Seis mil referências em chinês viraram três baralhos: gente, roupa e pose

Comecemos pelo fim: este repositório não viralizou por ter muitas imagens. Imagem demais existe em qualquer pasta de drive. Ele viralizou porque pegou a tarefa de «escolher uma referência» e a quebrou em três peças substituíveis de forma independente — pessoa, roupa e pose — e depois deixou você montar as três numa receita e mandar tudo direto para o modelo. A diferença parece pequena e muda o modo de trabalhar: em vez de caçar a imagem perfeita, você declara três escolhas e deixa o sistema escrever a descrição por você.
O repositório se chama ai-pose-gallery-zh e o autor é Anhao. O primeiro parágrafo do README já fecha a conta: 1439 manequins base em branco, cada um com o seu mapa de profundidade, 3224 conjuntos de roupa, 1499 retratos, num total de 6162 registros de referência em chinês, 12022 imagens locais em alta resolução e mais 1760 imagens vindas dos sites originais. Os dados não foram fotografados por ele: são um espelho de galerias públicas de três autores — poses e roupas vêm do site de ギア (@giaaibusi), e as 440 roupas de anime vêm do CharaDB de たき AI. O que o projeto faz é traduzir, consolidar e colocar uma camada de ferramentas em cima disso. Três tarefas pouco glamorosas que, juntas, decidem se um acervo é consultável ou apenas um monte de arquivos com nomes incompreensíveis.
O que foi resolvido de verdade é a busca, não a qualidade da imagem
Quem já usou uma galeria de referências conhece o travamento. Você quer a modelo encostada na parede, mão no bolso, corpo inclinado a quarenta e cinco graus. A imagem está na sua cabeça, mas navegar pela galeria significa passar página por página de miniaturas, achar na vigésima página algo setenta por cento parecido e ainda descrever tudo com as próprias palavras. Os metadados do site original estão em japonês: categoria de movimento, subdivisão de penteado, estilo de roupa, tudo em etiquetas japonesas. Quem lê chinês ou não entende nada, ou entende e mesmo assim não consegue montar o prompt. O resultado é sempre o mesmo: a pessoa desiste no meio do caminho e escreve um prompt genérico, que é exatamente o que produz imagem genérica.
Este repositório traduz os 6162 registros para o chinês e os decompõe até um nível que permite montagem automática — comprimento do cabelo, 51 subcategorias de penteado, classificação de pose, etiquetas de composição. Ele afirma que o prompt montado sai «limpo, sem interferência de japonês». Parece frase de marketing, mas para geração de imagem é um problema real: quando o prompt mistura dois idiomas, a estabilidade do modelo cai.

O trio é o ponto, não o tamanho da lista de recursos
O Web Studio deixa você escolher um item de cada um dos três acervos: um retrato, uma roupa, uma pose. Manequim em branco e mapa de profundidade alternam com um clique. Depois de escolher, dá para arrastar, colar ou informar uma URL para incluir sua própria referência. A receita fica salva no IndexedDB: feche o navegador, abra de novo, ela continua lá. A interação não tem nada de novo; o novo é transformar «imagem de referência» de um arquivo solto em entrada estruturada. Uma foto deixa de ser um exemplo a ser imitado e passa a ser um campo preenchido, do mesmo jeito que um formulário.
Depois vêm as cinco conexões diretas: Google Gemini, OpenAI GPT Image, Qwen do Alibaba Cloud Bailian, Doubao do Volcano Ark e ComfyUI local. As quatro primeiras rodam assim que você preenche a chave; a quinta exige uma GPU na sua máquina. O projeto não treinou modelo próprio e não pretende — a aposta é que «mesma receita, outro modelo» vai virar operação de rotina.
O plugin de ComfyUI é a metade mais útil
O repositório em si é um plugin de ComfyUI: basta um git clone para custom_nodes/ e ele funciona, com quatro nós — pose, roupa, retrato e receita combinada. Os nós de pose e de receita trazem um interruptor use_depth embutido e conectam direto no ControlNet Depth. É um desenho que entende quem usa: o manequim entrega a estrutura, o mapa de profundidade entrega a relação espacial, e qual dos dois ajuda mais na hora de gerar depende de você precisar de pose exata ou de perspectiva exata.
