Glossário
Inference steps
Também conhecido como: sampling steps, denoising steps
O número de passagens iterativas de refinamento que o modelo realiza para produzir um resultado. Mais passos geralmente significam qualidade maior, com retornos decrescentes acima de um limite específico de cada modelo.
Em detalhe
O que significa na prática
Os modelos de difusão de imagem geram resultados começando a partir de ruído aleatório e removendo esse ruído de forma iterativa. Cada iteração é um "step". As contagens típicas de steps variam de 20 (prévia rápida) a mais de 50 (alta qualidade). Acima de cerca de 50 steps, o ganho de qualidade costuma ser imperceptível e o custo de geração aumenta de forma linear.
Os modelos de vídeo seguem um padrão semelhante, mas a contagem de steps costuma ser abstraída — Sora 2, Kling e Veo expõem um único parâmetro de "qualidade" em vez da contagem bruta de steps. Para os modelos que expõem os steps diretamente (SDXL, FLUX), o padrão é ajustado para o trade-off certo entre qualidade e velocidade; os usuários raramente precisam alterá-lo.
Relacionado
CFG scale
Um parâmetro que controla o quão fielmente o modelo segue o prompt de texto. CFG mais alto = interpretação mais literal; CFG mais baixo = mais liberdade criativa. Faixa típica de 4 a 12.
Seed
Um valor numérico que inicializa o gerador de números aleatórios dentro de um modelo. Fixar o seed torna os resultados reproduzíveis — o mesmo prompt + o mesmo seed gera o mesmo resultado.
Diffusion model
Uma classe de modelos generativos de IA que aprendem a reverter um processo de adição de ruído — partindo de ruído puro e removendo o ruído progressivamente até chegar a uma imagem ou vídeo que corresponda ao prompt.