Imagem borrada, granulada ou com aquela nevoa cinza em cima nao e azar do modelo. E quase sempre um parametro errado, e da para achar qual em poucos testes.
Resposta rapida: as causas mais comuns sao poucos passos de amostragem, CFG fora da faixa util, VAE ausente ou trocado, geracao fora da resolucao nativa do modelo, denoise errado no upscale e LoRA com peso alto demais. Fixe a seed, mude uma variavel por vez e compare lado a lado.
O que “borrada” realmente significa em cada caso
A primeira coisa que atrapalha o diagnostico e a palavra. Quem gera imagem chama de borrada coisas muito diferentes, e cada uma tem uma origem tecnica distinta. Antes de mexer em qualquer slider, olhe a imagem em tamanho real e classifique o defeito.
Existe o ruido residual, aquele granulado colorido espalhado, parecido com foto tirada com ISO altissimo. Existe a mole, quando a imagem esta limpa mas sem microdetalhe nenhum, com bordas suaves demais e textura de pele plastificada. Existe a nevoa, uma camada acinzentada ou amarelada que rouba contraste da cena inteira. Existe o queimado, com cores estouradas, contornos duros e halos escuros ao redor dos objetos. E existe o desfoque local, em que so o rosto ou so as maos saem borrados enquanto o resto esta nitido.
Ruido residual aponta para amostragem incompleta. Mole aponta para resolucao ou upscale. Nevoa aponta para VAE. Queimado aponta para CFG alto ou LoRA pesada. Desfoque local aponta para escala do elemento na composicao. Se voce comeca pelo grupo certo, resolve em dois ou tres testes em vez de vinte.
Passos de amostragem insuficientes
O processo de difusao parte de ruido puro e remove uma fracao dele a cada passo. Se voce interromper cedo demais, sobra ruido na tela. E literalmente isso: o granulado que voce esta vendo e a parte do ruido inicial que o modelo ainda nao teve tempo de limpar.
Modelos de destilacao rapida, do tipo turbo ou lightning, foram treinados para chegar ao resultado em pouquissimos passos, geralmente entre quatro e oito. Modelos normais nao. Para um checkpoint convencional, ficar abaixo de vinte passos costuma deixar residuo visivel, especialmente em areas escuras e em fundos com pouca informacao. A faixa de trabalho segura para a maioria dos checkpoints e algo entre vinte e trinta e cinco passos.
Subir para cem passos nao melhora nada. Depois de certo ponto a curva satura e voce so gasta tempo de GPU. Se aos trinta e cinco passos a imagem ainda tem ruido, o problema nao e o numero de passos, e outra coisa da lista. Isso vale principalmente para quem roda em placa modesta e fica tentado a compensar qualidade com forca bruta. Se voce esta nesse cenario, vale ler o guia de como configurar Stable Diffusion numa RTX 3060 antes de culpar o hardware.
Passos e batch size
Batch size nao afeta qualidade, so memoria e tempo. Se alguem disser que gerar uma imagem por vez sai mais nitida do que gerar quatro no mesmo lote, com a mesma seed e os mesmos parametros, isso e impressao. O que muda de verdade e quantos passos cada imagem recebeu.
Sampler e scheduler incompativeis
Sampler e o algoritmo que decide como o ruido e removido. Scheduler e a curva que decide quanto ruido sai em cada passo. Os dois trabalham juntos, e combinacoes ruins produzem exatamente o tipo de resultado meio mole ou meio sujo que fez voce abrir este artigo.
Algumas familias de sampler convergem rapido e ficam estaveis cedo. Outras sao ancestrais, ou seja, injetam ruido novo a cada passo, e por isso nunca convergem de verdade: a imagem continua mudando conforme voce sobe os passos, e em contagens baixas ela tende a parecer mais granulada. Nao ha nada de errado com samplers ancestrais, eles so exigem mais passos e nao servem para comparar testes onde voce quer estabilidade.
Para diagnostico, use um sampler nao ancestral e estavel, do tipo DPM++ com scheduler karras, ou Euler simples. Trave nisso enquanto investiga. Depois que a imagem estiver limpa, volte a experimentar samplers criativos se quiser. Trocar sampler no meio da investigacao e a forma mais rapida de nunca descobrir a causa.
