Escribiste una frase que te dejó contento. Lo que volvió es parecido a ella: la idea general correcta, equivocada en cuatro puntos concretos. El color del cabello se pasó al vestido. El cuarto es el lobby de un hotel en vez de un departamento. Nadie está parado donde dijiste.
El reflejo en ese momento es agregar palabras. Más adjetivos, más "alta calidad", más insistencia. Eso casi nunca funciona, porque el problema normalmente no es que dijiste poco: es que el modelo leyó tu frase de otra manera a como la leería una persona.
Esta guía cierra ese hueco: qué hace un modelo de texto a imagen con tus palabras, cómo traducir una sensación en algo renderizable y cómo trabajar hacia atrás desde una imagen mala hasta la frase que la causó. Aplica a cualquier herramienta: practica en nuestro generador de imágenes en modo invitado o donde quieras.
Qué hace el modelo en realidad con tu frase
No lee tu prompt. Lo convierte en una nube de conceptos y después jala la imagen hacia todos ellos al mismo tiempo. Tres consecuencias explican casi todos los resultados decepcionantes:
La gramática casi no sobrevive. "Una mujer le pasa una copa a un hombre" y "un hombre le pasa una copa a una mujer" aterrizan casi en el mismo lugar. El orden de las palabras pesa; la sintaxis —quién le hace qué a quién— en general no. Mejor un solo sujeto por imagen.
La negación no existe. "Sin lentes" contiene el concepto lentes, así que los lentes se vuelven más probables, no menos. Cada sustantivo es un pedido. Describe la presencia: "rostro despejado, cabello recogido".
Los atributos se filtran. Esta es la que sorprende a la gente. En "mujer adulta de cabello rojo con vestido de seda verde, aretes dorados", el modelo sabe que el rojo, el verde y el dorado están en juego, pero está borroso sobre cuál pertenece a qué. Te sale cabello verde, o aretes rojos, o un vestido dorado. La mala asignación de atributos es la causa número uno de "ignoró mi prompt".
Tres hábitos arreglan la mayor parte: mantén cada adjetivo pegado a su sustantivo, parte la descripción en cláusulas cortas separadas por comas en vez de una oración larga, y limítate a dos o tres colores por imagen. Un prompt con seis colores es un prompt pidiendo que lo revuelvan.
La prueba de la cámara: convertir intención en descripción
Casi todos los prompts flojos son flojos porque describen una situación y no una fotografía. "Me estuvo esperando toda la noche y no está nada feliz por eso" es una historia. Un modelo no puede renderizar antecedentes, un estado de ánimo en abstracto ni el paso del tiempo.
Así que aplica la prueba de la cámara: si una cámara no lo puede registrar, no va en el prompt. Convierte cada intangible en un hecho visible.
| Lo que quieres decir | Lo que ve una cámara |
|---|---|
| Lleva un rato esperando | abrigo todavía puesto, un zapato quitado, copa de vino a medias, mirando hacia la puerta |
| Es un momento íntimo | encuadre cerrado, una sola lámpara cálida, sombras suaves, mirada al lente |
| Ella tiene seguridad | mentón nivelado, hombros atrás, manos relajadas a los costados, contacto visual directo |
| Gustos caros | seda, líneas entalladas, superficie de mármol, luz dorada baja |
| Muy noche | ventana oscura, la lámpara como única fuente de luz, reflejos en el vidrio |
Dos cosas que vale declarar en absolutamente todos los prompts, sin excepción. Primero, el encuadre: "primer plano", "retrato de medio cuerpo", "plano de cuerpo completo", porque sin una palabra de encuadre el modelo adivina, y así es como terminan cabezas cortadas. Segundo, que tu sujeto es una mujer adulta de veintitantos, treinta y tantos, lo que quieras decir. El lenguaje vago sobre la edad produce caras vagas y es la vía más rápida para que te rechacen una generación en cualquier plataforma, la nuestra incluida.
Cuánto detalle es suficiente
Más detalle ayuda hasta que empieza a competir. Cada casilla tiene su punto justo:
| Casilla | Muy vago | Más o menos justo | Demasiado |
|---|---|---|---|
| Sujeto | "una chica" | "mujer adulta, casi 30, cabello oscuro largo" | "mujer adulta, 27, cabello oscuro, ojos café, pecas, hoyuelos, cicatriz pequeña, tres anillos" |
| Vestuario | "vestido bonito" | "vestido lencero de satén esmeralda, tirantes finos" | "vestido de satén esmeralda, borde de encaje, botones de perla, cinturón a juego, capa transparente, botas" |
| Escenario | "un cuarto" | "departamento en penumbra, cama deshecha, ventana a la izquierda" | "departamento con libreros, plantas, pósters, laptop, tazas de café, guitarra, gato" |
| Luz | (omitida) | "una sola lámpara cálida desde la izquierda" | "luz de velas y flash de estudio y hora dorada" |
| Estilo | "buena calidad" | "foto cinematográfica, poca profundidad de campo" | "cinematográfico, anime, pintura al óleo, render 3D, fotorrealista" |
El patrón de la columna derecha: cada sustantivo extra es otro objeto al que el modelo debe hacerle lugar, así que el detalle pasado cierto punto no afila la imagen, la satura. Aproximadamente un detalle fuerte y poco común por casilla le gana a cinco ordinarios: "una uña roja despostillada" hace más por el realismo que "manos hermosas, piel perfecta, impecable".
Y nunca mezcles dos familias de estilo. "Anime cinematográfico" es un pedido de promedio turbio entre las dos.
