Voce muda o prompt inteiro, muda o cenario, muda a roupa, e a personagem continua com aquela mesma cara. Isso tem nome, tem causa tecnica e tem correcao.
O rosto repetido acontece porque o modelo preenche o que voce nao descreveu usando a media do dataset em que foi treinado. Seed fixa, prompt facial vago, CFG alto, restauracao de rosto agressiva e LoRAs com rosto embutido empurram tudo para a mesma face. A correcao e devolver a decisao para voce.
O que e a sindrome do mesmo rosto
Modelos de difusao nao inventam rostos do nada. Eles aprendem uma distribuicao de rostos a partir das imagens de treino e, quando voce nao especifica nada sobre a face, eles amostram do centro dessa distribuicao. O centro e a media. E a media de um dataset de checkpoint bonitao e quase sempre a mesma coisa: pele lisa, simetria alta, nariz pequeno e reto, olhos grandes, maxilar definido, idade aparente entre vinte e trinta anos.
Isso nao e bug. E o comportamento esperado de um sistema que precisa escolher algo quando voce nao escolheu. O problema aparece quando voce gera vinte imagens para um ensaio, um personagem recorrente ou um perfil, e percebe que sao vinte fotos da mesma pessoa com roupas diferentes. Para quem usa a saida em qualquer projeto serio, isso mata a credibilidade da imagem antes mesmo de alguem olhar as maos.
Vale separar duas situacoes que parecem iguais e nao sao. Uma coisa e voce querer variedade e nao conseguir. Outra e voce querer consistencia e ela vir por acidente, sem controle, entao sumir quando voce troca o checkpoint. As duas tem a mesma raiz e solucoes espelhadas. Quem entende como forcar variedade tambem entende como travar identidade.
Causa 1: o checkpoint tem um vies estetico embutido
Esse e o fator dominante e o mais subestimado. Checkpoints comunitarios raramente sao treinados em rostos representativos da populacao. Eles sao ajustados em conjuntos curados de imagens consideradas atraentes, muitas vezes ja passadas por retoque, filtro e upscaler. O resultado e uma distribuicao estreita. Quanto mais fino o ajuste, mais estreita ela fica.
Um modelo base generalista tende a produzir mais variacao facial do que um merge estilizado, porque o base viu muito mais tipos de rosto. O merge foi otimizado para agradar, e agradar significa convergir. Se voce testar o mesmo prompt e a mesma seed em tres checkpoints diferentes e os tres devolverem rostos parecidos entre si, o problema nao esta no seu prompt. Voce provavelmente esta usando tres merges que compartilham os mesmos ancestrais.
Teste isso antes de mexer em qualquer outra coisa. Escolha um prompt neutro, sem descricao facial, gere quatro imagens com seeds aleatorias em cada checkpoint candidato e compare as faces lado a lado. Um checkpoint com boa amplitude vai te dar quatro pessoas. Um checkpoint colapsado vai te dar a mesma pessoa quatro vezes. Vale a pena manter um ou dois modelos de amplitude alta so para gerar variedade, mesmo que o seu favorito estetico seja outro. O guia de Civitai em portugues ajuda a ler as galerias de exemplo antes de baixar, e as galerias sao um teste gratuito: se todas as amostras do modelo mostram o mesmo rosto, o modelo vai te entregar o mesmo rosto.
Causa 2: o seed esta fixo ou variando pouco
O seed determina o ruido inicial. Ruido igual mais prompt igual gera imagem praticamente igual. Muita gente deixa o seed travado durante os testes de composicao, esquece de destravar e passa a tarde inteira reclamando de falta de variedade enquanto pede exatamente a mesma coisa.
A verificacao leva dois segundos: confira se o seed esta em modo aleatorio. Se estiver em um valor fixo, esse e o seu problema inteiro e voce pode parar de ler as outras causas.
O outro lado da moeda e util. Um seed fixo com prompt fixo e a forma mais barata de manter a mesma pessoa entre imagens. Nao e perfeita, porque qualquer alteracao no prompt desloca o resultado, mas para pequenas mudancas de enquadramento funciona bem. Anote os seeds que produziram rostos que voce gostou. Uma lista de dez ou quinze seeds bons vira sua galeria de elenco.
