Como remover pessoas do fundo da foto usando o Gemini sem deixar manchas
A foto do monumento ficou boa, menos pelo estranho que passou bem atrás de você no exato segundo do clique. Ou a foto de família tinha um ótimo ângulo, só que alguém de outra mesa entrou no quadro. Esperar o lugar esvaziar nem sempre é possível, e cortar a foto também corta parte do que você queria registrar.
O Gemini remove essas pessoas e tenta reconstruir o que estava atrás delas. O problema mais comum, e o que dá nome a este guia, é a mancha: uma área borrada, com textura errada, que sobra no lugar de quem foi removido. A sombra e o reflexo da pessoa também costumam ficar para trás, mesmo quando o corpo já sumiu.
Este guia entrega 16 prompts organizados em quatro frentes: remover uma pessoa específica, remover várias pessoas ou uma multidão, remover junto com sombra e objeto, e corrigir uma mancha que sobrou. A técnica central, repetida em quase todo prompt, é simples: dizer exatamente quem sai, pedir reconstrução natural, e nomear sombra e reflexo à parte.
O Gemini é o assistente de inteligência artificial do Google. Ele se diferencia por editar imagens em conversa: você envia a foto e descreve o que quer remover, mudar ou corrigir, em linguagem natural, continuando a mesma conversa até o resultado ficar bom. O acesso básico é gratuito em gemini.google.com com login Google.
A versão de imagem atual é o Nano Banana 2 (Gemini 3.1 Flash Image), capaz de identificar um elemento específico de uma foto (como uma pessoa) e reconstruir só a área ao redor dele, mantendo o resto da imagem intacto.
Neste guia: 16 prompts para remover pessoas do fundo de fotos no Gemini, em 4 frentes, com foco em não deixar mancha, sombra ou reflexo para trás.
Resposta curta:
Para remover uma pessoa do fundo de uma foto no Gemini sem deixar manchas, descreva exatamente quem remover (posição, roupa ou um ponto de referência próximo), peça para reconstruir naturalmente a área atrás dela combinando grão, foco e luz com o resto da foto, e inclua explicitamente a sombra e o reflexo dessa pessoa no pedido de remoção. Se sobrar uma mancha, corrija na mesma conversa apontando o local exato, em vez de gerar a imagem inteira de novo.
Como este guia foi montado: os prompts foram estruturados a partir de relatos públicos de uso intensivo da remoção de pessoas no Nano Banana (incluindo um fluxo testado em mais de 100 edições manuais antes de virar prompt), de tutoriais oficiais de edição com o modelo, e de guias públicos de inpainting com IA. Não houve teste próprio da equipe TreinamentosAF com fotos reais. Os prompts são pontos de partida: o resultado muda conforme a complexidade do fundo, e quanto mais pessoas ou objetos se sobrepõem na cena, maior o trabalho de correção.
⚡ TL;DR
- Tempo: 6 min (ou pule pros prompts)
- Nível: Iniciante
- Você vai copiar: 16 prompts + 8 comandos de atalho de correção
- Problema que resolve: manchas, sombras e reflexos que sobram depois de remover alguém
🚀 Navegação rápida:
✨ Este guia é perfeito se você é:
Quer a foto do monumento sem meia cidade passando atrás, sem precisar esperar o lugar esvaziar.
Tem uma boa foto estragada por alguém que entrou no quadro na hora errada.
Precisa de fotos limpas para postar ou anunciar, sem desconhecido aparecendo ao fundo.
🖥️ Primeiro acesso: como remover uma pessoa do fundo da sua foto agora
- Passo 1: Acesse gemini.google.com ou abra o app Gemini no celular e faça login com sua conta Google.
- Passo 2: No menu de ferramentas, escolha “Criar imagens” e deixe o modo Rápido (Nano Banana 2) selecionado.
- Passo 3: Envie a foto que você quer limpar.
- Passo 4: Cole um dos 16 prompts, descrevendo com clareza quem remover: posição, roupa ou um ponto de referência próximo.
- Passo 5: Dê zoom na área reconstruída antes de considerar pronto. Se sobrar mancha ou sombra, use os comandos de atalho na mesma conversa, sem recomeçar.
