativa para o modelo. A correção é específica: flat-isometric, dark mode, midnight blue + ciano, corporate-modern-tech em vez de “futurista”. Se você não souber o estilo, comece com um âncora genérico e itere só a camada de estilo. Um adjetivo específico por dimensão (tipo de ilustração, paleta, mood, era) é suficiente pra calibrar o output.

Omitir o espaço negativo quando o deliverable vai receber overlay

Hero com overlay de título, thumbnail com texto, social card com CTA — todos precisam de espaço onde o texto vai ficar. Se o prompt não descreve negative space at right ~35% ou equivalente, o modelo enche o canvas. Você então tenta inpaint pra criar espaço, ou vai pro Figma cortar o que o modelo gerou. O lugar correto pra essa instrução é no prompt, não na iteração. Antes de enviar qualquer prompt de entregável com overlay, pergunte: “onde vai sentar o texto?” Se não sabe, define primeiro.

Pedir texto longo ou múltiplos blocos sem Figma como etapa de produção

Modelos de imagem em 2026 ainda erram texto: palavras trocadas, letras fundidas, frases cortadas no meio. Ideogram e Imagen 3 são os melhores, mas mesmo eles falham em blocos com mais de ~30-40 caracteres ou múltiplos textos simultâneos. O padrão produtivo: texto curto (título único, sigla, uma frase) → modelo pode entregar; texto médio a longo (subtítulo + body + caption) → gerar background sem texto + tipografar no Figma/Canva. Aceitar isso como fluxo de produção normal, não como limitação a contornar, economiza horas de iteração.

Como explicar em inglês

Interview quote: “Every visual prompt has four layers: canvas, composition, style, and text. Canvas sets the bounding rectangle and aspect ratio; composition defines where elements live and how negative space works; style specifies the visual language — illustration type, palette, mood, aesthetic era; and text handles embedded words, position, and typographic intent. Leaving any layer unspecified means the model picks a generic default. Covering all four — with specific vocabulary each model recognizes — is what makes prompts converge in fewer iterations.”

Português	Inglês
Canvas (formato, proporção)	Canvas (format, aspect ratio)
Composição (hierarquia visual)	Composition (visual hierarchy)
Estilo (linguagem visual)	Style (visual language)
Paleta de cor específica	Specific color palette
Espaço negativo pra overlay	Negative space for text overlay
Tipo de ilustração (flat, isometric, 3D)	Illustration type (flat, isometric, 3D)
Mood / atmosfera	Mood / atmosphere
Era estética (âncora de estilo)	Aesthetic era (style anchor)
Texto embutido na imagem	Embedded text in image
Intenção tipográfica (sem fonte específica)	Typographic intent (no specific font)

O que vem a seguir

Com a anatomia das quatro camadas mapeada, a nota 05 aplica esse vocabulário em templates por entregável: cada tipo de deliverable (poster, infográfico, mockup, thumbnail, hero, e-book, banner) tem defaults recomendados para cada uma das quatro camadas — para que você não parta do zero toda vez que abrir um projeto novo.

Fontes

• @hooeem — Become an AI Engineer, cap #16 (Image Prompting).
• Midjourney — Documentation (docs). Parâmetros --ar, vocabulário aceito.
• OpenAI — Image generation guide (docs). DALL-E 3 e descrição textual de canvas.
• Ideogram — Prompt guide (docs). Texto embutido e paleta.
• Canva Design School — Composition fundamentals. Vocabulário compositivo.

Veja também

• 02 - Deliverable-first, não scene-first — as camadas se conectam ao template canônico
• 03 - Modelos de imagem 2026 — DALL-E, Imagen, Midjourney, FLUX, SD — qual modelo suporta melhor a camada de texto
• 05 - Templates por entregável — poster, infográfico, mockup, thumbnail — templates aplicam as quatro camadas por tipo de entregável
• 06 - Iteração visual — controlled changes — qual camada mudar quando o output não bate
• 07 - Geração de diagramas e ilustrações técnicas — limites da camada texto em diagramas
• Dicionário: Aspect ratio
• Dicionário: Composição visual
• Dicionário: Espaço negativo
• Dicionário: Flat illustration
• Dicionário: Isometric