Texto em imagens de IA: porque falha e como obter letras limpas

O texto em imagens de IA falha porque um gerador de imagens não escreve. Pinta píxeis que se parecem estatisticamente com letras, aprendidas a partir de um número enorme de imagens, e por isso pode produzir um O convincente seguido de um N ligeiramente errado. As palavras curtas em letras grandes saem agora muitas vezes certas; as frases longas, a letra miúda e os nomes normalmente não. A correção fiável é deixar de pedir texto na imagem: gera a imagem sem palavras e depois acrescenta-as como texto real e editável.

Porque é que os geradores de imagens erram as letras

Um modelo de texto trabalha com palavras e caracteres. Um modelo de imagem trabalha com píxeis. Quando pedes uma placa de café que diga “Aberto todos os dias”, o modelo de imagem tem de desenhar as formas dessas letras pela ordem certa sem nada que verifique a ortografia. Já viu inúmeras placas e por isso sabe mais ou menos como é uma, e é por isso que o resultado costuma estar perto mas errado num ou dois sítios.

• Desenha, não soletra. Não há nenhum passo em que cada letra seja confrontada com a palavra que pediste.
• O texto pequeno tem píxeis a menos para o modelo acertar nos pormenores de cada letra.
• As frases mais longas multiplicam o risco. Cada letra a mais é mais uma oportunidade de erro.
• As palavras e nomes pouco comuns aparecem raramente nas imagens de treino, por isso o modelo tem menos em que se basear.
• Os tipos de letra são aproximados. Podes pedir uma serifa, mas não o tipo de letra da tua marca.

O que melhorou e o que ainda falha

Os modelos recentes são muito melhores com texto do que os de há alguns anos. Uma só palavra a negrito num cartaz sai muitas vezes bem escrita à primeira. Esse progresso é real, mas muda as probabilidades e não o método, e não resolve os problemas que vêm de o texto fazer parte da imagem.

Como obter letras limpas sempre

Separa as tarefas. Deixa o gerador fazer a imagem e deixa uma ferramenta de design tratar das palavras. É assim que os designers profissionais sempre trabalharam com fotografias, e serve igualmente bem para imagens de IA. A diferença entre os dois tipos de ferramenta está explicada em geradores de imagens com IA ou ferramentas de design.

1. 1

   Pede sem texto

   Junta uma linha como “sem texto, sem letras, sem sinalética, sem logótipos” a todos os pedidos de imagem.

2. 2

   Pede espaço

   Descreve onde vão ficar as palavras: “mantém o terço superior calmo e desimpedido” ou “deixa céu limpo à esquerda”.

3. 3

   Gera na proporção certa

   Pede o formato que vais usar, como 4:5 para um post de 1080×1350 ou 16:9 para uma miniatura de 1280×720.

4. 4

   Acrescenta as palavras como texto

   Coloca a imagem numa ferramenta de design e compõe o título num tipo de letra verdadeiro. Tipos de letra para redes sociais ajuda-te a escolher.

5. 5

   Verifica o contraste onde ficam as palavras

   O contraste muda ao longo de uma imagem, por isso verifica a zona exata atrás de cada linha.

Luz da manhã sobre um porto tranquilo, céu pastel, barcos pequenos no terço inferior.
A metade superior é céu aberto sem detalhes, adequada para um título.
Sem texto, letras, números, placas, logótipos nem marca d’água.
Proporção 9:16.

Fazer as palavras lerem-se em qualquer fundo

Acrescentar o texto como camada resolve a ortografia. Não resolve automaticamente a legibilidade, porque um fundo carregado ou irregular ainda pode engolir as palavras. As soluções habituais são mover o texto para uma zona mais calma, escurecer ou clarear a imagem por trás dele ou escolher um peso mais forte. Texto legível sobre fotografias e texto sobre fundos carregados tratam as técnicas em pormenor.

O Gradiently foi feito para a versão da direita. As palavras são sempre texto real e um Mark sabe onde estão: a sua região mais calma e de melhor contraste desloca-se para trás do texto, as cores junto às letras aprofundam-se ou clareiam, e a Tinta automática escolhe letra clara ou escura para cada linha a partir da paleta do próprio Mark. Não há caixas, sombras nem desfocagem, e tu escolhes com que intensidade o fundo responde. O método por trás disto está explicado em texto sobre gradiente.

Se já tens uma imagem com texto mau

A maioria dos editores de imagem consegue remover uma pequena zona de texto e preenchê-la a partir do que a rodeia. Depois de as letras más desaparecerem, trata a imagem como fundo e acrescenta as palavras como deve ser. Depois escreve o texto alternativo, porque os leitores de ecrã não leem palavras que só existem como píxeis; contraste de cor e acessibilidade trata do resto do essencial da acessibilidade.