La primera vez que utilizas IA para generar imágenes, lo que suele bloquearte no es el botón, sino tres preguntas: ¿empezar con texto o subir una imagen de referencia?, ¿qué tan detallado debe ser el prompt?, y si el primer resultado no es satisfactorio, ¿qué debes cambiar exactamente?

En este artículo, utilizamos PixPix para desarrollar un proceso repetible de generación de imágenes mediante IA. Comenzarás definiendo el propósito y el formato de la imagen, redactando un prompt que incluya la lente, el sujeto principal, el entorno, la iluminación y el estilo; luego, a través de un caso práctico sobre un altavoz portátil original, aprenderás cómo seleccionar los resultados, realizar correcciones de una sola variable y aprovechar las imágenes generadas para seguir editándolas o incorporarlas en producciones videográficas.

El caso práctico y los prompts han sido rediseñados específicamente para este artículo; actualmente se emplean únicamente para explicar el método y no representan resultados reales obtenidos con modelos particulares.

Conclusión rápida: primero decide dónde vas a utilizar la imagen

Una “imagen AI atractiva” no siempre es una “imagen AI utilizable”. Antes de comenzar la generación, responde primero cuatro preguntas:

1. ¿La imagen será usada como foto principal de producto, contenido en redes sociales, portada de artículo o banner?

2. ¿Cuál es el elemento principal dentro de la composición?

3. ¿Qué información visual debe permanecer constante, como la forma del producto, la identidad de la persona o los colores de la marca?

4. ¿Se utilizará directamente la imagen generada, o requerirá posterior edición, ampliación o conversión a video?

Estas respuestas determinarán si debes optar por generación desde texto o desde imagen, qué formato elegir y cuál será la información más precisa que debes incluir en el prompt.

Orden recomendado: definir el propósito → elegir la ruta de generación → fijar el formato → redactar el primer borrador del prompt → seleccionar la estructura → modificar solo una variable principal a la vez.

Elegir entre generación desde texto o desde imagen

La página oficial de PixPix ofrece actualmente tanto generación desde texto como desde imagen: la generación desde texto parte de una descripción escrita, mientras que la generación desde imagen permite subir una imagen de referencia, un boceto o una captura de pantalla, permitiendo que el resultado mantenga la estructura, la composición o el estilo de la imagen original.

Cuando no hay un objeto específico, comienza con generación desde texto

Cuando exploras nuevos personajes, escenarios conceptuales, portadas de artículos o ideas para productos ficticios, el texto suele ser suficiente. En estos casos, lo importante es desglosar la “idea” en información visual que la IA pueda interpretar, en lugar de preparar primero una imagen de referencia.

Por ejemplo, “crear una imagen publicitaria con fuerte atmósfera veraniega” sigue siendo demasiado abstracto. La IA no sabe cuál es el sujeto principal, dónde está ubicado, cómo es la iluminación ni a qué distancia se encuentra la cámara. Convertirlo en objetos, ambientes y luces concretos facilitará obtener resultados más claros y evaluables.

Cuando se requiere consistencia, prioriza usar una imagen de referencia

Si la imagen debe conservar algún producto real, la apariencia de una persona, una postura, la estructura de un boceto o una composición ya existente, conviene optar por la generación desde imagen o por métodos que admitan imágenes de referencia.

Una imagen de referencia no garantiza que el resultado sea idéntico. Tras la generación, aún es necesario verificar:

• ¿Han cambiado el contorno, el color o el material del producto?

• ¿La cara, la ropa y los accesorios mantienen su identidad?

• ¿La composición sigue la relación de referencia?

• ¿Se han modificado los textos o logos presentes en la imagen de referencia?

• ¿El estilo del fondo ha influido en el sujeto principal?

Si la consistencia es un requisito estricto, el prompt debe especificar claramente qué aspectos deben mantenerse sin cambios, en lugar de limitarse a describir únicamente lo que se desea añadir.

Establecer un objetivo de generación mediante un caso práctico original

En este artículo planteamos un concepto visual ficticio para un nuevo producto veraniego: un altavoz portátil Bluetooth, sin marca, de color naranja coral y con bordes redondeados, situado sobre una mesa de piedra caliza blanca junto a una piscina de tono azul claro. Al atardecer, la luz solar incide oblicuamente desde la izquierda; sobre la mesa se observan algunas gotas de agua, mientras que el fondo mantiene sutilmente las ondas superficiales del agua, logrando una estética fresca y moderna propia de la fotografía comercial.

