O que realmente acontece quando você gera imagens com Leonardo
A primeira coisa que preciso deixar clara é que gerar uma imagem "que funcione" no Leonardo AI raramente é só escrever um prompt e clicar em generate. Já perdi pelo menos três horas num projeto de landpage tentando manter a consistência de iluminação entre seis variações de um personagem. O modelo tende a improvisar luzes diferentes a cada tiro, e as configurações padrão do Leonardo ajudam nessa bagunça. Ajustei o CFG Scale para 5 em vez do padrão 7, usei o sampler DPM++ 2M Karras, e ativei a função PhotoReal apenas quando precisava de realismo fotográfico, porque ela consome muito mais tokens por geração. Mesmo assim, algumas combinações de prompt simplesmente não colam, especialmente quando você pede detalhes texturais finos. Um problema específico que enfrentei foi com fundos translúcidos ou degradê suave. O modelo sempre adicionava artefatos nas bordas, linhas retas que ninguém pediu e que destruíam qualquer composição limpa. A solução que funcionou foi usar o Leonardo com o recurso "Canvas Edit" em vez de gerar do zero, pintar a área problemática com um máscar e rodar a geração apenas naquela região com um prompt curto e focado. Economiza tempo e evita que o modelo reinvente tudo.
netA do leonardo: como funciona na prática
Muita gente confunde o que significa a rede interna do Leonardo. Não se trata de um serviço externo ou de uma API que você instala, mas sim da infraestrutura de geração proprietária deles, baseada em checkpoints customizados treinados sobre modelos de difusão estável. A rede, ou netA do leonardo como alguns chamam internamente, é o que permite acesso a modelos como o Leonardo Diffusion XL, o Phoenix e o Visionary Diffuser, cada um com comportamento diferente dependendo do checkpoint selecionado. O que poucos explicam é que a escolha do checkpoint interfere diretamente na velocidade e na qualidade. O modelo padrão, Leonardo Diffusion, é rápido mas genérico. Quando você precisa de algo mais estilizado, o Phoenix entrega texturas mais orgânicas, mas gasta cerca de 40% mais tempo por imagem. A conta dos seus créditos é direta: cada geração custa tokens, e os modelos mais pesados consomem mais tokens por tiro.
Outra nuance importante que ninguém menciona nos tutoriais básicos é o funcionamento do Negative Prompt. O Leonardo exige que você seja agressivo com negatives se quiser evitar artefatos comuns como mãos distorcidas, fundos estranhos e texto aleatório. Uma lista padrão que uso e que costuma funcionar é: deformed hands, ugly, extra limbs, blurry, watermark, text, low quality. Mas o segredo é ajustar conforme o estilo — para ilustrações anime, adicionar "bad anatomy" e "mutated hands" faz diferença real.
Configurações que realmente importam
Vou listar o que eu ajusto antes de qualquer geração séria. O Guidance Scale fica entre 4 e 6 para a maioria dos casos. Acima de 7, as imagens começam a ficar saturadas e com contraste artificial. Abaixo de 4, o modelo fica muito livre e segue mal o prompt. A resolução padrão de 1024x1024 funciona bem para a maioria dos usos, mas se você precisa de formato retrato ou paisagem, o Leonardo permite até 1344x768 sem quebrar a geração. O número de passos (steps) é outro ponto de confusão. Muitos acham que 50 passos ou mais é obrigatório. Na prática, 20 a 30 passos com o sampler DPM++ 2M Karras já entregam resultado excelente. Passos extras só aumentam o tempo sem melhorar significativamente a qualidade. Testei isso em dezenas de gerações e a diferença entre 30 e 50 passos é quase imperceptível na maioria dos cenários.
Se você trabalha com consistentes de personagem, o Leonardo tem a função "Character Reference". Ela permite enviar uma foto de referência de um rosto e o modelo tenta mantê-lo em gerações subsequentes. Funciona razoavelmente bem para rostos caucasianos e asiáticos. Para traços mais específicos ou etnias sub-representadas nos dados de treino, a consistência cai bastante. Nesse caso, a alternativa mais eficiente é treinar um LoRA próprio, que o Leonardo suporta, ou usar o serviço de fine-tune que a plataforma oferece dentro do workspace.
👉 Clique no botão abaixo para saber mais sobre o assunto!
O processo de criação em si
Geração rápida para teste: escreva o prompt principal, adicione os negatives, selecione o checkpoint certo, defina a resolução e o guidance scale. Clique em generate e analise os primeiros resultados. Se algo não ficou bom, não refaça do zero. Use o "Vary (Region)" para editar apenas a parte problemática. Isso economiza créditos e tempo. Para projetos maiores, como séries de imagens para redes sociais ou material de marketing, o fluxo que eu recomendo é mais lento. Comece com um prompt bem descritivo em inglês, mesmo que o Leonardo aceite português. Os modelos foram treinados majoritariamente em inglês e respondem melhor. Depois, refine com ajustes regionais, teste variações de composição e salve as melhores como referência para os próximos tiros. Esse método transforma um processo que levaria duas horas em cerca de quinze minutos, dependendo da complexidade.
Um erro comum é confiar cegamente no recurso "Magic Prompt" do Leonardo. Ele expande seu prompt automaticamente com detalhes que o modelo acha relevantes. Funciona bem para ideias vagas, mas quando você já sabe o que quer, o Magic Prompt frequentemente adiciona elementos indesejados que complicam a geração. Desative-o e escreva seu próprio prompt com cuidado.
Limitações que ninguém destaca
O Leonardo é limitado em três aspectos principais que todo usuário deveria saber antes de investir tempo. Primeiro, a geração de texto legível dentro das imagens continua sendo um problema crônico. O modelo tenta, mas letras e palavras quase sempre saem distorcidas ou ilegíveis. Se você precisa de tipografia funcional, use ferramentas de pós-processamento como Photoshop ou Canva. Segundo, a consistência entre múltiplas imagens do mesmo conceito não é garantida. Mesmo com Character Reference e Style Reference, variações sutis aparecem. Para produções que exigem identidade visual perfeita, o LoRA treinado é essencial. Terceiro, a plataforma impõe limites de credits que variam conforme o plano. Usuários gratuitos recebem uma quantidade limitada por dia, e planos pagos têm cotas mensais. Gerações em alta resolução ou com modelos premium consomem mais créditos rapidamente.
Se o seu uso é intensivo e você precisa de controle total, considere também alternativas como Stable Diffusion local ou Midjourney, dependendo do estilo que busca. O Leonardo se destaca pela interface amigável e pelos modelos exclusivos, mas não é a única opção no mercado.
Conclusão prática
O Leonardo AI é capaz de entregar resultados consistentes quando você entende como cada configuração funciona e quando para de tratar o prompt como uma receita mágica. A chave é ajustar guidance scale, passos e negativos de forma intencional, usar recursos de edição regional em vez de regenerar tudo, e aceitar que certas limitações, como texto nas imagens e consistência extrema, exigem trabalho complementar fora da plataforma. Investir tempo aprendendo o comportamento dos checkpoints é o que separa quem gera imagens bonitas por acaso de quem produz com intenção.