O que eu gostei mais é a transformação dos 6162 registros num seletor visual em janela pop-up. Você abre na tela do ComfyUI, escolhe, volta e liga os fios. Comparado a procurar a imagem numa pasta e arrastar para o nó, a economia de tempo não é pequena. E como tudo roda na sua própria máquina, não há conta em serviço nenhum para abrir antes.
Três limites que precisam ficar claros
Primeiro: o direito sobre o material não está com ele. As imagens de pose, roupa e retrato vêm dos sites públicos dos autores originais; o repositório faz organização em chinês e arquivamento técnico, e o README diz explicitamente «proibido empacotar e revender». Para uso comercial, é preciso voltar à licença do autor original.
Segundo: o acervo inclui corpos e referências de roupa íntima com conteúdo 18+, e o modo seguro SFW vem ligado por padrão. Não é detalhe: o autor coloca o aviso logo depois do primeiro item do disclaimer, em vez de escondê-lo em letra miúda. Quem trabalha com esse tipo de material sabe que a diferença entre um aviso visível e um aviso enterrado no rodapé costuma aparecer só depois do problema.
Terceiro, e o mais importante: o projeto repete à exaustão que é proibido fazer troca de rosto em pessoas reais sem autorização. Essa cautela tem motivo — uma biblioteca que separa tão limpidamente «retrato + roupa + pose» é, por natureza, a montante de qualquer linha de produção de deepfake. A ferramenta é neutra; o uso não é.
Por que projetos assim não param de aparecer
No último ano, a barreira para gerar imagem desceu de «saber escrever prompt» para «ter uma boa referência». O lado dos modelos acompanha: modelos novos como o Seedream 5.5 começaram a entregar camadas com canal alfa nativo, e o GPT Image 2.6 levou a edição por marcação regional para a API. Os dois reduzem o retrabalho de «gerar e depois consertar». Quando gerar fica barato e estável, o que se torna escasso é a capacidade de organizar a entrada. O gargalo migra de dentro do modelo para a mesa de quem encomenda.
É aí que os 6162 registros fazem sentido. Não é uma galeria: é a tradução de «quero aquele clima» para coordenadas de três eixos que a máquina consegue executar. Dá para dizer que ele apenas organizou três acervos japoneses em chinês, mas organizar é exatamente onde a maioria trava.
Se você só quer testar, abra a demonstração online — funciona no celular. Se quer levar para produção, pense em duas coisas antes: até onde vai a licença do seu material e para quem você vai entregar essa receita. A primeira define se você pode usar comercialmente; a segunda define se vai receber uma notificação de advogado às três da manhã.
Artigos relacionados
Uma planilha comunitária de toques que desliga os anúncios dos Android chineses
Não mexe no sistema, não desbloqueia nada, não faz flash de nada. Só vira os botões que os fabricantes já deixaram à mostra. O preço é uma lista que alguém precisa continuar escrevendo.
GPT Image 2.6 manteve o preço por token e elevou a fatura
O GPT Image 2.6 mantém cada tarifa por token do 2.5 e mesmo assim custa mais por imagem, porque boa parte do trabalho acontece agora nos tokens de saída. Onze dias após o lançamento, a estrutura de preços diz mais que o ranking.
Alguém reconstruiu o IDM por fora e anotou o que não tocou
Uma reimplementação em Rust do Internet Download Manager promete 5 vezes a velocidade e 86 idiomas. O documento mais interessante é o parágrafo que explica como ela foi feita sem copiar nada.
Rune é um framework de UI em Rust feito para que um agente possa verificar o próprio trabalho
Rune renderiza sem interface, despeja sua árvore de elementos e aceita entrada roteirizada, o que dá a um agente de código um sinal diffável que um screenshot nunca oferece. O framework está em pré-lançamento e não aceita pull requests.