Entre o fixo e o aleatorio existe a variacao de seed, que mistura um segundo ruido no primeiro com uma forca ajustavel. Valores baixos, na faixa de 0,05 a 0,15, dao pequenas variacoes mantendo a mesma pessoa reconhecivel. Valores de 0,2 a 0,4 comecam a mudar tracos. Acima de 0,5 voce basicamente pediu outra pessoa. Essa e a ferramenta certa quando voce quer dez fotos da mesma personagem sem que fiquem clones exatos.
Causa 3: o prompt nao descreve o rosto
“mulher bonita, 25 anos, cabelo castanho” nao descreve um rosto. Descreve uma categoria. Tudo que voce nao especifica fica por conta do prior do modelo, e o prior do modelo e a media que voce esta tentando escapar.
Descrever rosto de verdade significa falar de estrutura, nao de adjetivos de beleza. Os eixos que mais mudam o resultado sao:
- Estrutura ossea: maxilar largo ou estreito, queixo pontudo ou quadrado, macas do rosto altas ou discretas, testa alta, formato do craneo mais redondo ou mais alongado.
- Nariz: ponte alta, ponte baixa, dorso reto, dorso curvo, ponta arredondada, narinas largas, nariz aquilino. Esse e o traco que mais individualiza um rosto e o que quase ninguem escreve no prompt.
- Olhos: formato amendoado, olhos fundos, palpebra encapuzada, distancia entre os olhos, sobrancelhas grossas ou finas, altura do arco.
- Pele e textura: poros visiveis, sardas, marcas de expressao, cicatriz leve, pele oleosa, textura real em vez de acabamento de plastico.
- Idade: mulher de quarenta e cinco anos com linhas de expressao nos olhos e um resultado radicalmente diferente de “mulher adulta”.
- Assimetria: pedir explicitamente um rosto levemente assimetrico quebra o padrao de simetria perfeita que denuncia imagem gerada.
- Etnia e origem: descrever de forma respeitosa e concreta, sem estereotipo, muda a distribuicao amostrada de forma mais forte do que qualquer outro termo isolado.
Escreva quatro ou cinco desses eixos em cada prompt e o rosto para de ser sorteado. Se voce gera conteudo em portugues e ainda esta traduzindo termo a termo do ingles, vale revisar a estrutura de prompts em portugues, porque ordem e vocabulario mudam o peso que cada traco recebe.
Ordem e peso tambem importam. Tokens no inicio do prompt costumam ter mais influencia do que tokens no fim, principalmente quando o prompt e longo e passa do limite de contexto por bloco. Se a descricao facial esta enterrada depois de cinquenta palavras de iluminacao e lente, ela vai ser diluida. Suba os tracos faciais para perto do inicio.
Pesos ajudam quando um traco especifico e ignorado. Reforcar um termo facial em torno de 1,1 a 1,3 costuma resolver. Acima de 1,5 voce comeca a ver artefato, distorcao de proporcao e queima de cor. Prefira adicionar um traco novo a socar peso em um traco existente.
Causa 4: CFG alto empurra para o tipico
O CFG controla quanto o modelo obedece ao prompt em vez de explorar. Parece contraintuitivo, mas CFG alto reduz variedade. Ele empurra a amostragem para a interpretacao mais tipica daquele texto, que e justamente a media do dataset. Quanto mais forte a guia, mais o resultado converge para o centro.
Se voce roda tudo em CFG 9 ou 10 e reclama de rostos iguais, teste a mesma seed em CFG mais baixo. Para modelos de difusao classicos, a faixa de 4 a 7 costuma dar bastante aderencia ao prompt com espaco para variacao. Modelos destilados rapidos operam em faixas muito mais baixas, entre 1 e 2, e ali o efeito e outro. Comece descendo o CFG em dois pontos e compare quatro imagens antes e depois.
Sampler e numero de passos tem efeito menor sobre a identidade facial do que as pessoas acham, mas nao e zero. Samplers ancestrais injetam ruido a cada passo e produzem mais variacao entre geracoes do que samplers deterministicos. Passos muito baixos deixam o rosto mal formado, o que dispara o proximo problema da lista. Entre 20 e 35 passos resolve a maioria dos casos sem desperdicio.
Causa 5: a restauracao de rosto esta reescrevendo tudo
Essa e a causa que mais gente ignora. Quando o rosto ocupa poucos pixels na imagem, ele sai borrado, e ai entra alguma etapa de restauracao facial ou um detalhador automatico. O detalhe e que esse modelo de restauracao tambem tem um vies proprio, geralmente mais forte do que o do gerador, porque foi treinado para produzir rostos limpos e canonicos a partir de entradas ruins.