Índice
- O método: por que descrever quem sai evita manchas
- Tabela 01: situação e dificuldade
- Tabela 02: o que o Gemini consegue e não consegue remover
- Tabela 03: anatomia de um bom prompt de remoção
- 16 prompts prontos para copiar
- Amanda aconselha
- Comandos de atalho
- SOS: sobrou mancha, sombra ou reflexo
- Erros que mais comprometem o resultado
- Prompt fraco vs prompt forte
- Glossário rápido
- FAQ
Por que descrever quem sai evita manchas (4 pilares)
Pilar 1: identifique a pessoa com precisão
“Tira essa pessoa” é ambíguo quando há mais de uma pessoa na foto. Descrever a posição (esquerda, direita, ao fundo), a cor da roupa ou um ponto de referência próximo (“perto do poste”) elimina a dúvida sobre quem deve sair.
Pilar 2: peça reconstrução, não só remoção
Um relato de quem testou centenas de edições de remoção de pessoas resume a técnica como pedir explicitamente para “reconstruir naturalmente” o que estava atrás, estendendo a textura, a parede, o chão ou a folhagem, em vez de só pedir para “apagar”.
Pilar 3: sombra e reflexo são elementos à parte
A IA remove o que você pede. Se o prompt menciona só “a pessoa”, a sombra dela no chão ou o reflexo numa vitrine podem continuar lá. Nomear esses elementos junto com a pessoa é o que evita esse vestígio.
Pilar 4: corrija na mesma conversa, não do zero
Quando sobra uma mancha, o caminho mais eficiente não é escrever um prompt novo do início, é continuar a mesma conversa apontando exatamente onde está o problema. Isso preserva os acertos já alcançados e corrige só o que falta.
📊 Na prática (exemplo ilustrativo, não é um teste): imagine uma foto num ponto turístico com um estranho passando bem atrás de você. Você cola o A-01, descrevendo a posição dele. Se sobrar uma mancha onde ele estava, você não recomeça: usa o comando de atalho de mancha (veja a tabela mais abaixo), apontando o local exato, na mesma conversa.
Tabela 01: situação e dificuldade
| Situação | Prompts | Dificuldade |
|---|---|---|
| Uma pessoa isolada, fácil de descrever | A-01 a A-04 | Fácil |
| Multidão ou várias pessoas de uma vez | B-01 a B-04 | Médio — risco de remover algo que você queria manter |
| Sombra, reflexo ou objeto junto com a pessoa | C-01 a C-04 | Médio a difícil — é o que mais costuma ficar faltando |
| Mancha ou textura que sobrou depois da remoção | D-01 a D-04 | Fácil, mas exige apontar o local exato |
✔️ Até aqui você já sabe: qual série usar conforme o número de pessoas na cena, e que sombra e reflexo pedem um pedido explícito à parte.
Tabela 02: o que o Gemini consegue e não consegue remover
| O que você pediu | O Gemini consegue? | Observação |
|---|---|---|
| Remover uma pessoa e reconstruir o fundo | Sim | É o uso mais comum e mais bem resolvido da ferramenta, segundo relatos de uso intensivo |
| Remover a sombra ou o reflexo da pessoa junto | Sim, se você pedir explicitamente | Sem o pedido explícito, a sombra costuma ficar para trás |
| Remover marca d’água de uma foto | Não | Essa limitação é tratada como proposital por quem testa a ferramenta, já que preserva direitos de quem fotografou |
| Remover uma pessoa de um evento documentado e importante | Tecnicamente sim, mas não deveria | Fazer isso reescreve visualmente um registro real; use a remoção para limpar sua própria foto pessoal, não para alterar a história de um fato |
Tabela 03: anatomia de um bom prompt de remoção
| Elemento | O que você faz | O que você pede ao Gemini | Impacto esperado | Erro se ignorado |
|---|---|---|---|---|
| Identificação específica | Descreve posição, cor de roupa ou ponto de referência da pessoa a remover | Uma instrução sem ambiguidade sobre quem sai da foto | A pessoa certa é removida | A IA remove a pessoa errada ou nenhuma |
| Pedido de reconstrução | Pede para “reconstruir naturalmente” o que estava atrás da pessoa | Uma área preenchida com contexto, não um borrão | Fundo coerente com o resto da cena | Mancha ou área borrada no lugar |
| Sombra, reflexo e objeto junto | Lista explicitamente o que mais sai junto com a pessoa | Remoção completa, não só do corpo da pessoa | Nenhum vestígio da pessoa sobra na imagem | Sombra ou objeto “flutuando” sozinho |
| Instrução de preservação | Pede para manter tudo o mais exatamente igual | Que a edição fique isolada só na remoção pedida | O resto da foto não muda sem querer | Rostos, poses ou cores de outras pessoas alterados |
| Correção pontual | Aponta o local exato de uma mancha residual, em vez de pedir para “refazer tudo” | Um ajuste cirúrgico na mesma conversa | Mancha corrigida sem perder o que já ficou bom | Nova geração que perde acertos anteriores |
💡 A sacada do guia: a mancha quase nunca é falta de capacidade da IA, é falta de instrução. Diga quem sai, o que reconstruir, e o que mais precisa sair junto (sombra, reflexo, objeto).
