Midjourney + Stable Diffusion: Pipeline Profissional

O Pipeline Profissional de IA Visual

Profissionais top nao usam apenas uma ferramenta. Este tutorial mostra como combinar Midjourney (conceituacao ultrarapida) com Stable Diffusion (controle total e automacao).

---

Por Que Combinar as Duas?

Estrategia vencedora: Midjourney para aprovacao criativa, SD para producao em escala.

---

1. Conceituacao com Midjourney

Template para identidade de marca:

Minimal logo design for EMPRESA, SETOR, clean geometric shapes,
negative space, COR and white, professional --no text --ar 1:1 --v 7 --style raw

Variacoes sistematicas com Vary (Subtle):

1. Gere o conceito base com /imagine
2. Use Vary (Subtle) em 3-4 variacoes do melhor resultado
3. Selecione o TOP com o cliente
4. Exporte em maxima resolucao

---

2. Instalando ComfyUI

git clone https://github.com/comfyanonymous/ComfyUI
cd ComfyUI && pip install -r requirements.txt

Modelos recomendados:

• Fotorealismo: RealVisXL V4.0, Juggernaut XL
• Arte/Conceito: DreamShaper XL, Playground v2.5

---

3. Img2Img: Midjourney como Rascunho

Denoising strength guide:

• 0.2-0.35: mantem 90%+ da composicao original
• 0.4-0.55: variacoes mantendo estrutura
• 0.6-0.75: reinterpretacao significativa

import requests, base64
from pathlib import Path

SD_URL = 'http://localhost:7860'

def gerar_variacoes(imagem_base, prompt, denoising=0.5, quantidade=4):
    with open(imagem_base, 'rb') as f:
        img_b64 = base64.b64encode(f.read()).decode()
    payload = {
        'init_images': [img_b64], 'prompt': prompt,
        'negative_prompt': 'watermark, blurry, low quality',
        'denoising_strength': denoising, 'n_iter': quantidade,
        'steps': 30, 'cfg_scale': 7, 'width': 1024, 'height': 1024,
    }
    result = requests.post(f'{SD_URL}/sdapi/v1/img2img', json=payload).json()
    saidas = []
    for i, img in enumerate(result['images']):
        out = Path(imagem_base).parent / f'{Path(imagem_base).stem}_v{i+1}.png'
        out.write_bytes(base64.b64decode(img))
        saidas.append(out)
    return saidas

for img in Path('aprovados/').glob('*.png'):
    variacoes = gerar_variacoes(str(img),
        'professional product photography, studio lighting, 8k', denoising=0.35, quantidade=6)
    print(f'{img.name}: {len(variacoes)} variacoes')

---

4. ControlNet para Controle Preciso

• Canny: mantem contornos exatos, peso 1.0 para fidelidade maxima
• OpenPose: controla postura de pessoas, mantendo proporcoes
• Depth: preserva composicao 3D para recontextualizacao de objetos

Exemplo: produto em diferentes ambientes

1. Foto do produto isolado (fundo branco)
2. ControlNet Canny preserva formato exato
3. Img2img com prompt do novo ambiente, denoise 0.7
4. Produto com fundo customizado sem remontagem manual

---

5. O Pipeline em Producao

BRIEFING -> MIDJOURNEY (conceituacao 2-4h) -> APROVACAO
         -> STABLE DIFFUSION (batch 50-200 variacoes)
         -> CURADORIA (20% do batch)
         -> ENTREGA EM ESCALA

ROI real: Sem pipeline 40h por campanha. Com pipeline 8h. Capacidade 5x maior.

---

Proximos Passos

• Automatic1111 API: alternativa ao ComfyUI com interface mais amigavel
• Replicate.com: rodar SD na nuvem sem GPU local
• Fooocus: interface simplificada para nao-tecnicos da equipe