Resultado: voce gera dez pessoas diferentes e a etapa de restauracao devolve dez pessoas parecidas. Os tracos individuais estavam nos pixels borrados e foram substituidos por tracos genericos de alta qualidade. A pele fica lisa demais, os poros somem, a assimetria desaparece.
Correcoes, em ordem de preferencia. Primeiro, desligue completamente a restauracao classica e veja o que sobra. Segundo, se precisar dela, baixe a forca para algo entre 0,2 e 0,5 em vez do maximo, o que mistura o rosto original com o restaurado. Terceiro, prefira um detalhador que reprocessa o recorte do rosto com o proprio checkpoint e o proprio prompt, porque ai o vies e o do seu modelo e nao o de um restaurador externo. Quarto, e a solucao estrutural: enquadre mais perto ou gere em resolucao maior, para que o rosto ja nasca com pixels suficientes e nao precise de conserto. Em workflows no ComfyUI da para condicionar o detalhador com um prompt facial proprio, diferente do prompt principal, o que e o controle mais preciso disponivel.
Causa 6: um LoRA esta assando um rosto no resultado
LoRAs de estilo frequentemente carregam identidade facial sem avisar. Se o conjunto de treino de um LoRA “cinematografico” usava fotos de uma unica modelo, aquele rosto entra junto com o estilo. Voce achou que estava aplicando iluminacao e aplicou uma pessoa.
O teste e direto: gere a mesma seed com e sem o LoRA. Se o rosto muda de identidade e nao so de acabamento, o LoRA carrega face. A correcao mais simples e reduzir o peso. Muitos LoRAs de estilo entregam o efeito visual em 0,4 a 0,6 e so comecam a impor rosto acima de 0,7. Empilhar tres LoRAs em peso cheio e receita garantida de rosto identico em todas as saidas, porque as contribuicoes se somam.
Se voce treina os proprios adaptadores, vale revisar a montagem do dataset seguindo o passo a passo de treino de LoRA: pouca variedade de angulo, iluminacao e expressao no conjunto de treino produz exatamente esse colapso, e ai o problema esta no seu dataset, nao no sampler.
Quando voce QUER o mesmo rosto
Inverta tudo. Se o objetivo e uma personagem recorrente reconhecivel entre dezenas de imagens, deixar isso por conta do acaso e o erro. As ferramentas de consistencia, da mais leve para a mais pesada:
- Seed fixo mais prompt facial detalhado e congelado. Custo zero, funciona para variacoes pequenas, quebra quando voce muda muito o cenario.
- Textual embedding de personagem. Arquivo pequeno, invocado por uma palavra, prende tracos com forca moderada.
- LoRA de personagem treinado de proposito. O metodo mais confiavel para identidade estavel. Pesos entre 0,6 e 0,9 costumam segurar o rosto sem engessar pose e expressao. Acima disso o personagem fica rigido e repete angulo.
- Condicionamento por imagem de referencia no estilo IP-Adapter. Voce alimenta uma foto de referencia e o modelo puxa a identidade dela. Muito bom para prototipar sem treinar nada, e existem variantes focadas so em rosto.
- Troca de rosto em pos-processamento. Gera a cena livremente e substitui a face no final.
Na pratica, a combinacao que mais rende e LoRA leve de personagem para a estrutura geral mais um passe de inpaint no rosto para corrigir o que escapou. Quem produz conteudo em serie e depende de identidade estavel entre publicacoes, como as criadoras que trabalham com personagens de IA, praticamente sempre acaba treinando um adaptador proprio, porque seed e prompt sozinhos nao aguentam centenas de imagens.
A troca de rosto resolve identidade de forma quase deterministica: a cena vem do gerador, a face vem de uma referencia. Para personagens de ficcao que voce mesmo criou, e a rota mais previsivel, e o guia de troca de rosto com IA cobre o fluxo completo e os cuidados de qualidade na costura entre o rosto colado e a pele original.
Um ponto que precisa ser dito de forma direta: nao use rosto de pessoa real identificavel sem consentimento explicito dela. Isso vale para celebridades, para conhecidos e para qualquer foto que voce achou na internet. Alem do problema legal em varios paises, incluindo o Brasil, e do risco de banimento nas plataformas, e simplesmente errado. Trabalhe com rostos sinteticos, com referencias que voce gerou, ou com pessoas que autorizaram por escrito.