16 prompts prontos para remover pessoas do fundo no Gemini: copie e cole 📌
Troque o que estiver entre colchetes pela posição real na sua foto (esquerda, direita, perto de um ponto de referência) e pela cor ou descrição da pessoa. Depois de gerar, dê zoom na área reconstruída antes de considerar pronto.
🙋 Série A — Remover uma pessoa específica (A-01 a A-04)
🧽 Prompt A-01 — Pessoa isolada ao fundo
O que testa: O caso mais simples: uma pessoa sozinha, longe do assunto principal da foto.
Remove the person standing in the background on the [left/right] side of this photo, near the [ponto de referência, ex: lamp post]. After removal, naturally reconstruct the background that was behind them: extend the matching textures, wall, floor, or foliage so it looks like that person was never there. Keep every other person, object, and detail in the photo exactly the same: same faces, poses, expressions, outfits, lighting, and composition. Output must look like a single naturally captured photograph. The reconstructed area must match the same grain, depth of focus, and lighting as the rest of the photo. No blurry artifacts, smudges, or warped textures.
🧽 Prompt A-02 — Turista cortando a cena principal
O que testa: Testa remover alguém que está parcialmente na frente do assunto, não só ao fundo.
Remove the person in the [cor da roupa] shirt walking in front of the landmark in this photo. Reconstruct the part of the landmark and ground that was hidden behind them, matching the same stone texture and lighting as the rest of the structure. Keep every other person, object, and detail in the photo exactly the same: same faces, poses, expressions, outfits, lighting, and composition. Output must look like a single naturally captured photograph. The reconstructed area must match the same grain, depth of focus, and lighting as the rest of the photo. No blurry artifacts, smudges, or warped textures.
🧽 Prompt A-03 — Pessoa desfocada em segundo plano
O que testa: Testa um caso em que a pessoa já está fora de foco, útil para não criar uma mancha nítida demais no lugar.
Remove the out-of-focus person visible in the blurred background of this photo. Fill the area with the same soft bokeh and color tones as the rest of the background, keeping the same blur intensity. Keep every other person, object, and detail in the photo exactly the same: same faces, poses, expressions, outfits, lighting, and composition. Output must look like a single naturally captured photograph. The reconstructed area must match the same grain, depth of focus, and lighting as the rest of the photo. No blurry artifacts, smudges, or warped textures.
🧽 Prompt A-04 — Pessoa refletida em vidro ou espelho
O que testa: Testa um caso mais difícil: remover um reflexo, não a pessoa em si.
Remove the reflection of the person visible in the [vidro/espelho/vitrine] in this photo. Reconstruct that part of the reflective surface with a plausible reflection of the existing scene, not a blank or smudged area. Keep every other person, object, and detail in the photo exactly the same: same faces, poses, expressions, outfits, lighting, and composition. Output must look like a single naturally captured photograph. The reconstructed area must match the same grain, depth of focus, and lighting as the rest of the photo. No blurry artifacts, smudges, or warped textures.
Pausa estratégica: quanto mais específica a descrição de quem remover (posição, cor da roupa, ponto de referência), menos chance de a IA remover a pessoa errada ou deixar parte dela para trás.
👥 Série B — Remover várias pessoas ou uma multidão (B-01 a B-04)
🧽 Prompt B-01 — Multidão inteira ao fundo
O que testa: O prompt “coringa” para fotos de ponto turístico lotado: remove todos, mantém só quem importa.