Outro detalhe: muitos checkpoints publicados trazem a combinacao recomendada pelo autor na propria pagina do modelo. Vale ler antes de brigar com o parametro. Quem baixa modelo sem olhar a ficha tecnica costuma perder horas, e o tutorial de Civitai em portugues mostra onde essas informacoes ficam em cada pagina de modelo.
CFG baixo demais ou alto demais
CFG controla o quanto o modelo obedece ao seu prompt em vez de seguir livremente sua propria distribuicao. E o parametro mais mal compreendido de todos, e o unico que estraga a imagem nos dois extremos.
Com CFG muito baixo, o modelo praticamente ignora o texto. O resultado costuma ser lavado, com pouco contraste, composicao vaga e aquela sensacao de imagem sem foco, mesmo estando tecnicamente nitida. As pessoas descrevem como pastosa ou sem alma. Nao e o sampler, e falta de guidance.
Com CFG muito alto, o modelo persegue o prompt com forca demais. As cores saturam, aparecem contornos duros, halos e um padrao de artefato que lembra sobreposicao de bordas. Em rostos, isso vira pele com textura estranha e olhos vitrificados. Esse e o famoso queimado.
A faixa util para a maioria dos checkpoints convencionais fica entre cinco e oito. Alguns modelos estilizados aceitam ate perto de dez. Modelos destilados rapidos sao o oposto: eles trabalham com CFG muito baixo, frequentemente entre um e dois, e colocar sete neles produz justamente a imagem queimada. Se voce mudou de checkpoint e a qualidade despencou, o CFG antigo pode simplesmente nao servir para o modelo novo.
Teste de CFG em tres tiros
Fixe a seed, fixe o prompt, gere com CFG baixo, medio e alto da faixa do seu modelo. Coloque as tres lado a lado. Em trinta segundos voce sabe se o defeito e CFG ou nao. Esse teste economiza mais tempo do que qualquer outro.
VAE ausente, errado ou duplicado
O VAE e o decodificador que transforma a representacao latente na imagem final em pixels. Ele nao inventa detalhe, mas define cor, contraste e a nitidez fina do resultado. Quando ele esta errado, o sintoma e caracteristico e muito facil de reconhecer.
Sem VAE adequado, a imagem sai com nevoa cinza, cores lavadas e um leve tom sujo no geral. Em alguns casos aparecem manchas arroxeadas ou amarronzadas em areas de pele e em fundos claros. Isso nao se conserta com mais passos nem com CFG, porque o problema esta no ultimo estagio do pipeline, depois que a difusao ja terminou.
Tres situacoes causam isso. A primeira e nao ter VAE nenhum selecionado quando o checkpoint nao traz um embutido. A segunda e usar um VAE de outra familia de modelo, o que produz deslocamento de cor. A terceira, menos obvia, e aplicar um VAE externo sobre um checkpoint que ja tem VAE embutido de qualidade, o que as vezes piora em vez de melhorar.
O teste e direto: gere a mesma seed com o VAE selecionado e com ele desativado. Se a nevoa some ou aparece, achou. Em interfaces por nos, o decodificador e um bloco visivel no grafo, o que torna esse teste ainda mais claro, e o tutorial de ComfyUI em portugues ajuda a entender onde cada etapa entra na cadeia.
Gerando fora da resolucao nativa do modelo
Todo modelo tem uma resolucao de treino. Pedir muito acima dela, direto na primeira passada, e uma das maiores fontes de imagem mole e de composicao duplicada, com dois troncos ou duas cabecas na mesma cena.
Modelos da geracao anterior foram treinados perto de quinhentos e doze pixels de lado. Modelos mais recentes da familia XL foram treinados perto de mil e vinte e quatro. Gerar num lado muito maior do que o nativo faz o modelo perder coerencia global, e o resultado tipico e uma imagem grande, macia e sem foco real, como se alguem tivesse esticado um arquivo pequeno.
A regra pratica: gere na resolucao nativa ou proxima dela, respeitando as proporcoes suportadas, e so depois amplie. Retratos verticais e paisagens horizontais funcionam bem desde que a area total continue perto da area nativa. Ir para um lado muito longo sem tecnica de composicao adequada quase sempre degrada.
