Glossário
Inference steps
Também conhecido como: sampling steps, denoising steps
O número de passagens iterativas de refinamento que o modelo dá para produzir um resultado. Mais passos significam geralmente maior qualidade, com retornos decrescentes acima de um limiar específico de cada modelo.
Em detalhe
O que significa na prática
Os modelos de difusão de imagem geram o resultado partindo de ruído aleatório e removendo-o iterativamente. Cada iteração é um "passo". As contagens típicas de passos vão de 20 (pré-visualização rápida) a 50+ (alta qualidade). Acima de cerca de 50 passos o ganho de qualidade é normalmente invisível e o custo de geração aumenta linearmente.
Os modelos de vídeo seguem um padrão semelhante, mas a contagem de passos é muitas vezes abstraída — o Sora 2, o Kling e o Veo expõem todos um único parâmetro de "qualidade" em vez da contagem bruta de passos. Para os modelos que expõem os passos diretamente (SDXL, FLUX), o valor por omissão está afinado para o equilíbrio certo entre qualidade e velocidade; os utilizadores raramente precisam de o ajustar.
Relacionado
CFG scale
Um parâmetro que controla com que rigor o modelo segue o prompt de texto. CFG mais alto = interpretação mais literal; CFG mais baixo = mais liberdade criativa. Intervalo típico de 4 a 12.
Seed
Um valor numérico que inicializa o gerador de números aleatórios dentro de um modelo. Fixar a seed torna os resultados reproduzíveis — o mesmo prompt + a mesma seed produzem o mesmo resultado.
Diffusion model
Uma classe de modelos generativos de IA que aprendem a inverter um processo de adição de ruído — partindo de ruído puro e removendo-o progressivamente até obter uma imagem ou vídeo que corresponda ao prompt.