Remove all the tourists and people in the background behind the main subject of this photo, keeping only [a pessoa/as pessoas que devem ficar]. Replace the removed areas with realistic background elements that logically fit the scene, such as extending the pavement, empty benches, or grass. Keep every other person, object, and detail in the photo exactly the same: same faces, poses, expressions, outfits, lighting, and composition. Output must look like a single naturally captured photograph. The reconstructed area must match the same grain, depth of focus, and lighting as the rest of the photo. No blurry artifacts, smudges, or warped textures.
🧽 Prompt B-02 — Deixar só uma pessoa entre várias
O que testa: Testa isolar uma pessoa específica dentro de um grupo, em vez de remover todo mundo igualmente.
Remove every person in this photo except the [descrição da pessoa que deve ficar, ex: woman in the pink jacket in the center]. Her hand gesture and pose must remain unchanged. Fill the areas where the other people were with background elements that match the scene. Keep every other person, object, and detail in the photo exactly the same: same faces, poses, expressions, outfits, lighting, and composition. Output must look like a single naturally captured photograph. The reconstructed area must match the same grain, depth of focus, and lighting as the rest of the photo. No blurry artifacts, smudges, or warped textures.
🧽 Prompt B-03 — Fila de pessoas atrás do assunto
O que testa: Testa remover uma fileira inteira de gente, um padrão repetitivo que facilita a reconstrução.
Remove the line of people waiting in the background of this photo. Extend the matching floor, wall, or street texture behind where they were standing. Keep every other person, object, and detail in the photo exactly the same: same faces, poses, expressions, outfits, lighting, and composition. Output must look like a single naturally captured photograph. The reconstructed area must match the same grain, depth of focus, and lighting as the rest of the photo. No blurry artifacts, smudges, or warped textures.
🧽 Prompt B-04 — Grupo pequeno em volta do assunto
O que testa: Testa um caso com poucas pessoas, mas espalhadas ao redor do assunto principal, em ângulos diferentes.
Remove the two or three people standing around the edges of this photo, on both the left and right sides. Reconstruct the background behind each of them separately, matching the surrounding texture and lighting. Keep every other person, object, and detail in the photo exactly the same: same faces, poses, expressions, outfits, lighting, and composition. Output must look like a single naturally captured photograph. The reconstructed area must match the same grain, depth of focus, and lighting as the rest of the photo. No blurry artifacts, smudges, or warped textures.
🧩 Série C — Remover junto com sombra, reflexo e objeto (C-01 a C-04)
🧽 Prompt C-01 — Pessoa e sua sombra
O que testa: O detalhe que mais denuncia uma remoção malfeita: a sombra que ficou para trás.
Remove the person on the [posição] of this photo, along with their visible shadow on the ground. Reconstruct the ground texture and lighting naturally, with no leftover shadow shape. Keep every other person, object, and detail in the photo exactly the same: same faces, poses, expressions, outfits, lighting, and composition. Output must look like a single naturally captured photograph. The reconstructed area must match the same grain, depth of focus, and lighting as the rest of the photo. No blurry artifacts, smudges, or warped textures.
🧽 Prompt C-02 — Pessoa segurando um objeto
O que testa: Testa remover a pessoa e o item que ela carrega junto, sem deixar o objeto “flutuando”.
Remove the person holding the [objeto, ex: umbrella/bag] in this photo, along with that object. Reconstruct the background area naturally. Keep every other person, object, and detail in the photo exactly the same: same faces, poses, expressions, outfits, lighting, and composition. Output must look like a single naturally captured photograph. The reconstructed area must match the same grain, depth of focus, and lighting as the rest of the photo. No blurry artifacts, smudges, or warped textures.
🧽 Prompt C-03 — Pessoa e o carrinho ou bicicleta ao lado
O que testa: Testa remover a pessoa junto com um item maior, próximo, mas não exatamente nas mãos dela.
Remove the person and the [carrinho/bicicleta/objeto grande] standing next to them in this photo. Reconstruct the full area naturally, matching the surrounding ground and background. Keep every other person, object, and detail in the photo exactly the same: same faces, poses, expressions, outfits, lighting, and composition. Output must look like a single naturally captured photograph. The reconstructed area must match the same grain, depth of focus, and lighting as the rest of the photo. No blurry artifacts, smudges, or warped textures.
🧽 Prompt C-04 — Mão ou braço cortando o quadro
O que testa: Testa um caso parcial: só um pedaço do corpo de alguém aparece no canto da foto.