Gerar abaixo do nativo tambem prejudica. Um modelo XL rodando num quadrado pequeno perde detalhe e produz rostos borrados, porque simplesmente nao ha pixels suficientes para o rosto ocupar. Isso explica boa parte dos desfoques locais em cenas com pessoas ao fundo.
Hires fix e upscalers: latent contra a familia ESRGAN
Depois da primeira passada, o caminho normal para ganhar resolucao e o upscale em duas etapas. E aqui que muita gente introduz o borrao que estava tentando eliminar.
O upscale latente amplia a imagem ainda no espaco latente e roda uma segunda difusao por cima. Ele gera detalhe novo de verdade, mas depende de denoise suficiente para funcionar. Com denoise muito baixo, o latente nao tem informacao para reconstruir e devolve uma imagem visivelmente mole. Esse e o motivo numero um de “ampliei e ficou pior”.
Os upscalers da familia ESRGAN trabalham em pixels, fora do latente. Eles preservam a composicao original com fidelidade e nao precisam de denoise alto. A contrapartida e que eles nao inventam detalhe fisicamente novo, apenas reconstroem com base no que aprenderam, o que em alguns modelos deixa uma textura levemente artificial em pele e cabelo.
Denoise no upscale
Para upscale latente, faixas muito baixas costumam devolver mole e faixas muito altas mudam a cena inteira, trocando rosto, roupa e ate a pose. O ponto util na maioria dos fluxos fica em torno de metade da escala, com ajuste fino para cima quando voce quer mais detalhe novo e para baixo quando quer fidelidade. Para upscalers em pixels seguidos de uma passada leve de difusao, o denoise precisa ser bem menor, porque a imagem ja chega estruturada.
Se voce esta ampliando muitas imagens em sequencia e a maquina local nao aguenta, alugar GPU resolve sem investimento em hardware. O tutorial de RunPod em portugues cobre esse tipo de fluxo por hora.
LoRA com peso alto degradando a saida
LoRA e um ajuste aplicado por cima do modelo base. Quanto maior o peso, mais ela domina. Passando de certo ponto, ela deixa de estilizar e comeca a destruir, e o sintoma parece muito com CFG alto: cores saturadas, contornos duros, textura estranha e perda de detalhe fino.
A maioria das LoRAs bem treinadas rende no peso padrao ou um pouco abaixo dele. Pesos acima de um so fazem sentido em LoRAs subtreinadas, e mesmo assim com cautela. O problema piora quando voce empilha varias ao mesmo tempo: os pesos somam efeito, e tres LoRAs em peso alto competindo entre si produzem uma imagem que parece derretida.
Teste removendo todas as LoRAs, com a mesma seed. Se a imagem limpar, reintroduza uma por vez e reduza o peso ate encontrar o limite de cada uma. LoRA treinada em resolucao diferente da que voce esta gerando tambem introduz suavidade. Quem treina as proprias encontra isso o tempo todo, e o guia de como treinar LoRA em portugues explica como a resolucao do dataset se reflete no resultado.
Higiene do prompt negativo
Prompt negativo empilhado com dezenas de tokens genericos e um habito herdado de tutoriais antigos. Ele nao e neutro. Cada token consome atencao do modelo e desloca a saida, e negativos longos demais podem deixar a imagem estranhamente plana e sem contraste, exatamente o oposto do que voce queria.
Termos como borrado, baixa qualidade, pior qualidade e desfoque fazem sentido em doses pequenas. Repetir a mesma ideia em dez variacoes nao aumenta o efeito, so aumenta o ruido semantico. E colocar negativos de coisas que sequer aparecem na cena, como marca dagua ou moldura, quando voce nunca teve esse problema, e desperdicio puro.
Se voce nunca testou, gere a mesma seed com prompt negativo vazio. Muita gente descobre nesse teste que o negativo gigante estava piorando a imagem. Depois reintroduza apenas os termos que resolvem um problema real que voce observou. Uma biblioteca de prompts limpos ajuda a manter esse padrao, e a colecao de prompts NSFW em portugues serve de base para adaptar sem inflar o negativo.