Leer la imagen que te salió
La forma más rápida de mejorar es dejar de adivinar reescrituras y diagnosticar hacia atrás. Casi cada falla apunta a algo específico en tu texto:
| Lo que estás viendo | Qué de tu texto lo causó | Arreglo |
|---|---|---|
| Colores en los objetos equivocados | Fuga de atributos: adjetivos demasiado lejos de su sustantivo | Adjetivo pegado al sustantivo; menos colores |
| Lo que excluiste está ahí | Negación ("sin", "no") | Describe lo que sí está presente |
| Cabeza cortada, composición rara | Falta palabra de encuadre | Declara el tipo de plano al inicio |
| La mitad del prompt ignorada | Prompt muy largo; palabras clave al final | Mueve lo importante a las primeras diez palabras |
| Cara plástica, aerografiada | "hermosa, perfecta, impresionante, impecable" | Sustantivos concretos; agrega textura de piel y luz real |
| Parece foto de banco de imágenes | Solo sustantivos genéricos: "cuarto", "vestido", "sonrisa" | Un detalle específico y un poco extraño |
| Dos personas cuando querías una | Frase en plural o ambigua, "espejo", "reflejo" | Di "una sola mujer, sola en el cuadro" |
| Letras deformes en un letrero o playera | Pediste texto legible | No lo hagas: los modelos no saben escribir de forma confiable |
Después cambia una casilla por generación. Reescribir todo de golpe es la razón por la que la gente quema veinte intentos y termina prefiriendo el resultado número dos: ninguna corrida les enseñó nada. Además, copia cada prompt en una app de notas antes de regenerar: la caja de texto suele ser tu único registro, y la versión que te gustó desaparece en el instante en que la sobrescribes.
Si tus prompts van por lo explícito, la estructura es idéntica pero cambian los modos de falla: nuestra guía del generador de imágenes NSFW cubre ese extremo en específico.
Cuando escribir un prompt es la herramienta equivocada
A veces no tienes una imagen en la cabeza que describir. Tienes un estado de ánimo, y escribir un prompt desde cero se siente como tarea escolar.
| Lo que quieres | Mejor camino |
|---|---|
| Una imagen precisa que ya puedes visualizar | Escríbela tú en /generate |
| Una foto que encaje en una conversación en curso | Pídesela a un personaje en medio del chat |
| Ideas antes de gastar un intento | Recorre la galería y haz ingeniería inversa de lo que funcionó |
La fila del medio es la parte difícil de replicar con una caja de prompt. Intimora tiene seis personajes, y cuando le pides una foto a una de ellas la imagen se construye a partir de la escena en la que realmente estás, no de una selfie al azar sacada de una carpeta. Pídele a Ayaka, decana de literatura de 36 años, una foto mientras está en su oficina de noche y obtienes esa oficina y esa luz. Pídele a Naomi, ilustradora de fantasía de 22 años con cabello azul aguamarina, una foto a media ilustración y obtienes el dibujo. La conversación escribe el prompt por ti. Desarmamos ese mecanismo en novia IA que envía fotos, y el lado conversacional en chat IA sin censura. Si primero estás comparando plataformas, mejores apps de novia IA explica cómo maneja cada una las imágenes.
Un límite duro
Todo lo de arriba es texto a imagen: personajes ficticios adultos, traídos a la existencia por descripción. Aquí no hay campo para subir archivos ni forma de editar una fotografía, y eso es deliberado, no algo a medio terminar: las herramientas que operan sobre fotos de personas reales son un problema legal vestido de función, en Estados Unidos y cada vez más en todas partes.
En la práctica, además, la descripción es simplemente mejor. Un personaje que escribiste con palabras es un personaje que puedes ajustar, volver a correr y refinar casilla por casilla. Ese control es toda la razón por la que vale la pena aprender texto a imagen.
FAQ
¿Necesito una cuenta para generar una imagen a partir de texto? No. El modo invitado en /generate te da una caja de prompt y algunas imágenes gratis sin correo, sin contraseña y sin tarjeta. La página te muestra cuántas te quedan antes de gastarlas.
¿Por qué el mismo prompt da una imagen distinta cada vez? La generación arranca de ruido aleatorio y, sin una semilla fija, cada corrida toma un camino diferente por tu descripción. Úsalo a tu favor: volver a correr el mismo prompt sin cambios dos o tres veces suele encontrar una composición mejor que una reescritura.
¿De qué largo debe ser mi prompt? Veinticinco a cincuenta palabras cubren casi todo. Pasado eso, las palabras finales compiten con las iniciales y el modelo empieza a soltar detalles. Si un prompt se siente largo, recorta adjetivos, no sustantivos.
¿Puedo subir una foto como referencia en lugar de describirla? No, el generador es solo de texto por diseño. Describe cabello, complexión, vestuario, pose, escenario y luz con palabras, y tendrás más control del que te habría dado una imagen de referencia.
¿Por qué las caras y las manos salen peor que todo lo demás? Las dos son cosas que los humanos inspeccionan de cerca y que el modelo renderiza a partir de un promedio, así que los errores pequeños se leen como obvios. El encuadre ayuda más que los adjetivos: los planos más cercanos le dan al modelo más píxeles para una cara, y manos relajadas o fuera de cuadro le ganan a manos haciendo algo complicado.
¿Qué no puede hacer el modelo, por bien que escriba el prompt? Texto legible en imágenes, conteos exactos de objetos, anatomía precisa en poses complejas y relaciones consistentes entre varias personas. Escribe alrededor de estas limitaciones, no hacia ellas: un solo sujeto, pose simple, sin letreros.