El mayor valor de la referencia en la generación de imágenes no radica en que la IA “pinte según lo indicado”, sino en convertir en restricciones visibles aquellos aspectos —como el sujeto, la postura, la composición o la dirección visual— que resultan difíciles de expresar con palabras. Para lograr resultados estables, las instrucciones deben responder simultáneamente a dos preguntas: qué elementos deben mantenerse y qué elementos pueden variar.

La imagen adjunta es un material ilustrativo original creado para este tutorial, generado por Codex; no corresponde a una comparativa entre modelos PixPix ni a pruebas reales realizadas en la plataforma. Las descripciones de funciones de PixPix provienen de la página pública actual; las limitaciones de entrada, los tamaños y las opciones de cada modelo y de la interfaz actual deben tomarse como referencia según la página correspondiente.

Conclusión rápida: primero escriba los elementos que deben conservarse y luego los que pueden modificarse.

Una solicitud ejecutable de generación de imágenes puede resumirse en esta fórmula:

Personaje de la imagen de referencia + Identidad/estructura/composición obligatorias a preservar + Objetos únicamente modificables + Escena o estilo objetivo + Iluminación y proporciones + Prohibición de añadir contenido nuevo.

Si en una sola instrucción se pide cambiar al mismo tiempo el personaje, la acción, el encuadre, el fondo y el estilo, será muy difícil para el modelo determinar cuál es el punto de referencia. Una opción más segura consiste en modificar solo una variable principal en cada ronda, utilizando como referencia la imagen confirmada en la ronda anterior.

¿Qué puede controlar realmente la imagen de referencia?

PixPix actualmente disponible al públicoEntrada de generación de imágenes a partir de imágenesPermite subir imágenes de referencia, bocetos o capturas de pantalla, para que el modelo genere nuevas imágenes basándose en la estructura, la composición y el estilo de la imagen original; ideal para ampliar estilos, cambiar personajes, expandir escenas de productos y explorar visualmente.

Sujeto e identidad

La forma del rostro, el peinado, la vestimenta y la complexión de las personas, así como el contorno, el color, el material y las estructuras clave de los productos, constituyen variables inalterables del sujeto. No basta con decir simplemente “mantener la coherencia”; es necesario enumerar detalladamente cada característica observable.

Postura y composición

Las imágenes de referencia son más eficaces que el texto para expresar la posición de los personajes, la dirección de la mirada, la altura del encuadre, la proporción del sujeto y las relaciones entre los objetos. Si estas relaciones deben preservarse, indíquese claramente: “mantener la misma postura, altura del encuadre, escala del sujeto y recorte de la imagen”.

Estilo e iluminación

La imagen de referencia también puede limitarse a definir la dirección visual: colores, texturas, materiales, iluminación o diseño de la composición. En estos casos, debe especificarse claramente que se trata de una “referencia de estilo”, evitando que el modelo incorpore también a los personajes o productos presentes en la imagen de referencia en el resultado final.

Caso original: ciclista urbano Lin

En este ejemplo se crea un personaje ficticio llamado Lin, cuyas características base son:

• Mujer de origen oriental, de unos veintitantos años, con cabello negro de longitud media;

• Chaqueta ligera de color azul cobalto, pantalones rectos gris oscuro y zapatillas blancas de caña baja;

• Casco de ciclismo en tono coral mate;

• Sujeta una bicicleta urbana plateada;

• Tanto el cuerpo completo como la bicicleta entera aparecen dentro del encuadre, con la perspectiva y la dirección de la mirada fijas.

Esta imagen base incluye información sobre la identidad, la vestimenta, la postura, los accesorios y la composición. Si posteriormente solo se desea cambiar el estilo, no conviene modificar la disposición del fondo; si solo se quiere cambiar la escena, tampoco es recomendable alterar la ropa ni la acción.

Pasos operativos: desglose de la solicitud en una variable a la vez

Primero: asignar un rol a cada imagen de referencia

Cuando se suben varias imágenes juntas, evite dejar que el modelo intuya:

• Referencia a la figura A: identidad del sujeto y vestimenta;

• Referencia a la figura B: postura y composición;

• Referencia a la figura C: color, textura o estilo de ilustración.