Esta imagen está pensada para anunciar un nuevo producto en redes sociales; por ello, se opta inicialmente por un encuadre vertical y se deja espacio en la parte superior del elemento principal para futuros ajustes de diseño. En la composición no deben aparecer logotipos de la marca, textos de embalaje, otros productos electrónicos ni manos de personas.

Primero dividamos los objetivos en dos tipos de restricciones:

Esta división evita que el texto de instrucciones se vuelva cada vez más extenso. La información que debe permanecer estable debe aparecer claramente; mientras tanto, las partes susceptibles de exploración permiten al modelo cierta flexibilidad.

Nota: En el punto de partida del caso solo se mantienen la piscina, la encimera de piedra caliza, la posición de la cámara y la luz cálida a la izquierda, proporcionando así restricciones ambientales claras para añadir posteriormente el producto.

Escribimos las instrucciones en cinco módulos verificables

En lugar de acumular adjetivos abstractos como “sofisticado”, “asombroso” o “perfecto”, conviene asignar a cada expresión una tarea visual específica. Una estructura adecuada para principiantes sería:

Cámara y encuadre + Elemento principal y características + Entorno y ubicación + Iluminación y atmósfera + Estilo visual.

Nota: Los números 1–5 corresponden respectivamente a cámara y encuadre, elemento principal, entorno, iluminación y estilo visual; las explicaciones numéricas se incluyen en el texto principal para evitar sobrecargar la imagen con largas descripciones.

La cámara y el encuadre determinan cómo se compone la escena

“Primer plano”, “medio plano”, “plano cenital”, “plano frontal”, “elemento principal centrado” y “espacio en blanco en la parte superior” influyen directamente en la organización de la imagen. Si la imagen requiere colocar un título o botones, conviene reservar ese espacio durante la fase de generación, en lugar de recortar forzosamente el elemento principal al final.

El elemento principal y sus características definen qué hay en la escena

Primero mencionamos el sustantivo, luego añadimos las formas, materiales y colores que realmente afectan su identificación. Por ejemplo:

Un altavoz portátil Bluetooth sin marca, de color naranja coral, con cuerpo rectangular y esquinas redondeadas, cubierto por una fina malla textil y con un único botón discreto en la parte superior.

“Sin marca” únicamente reduce la probabilidad de que aparezcan logos aleatorios; tras la generación, aún es necesario verificar que no surjan textos falsos ni gráficos similares a logos.

El entorno y la ubicación definen las relaciones espaciales

El entorno no es solo el nombre del fondo; también debe especificar cómo interactúa el elemento principal con el espacio. En este caso, “colocado sobre una encimera de piedra caliza junto a la piscina” resulta más preciso que “fondo de piscina”, pues aclara simultáneamente la superficie, la posición y la relación de contacto.

La iluminación y la atmósfera aseguran la coherencia estética

Describimos de dónde proviene la luz, si es suave o dura, y si el ambiente tiende más hacia lo frío o lo cálido. Por ejemplo: “La cálida luz del atardecer incide desde la izquierda, dejando una sombra suave y corta hacia la derecha y atrás del altavoz”. Esto resulta más fácil de comprobar que simplemente escribir “iluminación cinematográfica”.

El estilo visual se reserva para el cierre final de la descripción.

El estilo puede ser “fotografía comercial moderna”, “fotografía editorial fresca” o “ilustración suave en técnica de papel recortado”. Evita incluir en la misma frase de instrucción expresiones que compitan entre sí, como fotografía, pintura al óleo, renderizado 3D y película retro.

Realiza la primera generación en PixPix

Ingresa a Generador de imágenes y videos con IA de PixPix, comenzando este caso por “generar imagen a partir de texto”. Las configuraciones disponibles pueden variar según el modelo; las opciones reales estarán sujetas al panel de generación actual.

Primero selecciona un formato adecuado para el lugar de publicación

El formato debe adaptarse al uso final, en lugar de decidirlo después de generar la imagen:

• Formato vertical: más adecuado para contenido en redes sociales móviles y carteles de personas;

• Formato cuadrado: ideal para contenidos que requieren compatibilidad con múltiples formatos de feed;

• Formato horizontal: mejor para portadas de blogs, banners web y presentaciones.