Compressao e recompressao nas interfaces web
Nem todo borrao nasce na geracao. Muitas plataformas web salvam o resultado em JPEG comprimido para economizar banda, e o que voce baixa nao e o arquivo original. O sintoma aqui e diferente dos outros: aparecem blocos quadrados sutis em areas de gradiente, halos coloridos em bordas de alto contraste e uma perda de nitidez que se acentua quando voce amplia na tela.
Piora quando a imagem passa por varias etapas. Voce gera na plataforma, baixa, sobe para um editor, exporta de novo e depois publica em uma rede social que recomprime mais uma vez. Cada rodada tira um pouco. Ao fim de tres ou quatro passagens, a imagem que saiu limpa do modelo chega borrada ao destino final.
Solucao: baixe sempre no formato de maior qualidade oferecido, trabalhe em PNG ou em um formato sem perda durante a edicao e comprima uma unica vez, no final. Se a plataforma nao oferece download sem perda, esse teto e dela, nao seu. Comparar servicos ajuda a saber o que esperar de cada um, e a lista das melhores IAs porno realistas mostra diferencas de saida entre plataformas que geram em resolucao alta e as que entregam arquivos pequenos e comprimidos.
Diagnostico rapido: tabela de sintomas e checklist
Tabela rapida de sintomas
| Sintoma | Causa provavel | Correcao |
|---|---|---|
| Granulado colorido espalhado | Passos de amostragem baixos | Subir para a faixa de 20 a 35 passos |
| Imagem nitida mas sem microdetalhe | Resolucao abaixo do nativo | Gerar na resolucao de treino do modelo |
| Nevoa cinza e cores lavadas | VAE ausente ou de outra familia | Selecionar o VAE correto ou desativar o externo |
| Manchas arroxeadas ou amarronzadas | VAE incompativel com o checkpoint | Trocar pelo VAE recomendado pelo autor |
| Cores estouradas com halos | CFG alto demais | Reduzir para a faixa util do modelo |
| Composicao vaga e sem contraste | CFG baixo demais | Subir dentro da faixa util |
| Mole depois de ampliar | Denoise baixo no upscale latente | Elevar o denoise ou usar upscaler em pixels |
| Cena muda toda ao ampliar | Denoise alto demais | Reduzir o denoise da segunda passada |
| Textura derretida e saturada | LoRA com peso excessivo | Baixar o peso ou remover LoRAs empilhadas |
| Duas cabecas ou tronco duplicado | Lado muito acima do nativo | Gerar menor e ampliar em duas etapas |
| Blocos e halos ao ampliar na tela | Recompressao JPEG da plataforma | Baixar sem perda e comprimir so no final |
| Rosto borrado com resto nitido | Rosto pequeno demais no enquadramento | Aproximar o enquadramento ou refinar a regiao |
Checklist de diagnostico, do mais rapido ao mais lento
- Trave a seed. Sem seed fixa nao existe comparacao valida, so impressao.
- Olhe a imagem em cem por cento e classifique o defeito: ruido, mole, nevoa, queimado ou local.
- Confira a resolucao pedida contra a resolucao nativa do checkpoint.
- Gere uma vez com o prompt negativo vazio.
- Gere uma vez com o VAE desativado e outra com ele ativo.
- Rode os tres tiros de CFG: baixo, medio e alto da faixa do modelo.
- Suba os passos para o teto util e veja se o granulado some.
- Troque para um sampler nao ancestral estavel e repita o melhor resultado ate aqui.
- Remova todas as LoRAs e reintroduza uma a uma, ajustando peso.
- Desligue o upscale por completo e avalie so a primeira passada.
- Religue o upscale variando apenas o denoise, em incrementos pequenos.
- Teste o mesmo prompt em outro checkpoint para descobrir se o problema e do modelo.
- Baixe o arquivo em formato sem perda e compare com o que voce via na tela.
Siga a ordem. Cada item de cima custa segundos, cada item de baixo custa minutos. Pular direto para trocar de checkpoint e o erro classico: voce muda dez variaveis de uma vez e nunca aprende o que estava errado.
Como isolar a causa mudando uma variavel por vez
O metodo importa mais do que qualquer valor especifico que este artigo possa sugerir, porque cada checkpoint reage de um jeito. A disciplina e simples e quase ninguem segue.