Incluso si solo hay una imagen, en el prompt debe especificarse qué aspecto corresponde a cada elemento. Cuanto más clara sea la descripción del personaje, menor será el riesgo de conflictos.

Segundo paso: redactar los invariantes verificables

En el caso de Lin, el invariante no es “la misma persona”, sino:

Mantener inalterados los rasgos faciales del personaje, el cabello negro de longitud media, el abrigo azul cobalto, el casco color coral, los pantalones gris oscuro, los zapatos blancos, la postura con las manos sobre el manillar, la estructura plateada de la bicicleta, así como la composición global y el ángulo de visión.

Para los productos, esto puede reemplazarse por: “mantener inalteradas la proporción entre largo y ancho del frasco, la estructura de la tapa, la posición de la etiqueta, el material, el color y el logotipo”.

Tercer paso: describir únicamente lo que se modificará en esta ronda

Primero, decida a qué categoría pertenece esta ronda:

• Cambiar únicamente el estilo de renderizado;

• Cambiar únicamente el fondo y la hora del día;

• Cambiar únicamente la vestimenta o un objeto específico;

• Ampliar únicamente el lienzo;

• Corregir únicamente errores locales.

No realice todas estas tareas de una sola vez. Obtenga primero una versión con una estructura estable y luego continúe con la siguiente ronda.

Ejemplo uno: cambiar únicamente el estilo

Instrucción de ejemplo:

Convertir la imagen de referencia en una ilustración editorial contemporánea de grabado en relieve. Mantener inalterados los rasgos faciales de Lin, las proporciones corporales, la expresión, el abrigo azul cobalto, el casco color coral, los pantalones gris oscuro, los zapatos blancos, la postura erguida, la bicicleta plateada, el ángulo de la cámara y el encuadre; cambiar únicamente el modo de renderizado. Utilizar colores azul cobalto, coral, gris oscuro y tonos cálidos de papel, preservando la trama puntillista y una ligera sensación de superposición de colores. No añadir personas, texto ni marcas.

El verbo central aquí es “cambiar únicamente el modo de renderizado”. Los objetivos estilísticos pueden ser específicos, pero no deben exigir simultáneamente un cambio de escena ni un rediseño completo de la vestimenta.

Ejemplo dos: cambiar únicamente el fondo y la iluminación

Instrucción de ejemplo:

Transformar el entorno en un sendero para ciclistas junto a la orilla del río tras una lluvia ligera, durante el crepúsculo azulado. Cambiar únicamente el fondo y la luz ambiental; mantener inalteradas la identidad del personaje, el peinado, el casco color coral, el abrigo azul cobalto, los pantalones gris oscuro, los zapatos blancos, las proporciones corporales, la posición de las manos, la estructura de la bicicleta, la postura, la escala del sujeto y el encuadre de la imagen. La superficie de la carretera presenta un leve reflejo húmedo, mientras que las luces lejanas de la ciudad aparecen difuminadas; no añadir peatones ni otras bicicletas.

Cuando la “sustitución del fondo” impide incluso cualquier variación en la iluminación del personaje, el resultado tiende a parecer un simple collage. Una forma más razonable sería permitir que la luz ambiental influya en el sujeto, pero mantener fijas la identidad del personaje, los colores de la vestimenta y la estructura.

Cuándo modificar toda la imagen y cuándo realizar correcciones locales

Si la dirección general no es adecuada —por ejemplo, si el estilo, el encuadre o la escena no coinciden con lo esperado—, suele ser más eficiente volver a generar desde cero. En cambio, si el 80 % ya está correcto y solo quedan problemas en las manos, los bordes, el texto o algún pequeño objeto, conviene utilizar las herramientas de retoque local o edición de imágenes disponibles públicamente en PixPix, evitando así tener que volver a procesar toda la imagen y provocar nuevos desvíos.

