Que modelo de imagem é o mais rápido?

As variantes turbo e lightning — SDXL Turbo, FLUX Schnell, Ideogram Turbo — renderizam uma imagem de 1024px em 1-3 segundos. Os pipelines flagship padrão (FLUX Pro, Imagen 3) demoram 6-15 segundos. Escolha o tier turbo para pré-visualizações na UI e o flagship quando a imagem for final.

Que modelo é melhor para fotorrealismo?

O FLUX 1.1 Pro e o Imagen 3 lideram hoje em textura de pele, realismo da iluminação e anatomia das mãos. O Recraft V3 ganha na fotografia de produto e nos planos comerciais com fundo branco. Para retratos foto-realistas integrais, o FLUX 1.1 Pro Ultra adiciona mais uma camada de detalhe a sensivelmente o dobro do custo.

O preço é por imagem ou por token?

A geração de imagem é faturada por chamada. Uma imagem padrão de 1024×1024 é uma chamada. Resoluções mais altas, mais passos de difusão e operações de edit podem multiplicar o preço — verifique o cartão do modelo para a tarifa exata.

Que resoluções são suportadas?

Os tiers padrão entregam 1024×1024 e os rácios de aspeto mais comuns (1:1, 16:9, 9:16, 4:3, 3:4). Os tiers Pro acrescentam outputs 2K e 4K e rácios arbitrários até 2048 no lado maior. Os upscalers da categoria image-edit levam os resultados a 4K e mais.

Posso editar imagens existentes?

Sim — inpainting, outpainting, edits controlados via máscara + prompt e condicionamento por imagem de referência são todos suportados. A página /models/image-edit lista os modelos especificamente otimizados para edição, incluindo FLUX Fill, FLUX Canny, FLUX Depth e as variantes IP-Adapter.

Posso controlar o estilo?

Três caminhos: (1) prompt engineering com referências de estilo ('no estilo de...'), (2) LoRAs ou adapters de estilo quando suportados, (3) IP-Adapter e FLUX Redux para transferência de estilo image-to-image. O Recraft V3 e o Ideogram oferecem presets de estilo nomeados diretamente na API.

Posso usar as imagens geradas comercialmente?

Quase sempre sim. Todos os modelos do tier comercial no Railwail concedem licença comercial perpétua e isenta de royalties. Alguns checkpoints open-weights (sobretudo research previews) restringem ao uso não comercial — o cartão do modelo indica explicitamente a licença para que saiba antes de lançar.

Existe um botão de velocidade vs qualidade que possa afinar?

Sim: a maior parte dos modelos de difusão expõe um parâmetro `num_inference_steps` (ou equivalente). O default é normalmente 20-30 passos para um bom equilíbrio. Desça a 4-8 passos com uma variante turbo para previews instantâneas; suba a 50+ passos num tier Pro para renders finais. A qualidade estabiliza por volta do passo 50 na maior parte dos modelos.

Image Generation

Create stunning visuals with state-of-the-art AI models

Modelos de geração de imagem para produto, marketing e design

Os modelos de imagem transformam um prompt de texto — e, opcionalmente, uma imagem de referência ou uma máscara — num raster final. A categoria abrange tudo, desde fotografias de produto fotorrealistas a ilustrações em estilo vetorial e inpainting/outpainting controláveis. Recorre-se a um modelo de imagem quando se precisa de visuais on-brand em escala, quando a fila de um designer é o estrangulamento ou quando se quer lançar uma funcionalidade generativa dentro do próprio produto.

Ao contrário dos modelos de texto, a geração de imagem é faturada por chamada e não por token. Uma imagem 1024×1024 custa entre meio cêntimo (open-weights SDXL turbo) e quinze cêntimos (Imagen ou FLUX Pro topo de gama). Resoluções mais altas e mais passos de difusão custam proporcionalmente mais. Alguns fornecedores expõem um endpoint de edit separado com tarifa diferente; verifique o cartão do modelo antes de integrar.

O compromisso central é fotorrealismo versus controlo. Os flagships de difusão (FLUX 1.1 Pro, Imagen 3, Recraft V3) produzem output de qualidade de revista mas ignoram instruções composicionais detalhadas cerca de metade das vezes. Os modelos mais pequenos (SDXL, Playground V3, Stable Diffusion 3.5) custam dez vezes menos, renderizam em menos de dois segundos e permitem guiar o resultado com ControlNet, IP-Adapter ou LoRA. Para produção em batch, o pipeline mais pequeno e direcionável ganha quase sempre; para hero shots pontuais, recorra ao flagship.

Atenção à diluição de contexto nos prompts de imagem: a maior parte dos modelos de difusão limita o comprimento útil do prompt a cerca de 75 tokens, pelo que enfiar doze adjetivos e três referências de estilo normalmente faz a média de tudo em vez de empilhar. Escreva primeiro o sujeito, a ação e a iluminação; tudo o que vier depois da terceira cláusula tem influência decrescente no resultado.

As licenças importam: a maior parte dos fornecedores concede licença comercial perpétua sobre as imagens geradas, mas alguns (tier gratuito do FLUX Schnell, alguns checkpoints open) restringem ao uso não comercial. O cartão do modelo explica-o — leia antes de pôr o output num outdoor.

As top picks abaixo cobrem o flagship de fotorrealismo, o cavalo de batalha mais barato, o modelo com o prompt mais longo e a opção mais rápida em tempo real da categoria.