O condicionamento por referencia no estilo IP-Adapter e o meio termo: em vez de colar pixels no final, ele influencia a geracao desde o inicio, entao iluminacao e angulo saem coerentes com a cena. Forcas mais baixas puxam so o ar geral do rosto, forcas altas prendem a identidade mas engessam pose. Ajuste para baixo se as imagens comecarem a repetir sempre o mesmo enquadramento frontal.
Inpaint no rosto: o ajuste fino
Quando quase tudo esta certo e so o rosto ficou generico, nao regere a imagem inteira. Mascare a face e reprocesse so ela, com um prompt focado nos tracos que voce quer.
A variavel que importa e o denoise. Faixas uteis na pratica: de 0,2 a 0,35 para corrigir textura e nitidez mantendo a mesma pessoa; de 0,35 a 0,5 para ajustar tracos sem trocar a identidade por completo; de 0,5 a 0,7 para efetivamente gerar outro rosto no mesmo enquadramento. Acima de 0,7 a mascara perde contexto e a costura com o pescoco e o cabelo aparece.
Duas praticas que economizam retrabalho: expanda a mascara um pouco alem do contorno da face, incluindo parte da testa e do queixo, para o modelo entender iluminacao e sombra; e processe o recorte em resolucao proporcional, porque inpaint em um recorte minusculo devolve o mesmo borrao que voce estava tentando consertar. Rodar isso em GPU modesta e viavel, e quem trabalha com placa de entrada encontra os limites praticos no guia de Stable Diffusion em placa de entrada.
Randomizacao de prompt e wildcards
Se voce precisa de cinquenta pessoas diferentes e nao de cinquenta variacoes de uma, escrever cinquenta prompts na mao e desperdicio. Wildcards resolvem: voce cria listas de tracos e o sistema sorteia um item de cada lista a cada geracao.
Monte listas curtas e ortogonais, uma para formato de rosto, uma para nariz, uma para olhos, uma para textura de pele, uma para idade, uma para cabelo. Seis listas com oito itens cada ja produzem um espaco combinatorio grande o bastante para nunca repetir na pratica. O ganho e maior do que randomizar o seed, porque o seed sorteia dentro da mesma distribuicao estreita, enquanto o wildcard move a propria distribuicao.
Evite listas com itens que se contradizem, como pedir pele madura e ausencia de linhas de expressao na mesma combinacao. E teste cada lista isoladamente antes de combinar, senao voce nao vai saber qual termo esta sendo ignorado pelo checkpoint. Alguns modelos simplesmente nao aprenderam certos descritores faciais, e nesse caso a lista inteira vira ruido sem efeito.
Diagnostico rapido: tabela e checklist
Comece pela tabela para localizar o sintoma que voce esta vendo, depois siga a lista numerada na ordem, do teste mais barato ao mais caro. Nao pule etapas: metade dos casos morre nos tres primeiros itens e voce economiza uma tarde inteira de retrabalho.
| Sintoma | Causa provavel | Correcao |
|---|---|---|
| Imagens praticamente identicas | Seed travado | Voltar o seed para aleatorio |
| Rosto igual mesmo com prompts diferentes | Checkpoint colapsado | Testar modelo base ou outro merge |
| Rosto sempre jovem e simetrico | Prompt facial vago | Descrever ossos, nariz, olhos, idade, textura |
| Pouca variacao entre lotes | CFG alto demais | Baixar para faixa 4 a 7 e comparar |
| Pele lisa e tracos genericos apos gerar | Restauracao facial agressiva | Desligar ou reduzir forca para 0,2 a 0,5 |
| Rosto muda quando ativa um LoRA de estilo | LoRA com face embutida | Reduzir peso para 0,4 a 0,6 |
| Rosto borrado em plano aberto | Poucos pixels na face | Detalhador com prompt proprio ou resolucao maior |
| Personagem some entre sessoes | Identidade sem ancora | LoRA de personagem ou referencia de imagem |
| Todos os rostos com mesmo angulo | Condicionamento forte demais | Baixar forca da referencia ou peso do LoRA |
- Confira se o seed esta aleatorio. E a causa mais comum e leva dois segundos para eliminar.
- Desligue todos os LoRAs e gere quatro imagens. Se a variedade aparecer, o culpado esta entre eles.
- Desligue a restauracao de rosto e o detalhador automatico. Compare com a mesma seed.