En este caso, el objetivo es anunciar un nuevo producto en redes sociales, por lo que se recomienda usar un formato vertical. Si posteriormente también se va a crear una portada para blog, puedes generar una versión horizontal una vez que la composición esté estable; no llenes mecánicamente los lados de la imagen vertical.

Utiliza la primera versión completa de la frase de instrucción

Frase de instrucción original del caso

Fotografía comercial de producto en primer plano y medio plano, con un espacio vacío sencillo en la parte superior. Un altavoz portátil Bluetooth de color naranja coral, sin marca, con cuerpo rectangular de bordes redondeados, malla textil fina y botones discretos en la parte superior, colocado completamente sobre una mesa de piedra caliza blanca junto a una piscina de agua azul clara. La mesa presenta algunas gotas de agua bien definidas, mientras que el fondo muestra ondas sutiles y suaves en la superficie del agua. A la atardecer, la luz cálida del sol incide desde la izquierda, creando una sombra corta y natural en la parte trasera derecha del altavoz; el cuerpo naranja coral exhibe reflejos luminosos moderados. Fotografía comercial moderna y limpia, con materiales auténticos y una imagen despejada, sin presencia de personas, logotipos, texto de embalaje ni otros dispositivos electrónicos.

Esta es una frase de instrucción escrita específicamente para el caso original de este artículo; no corresponde a la frase original de algún artículo de referencia ni implica que ningún modelo la siga literalmente.

En la primera ronda, observa primero la estructura; no te apresures a detallar cada elemento.

Tras la generación, reduce primero la vista para evaluar el conjunto y revisa uno por uno:

1. ¿Se reconoce fácilmente el altavoz a simple vista?;

2. ¿Está el objeto principal recortado o oculto?;

3. ¿Es suficiente el espacio en blanco superior para la posterior maquetación?;

4. ¿La relación espacial entre la mesa, la piscina y el altavoz es coherente?;

5. ¿La dirección de la luz y las sombras producidas son naturales?;

Si en la primera ronda la composición está correctamente orientada, vale la pena seguir ajustándola. No abandones rápidamente un resultado bien estructurado solo porque un botón no quedó perfectamente detallado.

Nota: Esta imagen didáctica mantiene la coherencia entre el producto, el escenario y la dirección de la luz, pero el objeto principal resulta demasiado pequeño y el primer plano ocupa una proporción excesiva; es adecuada para demostrar cómo corregir únicamente la distancia del objetivo y la proporción del sujeto.

Modifica solo una variable principal a la vez

Cuando el resultado generado se aleja del objetivo, identifica primero a qué tipo de problema corresponde y luego modifica la frase correspondiente.

Por ejemplo, si el sujeto es demasiado pequeño, basta con cambiar el inicio por:

Fotografía de producto en primer plano vertical; el altavoz ocupa aproximadamente la mitad de la altura de la imagen, dejando espacio en blanco en la parte superior.

El resto del contenido relacionado con los materiales, el entorno y la iluminación se mantiene sin cambios por ahora. De este modo resulta más fácil determinar cuál de las modificaciones ha provocado el cambio.

Nota: La versión corregida amplía el sujeto y mantiene el espacio en blanco superior; la carcasa naranja coral del altavoz, la malla textil, las zonas oscuras de contacto y la sombra proyectada en la parte trasera derecha forman juntas un foco visual claro.

No conviene incluir todos los errores en las indicaciones negativas

“Sin desenfoque, sin deformación, sin aspecto feo, sin baja calidad” no sustituye a una descripción positiva clara. Las restricciones negativas deben dirigirse a riesgos reales; por ejemplo, en este caso, “no incluir personas, logotipos, texto del embalaje u otros elementos electrónicos”.

Si el modelo sigue interpretando mal el sujeto, lo más eficaz suele ser simplificar la descripción del conflicto, ajustar la información sobre la cámara o recurrir a imágenes de referencia, en lugar de seguir añadiendo negaciones.

Seleccionar de entre las imágenes candidatas aquella que merezca continuar siendo editada

No conviene elegir únicamente el resultado con más detalles. Un orden de selección más práctico sería:

1. Identidad del sujeto y composición general;

2. Relación entre contacto, perspectiva e iluminación;

3. Materiales y colores;

4. Pequeños adornos, bordes y defectos locales.

Los errores en la composición y el sujeto suelen implicar la necesidad de volver a generar la imagen; mientras que pequeños problemas como textos falsos, formas de gotas de agua o imperfecciones en los bordes son más adecuados para ediciones locales posteriores.