Escolha uma seed que produziu um resultado ruim representativo e anote o numero. Anote tambem prompt, prompt negativo, sampler, scheduler, passos, CFG, resolucao, VAE, LoRAs e pesos. Esse conjunto e sua linha de base. A partir dele, mude exatamente um item, gere, e salve o arquivo com um nome que descreva a mudanca. Nada de mexer em duas coisas porque parecia obvio.
Monte uma grade de comparacao com as saidas. Muitas interfaces geram esse tipo de grade automaticamente variando um parametro, o que transforma quinze minutos de tentativa e erro em uma unica leva. Interfaces com controle fino sobre cada etapa facilitam esse trabalho, e o guia do Stable Diffusion Forge em portugues cobre como organizar esses testes sem se perder.
Um aviso honesto: nem todo borrao tem conserto. Alguns checkpoints antigos simplesmente rendem menos detalhe do que os atuais, algumas LoRAs foram treinadas com material de baixa qualidade e carregam essa suavidade para sempre, e algumas plataformas fechadas nao expoem os parametros que causam o problema. Nesses casos a correcao real e trocar de modelo ou de ferramenta, nao insistir no slider.
Por fim, guarde as configuracoes que funcionaram. Um arquivo de texto com a receita por checkpoint, contendo sampler, passos, CFG, VAE e resolucao, elimina noventa por cento desse trabalho nas proximas geracoes. E a diferenca entre depender de sorte e ter um processo.
Perguntas frequentes
Por que minha imagem sai com granulado colorido?
Quase sempre por passos de amostragem insuficientes. O granulado e ruido residual que o modelo nao terminou de remover. Suba para a faixa de vinte a trinta e cinco passos num checkpoint convencional. Se o modelo for do tipo destilado rapido, o inverso vale: ele foi feito para poucos passos e nao precisa desse aumento.
O que causa a nevoa cinza sobre a imagem inteira?
VAE ausente ou incompativel na maioria dos casos. O VAE decodifica a latente em pixels e define cor e contraste finais. Gere a mesma seed com e sem o VAE selecionado. Se a nevoa aparecer ou sumir nesse teste, voce achou a causa e nao precisa mexer em mais nada.
Qual CFG usar para nao queimar a imagem?
Para checkpoints convencionais, a faixa entre cinco e oito cobre quase tudo, com alguns modelos estilizados aceitando um pouco mais. Modelos destilados rapidos trabalham em valores muito baixos, perto de um ou dois. Usar o CFG de um tipo no outro produz exatamente o queimado com halos e saturacao excessiva.
Ampliei a imagem e ela ficou mais borrada, por que?
Provavelmente denoise baixo demais no upscale latente. O latente precisa de espaco para reconstruir detalhe; com denoise minimo ele so estica o que ja existia. Suba o denoise gradualmente, ou troque para um upscaler em pixels da familia ESRGAN, que preserva a estrutura sem depender de denoise alto.
Aumentar os passos para cem resolve o borrao?
Nao. A qualidade satura bem antes disso e voce so gasta tempo de processamento. Se aos trinta e cinco passos o defeito continua, a causa esta em outro lugar: resolucao fora do nativo, VAE, CFG, LoRA ou upscale. Continuar subindo passos e o jeito mais caro de nao resolver nada.
Prompt negativo grande deixa a imagem melhor?
Nem sempre. Negativos longos consomem atencao do modelo e podem achatar contraste e detalhe. Teste com o negativo vazio na mesma seed e compare. Depois reintroduza apenas os termos que corrigem um defeito que voce realmente observou, em vez de copiar listas prontas de tutoriais antigos.
Por que so o rosto sai borrado e o resto fica nitido?
Porque o rosto ocupa poucos pixels no enquadramento. O modelo distribui detalhe pela area disponivel, e um rosto pequeno recebe pouca informacao. Aproxime o enquadramento, gere numa resolucao mais alta dentro do que o modelo suporta, ou refine especificamente a regiao do rosto numa segunda passada.
Minha LoRA pode estar deixando a imagem pior?
Pode, principalmente em peso alto ou empilhada com outras. O sintoma lembra CFG alto: saturacao, contornos duros e textura derretida. Remova todas as LoRAs com a seed fixa, veja se limpa, e reintroduza uma por vez reduzindo o peso ate achar o limite util de cada uma.