Página de PixPix de GPT Image 2Explica públicamente que se puede comenzar a partir de un prompt o de una imagen de referencia, y que es útil para imágenes de productos, carteles, diseño de texto y series visuales de diferentes tamaños;La página de PixPix de Seedream 5.0 Prodestaca, en cambio, la importancia de especificar claramente en las instrucciones de edición el objetivo, las acciones, el diseño, el estilo, la iluminación y los elementos invariables. La elección concreta debe basarse en la tarea actual y en las capacidades reales de la interfaz, en lugar de aplicar un modelo fijo a todos los proyectos.

Errores comunes y cómo corregirlos

Error uno: escribir únicamente “igual que la imagen original”

La expresión “igual” no establece prioridades. Es necesario enumerar uno por uno aspectos como el rostro, la vestimenta, la estructura del producto, la postura o el encuadre, para que el modelo pueda identificar qué cambios constituyen un fallo.

Error dos: las imágenes de referencia se contradicen entre sí

Una imagen representa a una persona, otra a una postura, y la tercera muestra distintas prendas y personajes diferentes, lo que fácilmente genera confusión. Asigna claramente una función específica a cada imagen y descarta deliberadamente los elementos irrelevantes para la tarea.

Error tres: cambiar demasiadas variables de una sola vez

Primero realiza la transferencia de estilo, luego cambia el escenario y, finalmente, ajusta localmente. En cada etapa, conserva un resultado ya confirmado; así, si surge algún error, podrás identificar exactamente en qué paso se produjo la desviación.

Error cuatro: dejar completamente al sistema la generación de textos pequeños y logotipos

Las etiquetas de productos, los precios promocionales y las marcas deben revisarse letra por letra. Cuando la estructura ya sea correcta, prioriza la modificación puntual de las áreas con texto; no rehagas toda la imagen por una sola palabra.

Error cinco: confiar únicamente en la miniatura

Amplía la vista para inspeccionar el rostro, los dedos, los radios de las ruedas, los bordes del producto, los reflejos, las sombras de contacto y el texto. Los detalles aparentemente naturales en la miniatura pueden estar dañados en la imagen ampliada.

Preguntas frecuentes

¿Cuántas imágenes de referencia son mejores?

No necesariamente. Cada imagen debe tener funciones claras. Si dos imágenes presentan contradicciones en cuanto a personas, composición o estilo, aumentar el número solo reducirá el control sobre el resultado.

¿La generación de imágenes copia la imagen original?

La generación de imágenes extrae información sobre la estructura, la composición, la postura o el estilo y recrea la escena; no debe interpretarse como una simple reproducción de píxeles. Antes de utilizar imágenes que no te pertenecen, verifica siempre el alcance de la autorización y evita solicitar la reproducción de obras originales protegidas.

¿Por qué los rostros siguen cambiando?

La claridad de la imagen de referencia, los cambios angulares, la capacidad del modelo y el número de variables modificadas en una sola etapa influyen en la estabilidad de la identidad. Utiliza una versión maestra nítida, define claramente las características faciales y de vestimenta, reduce el número de variables que cambian simultáneamente y continúa iterando a partir de resultados ya confirmados.

¿Cuándo es más adecuada la generación de imágenes a partir de texto?

Cuando solo buscas explorar nuevas direcciones y no tienes requisitos estrictos respecto a personas, productos, posturas o disposiciones, la generación de imágenes a partir de texto resulta más flexible. Sin embargo, si la tarea incluye la exigencia de “mantener a esta persona, este producto o esta composición”, será preferible comenzar desde una imagen de referencia.

Resumen: considera las imágenes de referencia como restricciones, no como decoración

La estabilidad de la generación de imágenes proviene de límites claros en la tarea: qué responsabilidades tiene la imagen de referencia, qué elementos no deben modificarse, qué aspectos se ajustarán en esta ronda y cómo se realizará la evaluación final. Una vez preparadas la versión maestra y la lista de elementos invariables, puedes acceder a la entrada de PixPix para la generación de imágenes y la edición de fotos, comenzando con una única variable modificada.