Remove the arm/hand visible entering the frame from the [canto] of this photo. Reconstruct that corner naturally, matching the background behind it. Keep every other person, object, and detail in the photo exactly the same: same faces, poses, expressions, outfits, lighting, and composition. Output must look like a single naturally captured photograph. The reconstructed area must match the same grain, depth of focus, and lighting as the rest of the photo. No blurry artifacts, smudges, or warped textures.
Pausa estratégica: sombra e reflexo são os dois detalhes mais esquecidos. Uma remoção “perfeita” da pessoa, mas com a sombra dela ainda no chão, é o erro mais fácil de notar depois.
🛠️ Série D — Corrigir mancha ou borrão residual (D-01 a D-04)
🧽 Prompt D-01 — Mancha simples no lugar da remoção
O que testa: O comando de reparo mais usado: aponta a mancha e pede reconstrução específica.
In the same photo, there is a blurry smudge where the person was removed, located [posição]. Reconstruct that specific area to match the surrounding [textura/elemento, ex: brick wall, grass, sky] exactly. Do not change anything else in the image.
🧽 Prompt D-02 — Textura não bateu com o resto
O que testa: Testa corrigir quando a área reconstruída tem um padrão ou cor visivelmente diferente do entorno.
The reconstructed area on the [posição] does not match the texture and color of the rest of the [elemento]. Adjust only that area so it blends seamlessly, keeping the same lighting and grain as the rest of the photo.
🧽 Prompt D-03 — Sombra que sobrou
O que testa: Corrige especificamente o problema de sombra, sem mexer no resto já aprovado.
There is still a visible shadow on the ground where the person used to be, located [posição]. Remove only that shadow and adjust the ground texture naturally. Do not change anything else.
🧽 Prompt D-04 — Objeto cortado pela metade
O que testa: Corrige um objeto que ficou incompleto depois que a pessoa ao lado foi removida.
The [objeto] near where the person was removed looks cut off or incomplete. Reconstruct it fully and naturally, or remove it entirely if it no longer makes sense in the scene. Do not change anything else.
🔑 Hack avançado: como remover várias pessoas sem perder qualidade
- Uma pessoa complexa por vez: se uma pessoa está na frente do assunto principal ou segurando algo grande, remova-a sozinha antes de pedir a remoção do resto da multidão.
- Continue na mesma conversa: depois de aprovar uma remoção, peça a próxima (“agora remova também…”) em vez de recomeçar com uma nova imagem.
- Confira zonas de alto detalhe: padrões repetitivos (tijolo, grade, calçada) escondem mal uma reconstrução malfeita; dê zoom nessas áreas antes de aprovar.
- Peça variações se o resultado não convencer: “tente de novo, com uma reconstrução mais sutil nessa área” costuma ajudar quando a primeira tentativa ficou boa, mas não perfeita.
👉 Amanda aconselha:
- Se é só uma pessoa discreta ao fundo: use a Série A. É o caso mais simples e o que menos exige correção depois.
- Se o lugar estava lotado: use a Série B, mas descreva com clareza quem deve ficar na foto, não só quem deve sair.
- Se a foto tem muito contraste de luz ou textura (tijolo, grade, água): dê zoom na área reconstruída antes de aprovar. É onde a mancha mais aparece.
- Se sobrar qualquer vestígio da pessoa: não recomece. Use o comando de atalho certo (sombra, mancha, objeto) na mesma conversa.
- Se a foto documenta um evento importante: pense duas vezes antes de remover alguém que esteve lá de verdade. Essa ferramenta é para limpar fotos pessoais, não para reescrever um registro real.