- Baixe o CFG em dois pontos e gere o mesmo lote de novo.
- Adicione quatro descritores faciais concretos ao prompt, proximos do inicio, e compare.
- Reative os LoRAs um por vez, com peso reduzido, ate identificar qual carrega rosto.
- Troque o checkpoint por um modelo base generalista e repita o prompt neutro.
- Monte listas de wildcards para os tracos faciais e gere um lote de doze imagens.
- Faca inpaint do rosto com denoise moderado nas imagens que quase acertaram.
- Se o objetivo era consistencia e nao variedade, treine um LoRA de personagem ou monte um fluxo com referencia de imagem.
Erros que fazem tudo isso falhar
Mudar cinco variaveis ao mesmo tempo e o erro classico. Voce troca checkpoint, mexe no CFG, adiciona termos e desliga a restauracao na mesma rodada, o resultado melhora e voce nao faz ideia do porque. Na proxima sessao, o problema volta e voce recomeca do zero. Mude uma coisa, gere quatro imagens, anote.
Comparar imagens de seeds diferentes tambem confunde. Para avaliar o efeito de um parametro, trave o seed durante a comparacao e destrave depois. Sem seed fixo voce esta comparando ruido, nao configuracao.
Outro erro e achar que negative prompt resolve. Colocar termos genericos de qualidade no negativo nao adiciona variedade facial, porque variedade nao e ausencia de defeito. Negativo bem usado pode empurrar para longe de um acabamento especifico, mas ele nunca vai substituir uma descricao positiva concreta.
Por fim, nenhuma dessas correcoes funciona sempre. Alguns checkpoints estao tao colapsados que nem prompt detalhado nem CFG baixo salvam, e a unica saida real e trocar de modelo. Se voce ainda esta montando o ambiente e quer entender onde cada parametro fica, vale passar pelo guia de Stable Diffusion em portugues antes de sair mexendo no que nao conhece.
Perguntas frequentes
Por que a IA gera sempre o mesmo rosto mesmo com prompts diferentes?
Porque o que voce nao descreve o modelo preenche com a media do dataset dele. Se o prompt fala de cenario e roupa mas nao de estrutura facial, a face vem do prior, e o prior de checkpoints estilizados e muito estreito. Descreva ossos, nariz e olhos.
Mudar o seed resolve o problema do rosto repetido?
Resolve quando o seed estava travado, e essa e a primeira coisa a checar. Mas se o seed ja esta aleatorio e os rostos continuam parecidos, o seed nao e a causa: ele sorteia dentro da mesma distribuicao estreita do checkpoint.
CFG alto ajuda ou atrapalha a variedade facial?
Atrapalha. CFG alto empurra a amostragem para a interpretacao mais tipica do prompt, que e justamente a media. Testar a faixa de 4 a 7 costuma abrir espaco para variacao sem perder aderencia ao que voce pediu.
Devo desligar a restauracao de rosto?
Faca o teste desligando. Restauradores classicos foram treinados para produzir rostos canonicos e limpos, entao apagam tracos individuais e textura de pele. Se precisar dela, use forca entre 0,2 e 0,5, ou prefira um detalhador que use seu proprio checkpoint.
Como saber se um LoRA esta impondo um rosto?
Gere a mesma seed com e sem o LoRA. Se mudar so acabamento e cor, e estilo. Se a identidade da pessoa mudar, ele carrega rosto do dataset de treino. Reduza o peso para a faixa de 0,4 a 0,6 e reavalie.
Qual denoise usar para refazer so o rosto por inpaint?
De 0,2 a 0,35 corrige textura mantendo a pessoa. De 0,35 a 0,5 ajusta tracos sem trocar a identidade. De 0,5 a 0,7 gera efetivamente outro rosto. Acima disso a costura com pescoco e cabelo comeca a aparecer.
Como manter a mesma personagem em varias imagens?
Combine ancoras: prompt facial congelado, seed conhecido, e uma ancora forte como LoRA de personagem entre 0,6 e 0,9 ou condicionamento por imagem de referencia. Para series longas, o adaptador treinado e o unico metodo que aguenta o volume.
Posso usar o rosto de uma pessoa real na troca de rosto?
Nao sem consentimento explicito dela. Vale para celebridades e conhecidos igualmente, e a maioria das plataformas bane a conta. Use rostos sinteticos que voce mesmo gerou ou referencias com autorizacao por escrito.