La página oficial de PixPix aún muestra capacidades de edición de imágenes como retoques locales, ampliación de imágenes, sustitución de fondos y mejora de la calidad. Una vez establecida la estructura final de la imagen, es posible seguir corrigiendo detalles, ampliar el encuadre o mejorar la calidad; y si se desea crear contenido dinámico, también se puede utilizar una imagen fija como punto de partida para posteriores creaciones de video mediante IA.

Nota: El conjunto de tres imágenes muestra, de izquierda a derecha, el punto inicial de la escena, los problemas detectados en la primera ronda y el objetivo de corrección. La comparación se centra en la proporción del sujeto y en los niveles de la composición, sin tomar las imágenes simuladas didácticas como mediciones reales del modelo.

Un conjunto de plantillas de palabras clave reutilizables

Plantilla genérica

【Composición y lente】: el foco visual principal de la imagen es el 【sujeto】, que posee 【color, forma, material y movimiento】. El sujeto se encuentra en un 【entorno y posición específica】, estableciendo una 【relación de contacto o espacial】 con la 【superficie u otros objetos】. Se emplea luz procedente de la 【dirección】 con características de 【calor/frío y dureza/blandura】, generando así 【reflejos y sombras】. En conjunto, se mantiene un 【estilo visual único】, preservando el 【espacio tipográfico o la composición clave】, sin incluir elementos de distracción 【directamente relacionados con la tarea】.

Al completar la plantilla, priorice conservar aquellas palabras que modifiquen la imagen. Si al eliminar una palabra el objetivo de la imagen no se ve afectado, esa palabra generalmente no es información esencial.

Preguntas frecuentes

¿Cuanto más largo sea el término de búsqueda, mejor?

No. Los términos de búsqueda deben abarcar las decisiones visuales clave, pero su longitud en sí misma no garantiza un mayor control. La repetición de adjetivos, estilos contradictorios y conceptos abstractos poco claros pueden incluso diluir el foco principal.

¿Se pueden usar directamente los términos de búsqueda en chino?

Puede comenzar utilizando el idioma que le resulte más fácil de expresar con precisión. Lo importante es describir claramente el encuadre, el sujeto, el entorno, la iluminación y el estilo, y verificar cómo interpreta el modelo seleccionado dicha descripción. Si el resultado repite malinterpretaciones sobre algún término, intente sustituirlo por una expresión sinónima más específica.

¿Se puede generar una imagen de producto sin ninguna referencia gráfica?

Es posible crear imágenes conceptuales de productos ficticios; sin embargo, si se busca reproducir fielmente la apariencia, el color y los detalles de un producto real disponible en el mercado, suele ser difícil mantener su identidad de manera consistente basándose únicamente en texto. En estos casos, suba una referencia gráfica clara del producto y verifique punto por punto la correspondencia.

¿Por qué la misma frase de búsqueda produce resultados diferentes?

La generación de imágenes mediante IA implica un componente exploratorio, por lo que una misma descripción puede dar lugar a composiciones y detalles variados. Es más controlable escribir con claridad la información que debe permanecer constante y utilizar referencias gráficas o conservar los resultados ya consolidados para realizar ajustes locales, en lugar de empezar desde cero una y otra vez.

¿Cuándo conviene ampliar la imagen?

Primero confirme la composición, el sujeto, la iluminación y los materiales, y luego proceda a mejorar la calidad de la imagen. Ampliar puede mejorar el tamaño de salida y algunos detalles, pero no corrige automáticamente relaciones espaciales erróneas ni la estructura del producto.

Resumen

La generación de imágenes mediante IA no consiste en redactar de una sola vez un término de búsqueda “perfecto”, sino en dividir la creación en una serie de decisiones que pueden evaluarse:

Definir el propósito → Elegir entre generación por texto o referencia gráfica → Fijar el formato de la imagen → Describir el encuadre, el sujeto, el entorno, la iluminación y el estilo → Refinar la estructura → Realizar ajustes univariados → Edición localizada y salida final.

Al utilizar PixPix por primera vez, puede seguir directamente esta plantilla para crear una imagen conceptual. Si la tarea involucra productos reales o personajes específicos, prepare desde el principio referencias gráficas, enumere los requisitos de consistencia como puntos de verificación y luego avance hacia el proceso de generación y edición.