Comandos de atalho: o que digitar quando sobrar algo
| Problema com a resposta | Comando de atalho (copie e envie) | O que acontece |
|---|---|---|
| Sobrou uma mancha ou borrão | “There is a blurry smudge located [posição]. Reconstruct that specific area to match [textura ao redor] exactly. Do not change anything else.” | Corrige só a mancha, sem regenerar a imagem toda |
| A sombra da pessoa ainda aparece | “There is still a visible shadow on the ground where the person used to be, located [posição]. Remove only that shadow.” | Remove o vestígio mais comum de uma edição malfeita |
| A IA removeu a pessoa errada | “Undo that. Instead, remove only the person [nova descrição mais específica].” | Reorienta sem perder o restante do trabalho |
| A textura reconstruída não combina | “The reconstructed area on [posição] doesn’t match the texture and color of [elemento]. Adjust only that area to blend seamlessly.” | Corrige o encaixe visual, sem mexer no resto |
| Um objeto ficou cortado ou sem sentido | “The [objeto] near the removed area looks incomplete. Reconstruct it fully or remove it entirely.” | Resolve o item que ficou pela metade |
| Quero remover mais uma pessoa depois | “Now also remove the person [descrição], keeping everything else from this last result unchanged.” | Continua o trabalho sem recomeçar do zero |
| A iluminação da área ficou diferente | “Match the lighting and shadow direction of the reconstructed area to the rest of the photo.” | Alinha a luz da reconstrução ao resto da cena |
| Quero conferir antes de salvar | “Zoom into the area where the person was removed so I can check the texture closely.” | Ajuda a inspecionar antes de considerar pronto |
✔️ Até aqui você já sabe: corrigir mancha, sombra, textura malcombinada e objeto cortado, tudo sem recomeçar a edição do zero.
🚨 SOS: sobrou mancha, sombra ou reflexo
- Causa: o prompt pediu só para “remover a pessoa”, sem mencionar sombra, reflexo ou reconstrução específica da textura ao redor.
- Correção: na mesma conversa, aponte o problema com precisão: “There is a blurry smudge/shadow located [posição exata]. Reconstruct that specific area to match [textura ao redor]. Do not change anything else.”
- Resultado: uma correção pontual, que preserva o que já ficou bom. Se o problema persistir, descreva a textura esperada com ainda mais detalhe (cor, padrão, direção da luz).
👀 Erros que mais comprometem o resultado
- Erro 1 — “Tira essa pessoa” sem dizer qual: em fotos com mais de uma pessoa, gera ambiguidade. Correção: descreva posição, roupa ou ponto de referência.
- Erro 2 — Esquecer a sombra: a pessoa some, a sombra fica. Correção: inclua a sombra explicitamente no pedido.
- Erro 3 — Pedir só “limpar o fundo”: vago demais, pode remover algo que você queria manter. Correção: liste especificamente o que deve sair.
- Erro 4 — Recomeçar do zero a cada mancha: perde acertos já alcançados. Correção: corrija na mesma conversa, apontando o local exato.
- Erro 5 — Não conferir de perto: uma mancha pequena passa despercebida numa visualização reduzida. Correção: dê zoom na área reconstruída antes de aprovar.
Prompt fraco vs prompt forte: veja a diferença na prática
Este é o erro mais comum ao remover alguém de uma foto: o prompt vago que deixa a IA decidir o que reconstruir, e o prompt específico que não dá margem para mancha. A diferença aparece exatamente no detalhe que esse guia tenta evitar.
Exemplo 01 — Remover uma pessoa
Tira essa pessoa da foto.
Resultado provável: sem dizer qual pessoa, a IA pode remover a errada ou deixar dúvida sobre qual área reconstruir.
Remove the person standing on the right side of this photo, near the lamp post. Naturally reconstruct the background that was behind them.
Resultado esperado: a pessoa certa removida, com a área ao redor reconstruída de forma específica.
Exemplo 02 — Multidão ao fundo
Limpa o fundo dessa foto.
Resultado provável: “limpar” é vago; a IA pode remover elementos que você queria manter, como um prédio ou uma placa.
Remove all the tourists and people in the background behind the main subject, keeping only the subject in the center. Replace the removed areas by extending the pavement and grass.
Resultado esperado: só as pessoas somem, o resto do cenário permanece.
Exemplo 03 — Corrigir mancha
Ficou uma mancha, conserta.
Resultado provável: sem dizer onde, a correção pode mexer em uma área que já estava boa.
There is a blurry smudge where the person was removed, located on the lower left corner. Reconstruct that specific area to match the surrounding brick wall exactly. Do not change anything else.
Resultado esperado: correção pontual, sem risco de estragar o que já ficou certo.
Exemplo 04 — Remover pessoa com sombra
Apaga essa pessoa.
Resultado provável: a pessoa some, mas a sombra dela no chão fica, denunciando a edição.
Remove the person on the left of this photo, along with their visible shadow on the ground. Reconstruct the ground texture naturally, with no leftover shadow shape.
Resultado esperado: pessoa e sombra removidas juntas, sem vestígio no chão.
Exemplo 05 — Isolar uma pessoa num grupo
Deixa só uma pessoa na fila.
Resultado provável: sem descrever qual pessoa deve ficar, o resultado pode manter a pessoa errada.
Remove every person in this photo except the woman in the pink jacket in the center. Her pose and expression must remain unchanged. Fill the other areas naturally.
Resultado esperado: a pessoa certa preservada, todas as outras removidas e a cena reconstruída ao redor dela.
💡 A regra que resume tudo: uma remoção limpa não é sorte, é instrução completa: quem sai, o que reconstruir, e o que mais sai junto. Prompt vago deixa mancha; prompt específico não deixa vestígio.
Glossário rápido: termos técnicos deste guia
Se algum termo do guia pareceu novo, este glossário resolve em 30 segundos, sem precisar sair da página.
| Termo | O que significa na prática |
|---|---|
| Nano Banana 2 | Nome popular do modelo Gemini 3.1 Flash Image, que gera e edita imagens no Gemini. |
| Inpainting | A técnica de preencher uma área removida de uma imagem com conteúdo que combina com o resto. |
| Prompt de reparo | Um pedido de correção pontual, feito na mesma conversa, em vez de gerar a imagem inteira de novo. |
| Mancha (smudge) | Área borrada ou mal reconstruída que sobra quando a remoção não é bem-sucedida. |
| Photobomber | Pessoa que aparece sem querer na foto de outra pessoa, geralmente ao fundo. |
FAQ: dúvidas reais sendo respondidas 🔍
Como evito manchas ao remover uma pessoa da foto?
Peça explicitamente para “reconstruir naturalmente” a área, combinando grão, foco e luz com o resto da foto, e descreva a textura esperada (parede, grama, céu). Se mesmo assim sobrar uma mancha, corrija na mesma conversa apontando o local exato, em vez de gerar tudo de novo.
Por que a sombra da pessoa continua aparecendo mesmo depois de removê-la?
Porque a sombra é um elemento separado do corpo da pessoa, e a IA só remove o que você pede explicitamente. Inclua “along with their visible shadow” no prompt para que ela saia junto.
O Gemini consegue remover uma marca d’água da foto?
Não. Essa é uma limitação da ferramenta, relatada por quem a usa com frequência, e preserva os direitos de quem tirou a foto originalmente.
Posso remover qualquer pessoa de qualquer foto?
Tecnicamente sim, mas o uso responsável é limpar suas próprias fotos pessoais, como um estranho que passou no quadro. Remover alguém de uma foto que documenta um evento real e importante reescreve visualmente um registro, o que é diferente de uma edição estética.
Preciso descrever a pessoa com muito detalhe?
Quanto mais específico (posição na imagem, cor da roupa, um ponto de referência próximo), menor a chance de a IA remover a pessoa errada ou deixar parte dela na imagem.
Conclusão: uma remoção limpa é uma instrução completa, não um prompt curto 🙌
A mancha que sobra depois de remover alguém de uma foto quase nunca é um limite da ferramenta. É um pedido incompleto: faltou dizer o que reconstruir, ou esquecer que a sombra também precisa sair.
O ganho é direto: a foto do monumento sem o estranho ao fundo, a foto de família sem quem entrou no quadro, sem precisar esperar o lugar esvaziar ou cortar o enquadramento que você queria. O limite também é real: use para limpar suas próprias fotos, não para apagar alguém de um registro que documenta um fato real.
O próximo passo é simples: escolha uma foto com uma pessoa fácil de descrever, teste o A-01, e dê zoom no resultado antes de aprovar. Só depois avance para multidões e correções mais finas.
No fim, a foto perfeita não é a que nunca teve ninguém no fundo. É a que ficou assim depois de uma instrução bem dada.
Participe da comunidade: escrevi este guia com a intenção de entregar valor de verdade, da forma mais simples que encontrei. Se ele te ajudou, a melhor maneira de retribuir é compartilhando sua opinião.
Me conta nos comentários: qual foto você vai limpar primeiro, e sobrou alguma mancha para você corrigir com os comandos de atalho? Vou amar saber o resultado :))
ps: obgda por chegar até aqui, é importante pra mim.
