La forma más rápida de mejorar la calidad de las imágenes generadas por IA no es cambiar de modelo, sino reescribir la descripción. La mayoría de la gente se limita a escribir unas 15 palabras y se queda ahí; el resultado es una imagen bastante corriente, por lo que culpan al modelo, vuelven a generar otra y el resultado sigue siendo igual de corriente.
Este artículo es la solución. A continuación, te presentamos 12 consejos concretos y probados que te permitirán convertir los resultados de GPT Image 2 de un «borrador aceptable» a una «imagen lista para publicar». Todas las imágenes de ejemplo han sido generadas por GPT Image 2 utilizando indicaciones similares a las descritas en este artículo.
1. Sé más concreto. Sé aún más concreto.
«Un coche en el desierto» no es una pista. El modelo solo puede adivinar el modelo, la época, el color, el lugar y la hora en que se tomó la foto. Hay que dejar todo esto bien claro:
Un Mustang descapotable rojo cereza de 1965, aparcado en una carretera desértica al atardecer,
con el polvo levantado por las ruedas traseras; al fondo, una meseta plana; foto tomada en ángulo bajo,
con el sol reflejándose en el parachoques cromado.
Cada término descriptivo («1965», «rojo cereza», «descapotable», «toma desde abajo») evita que el modelo tenga que hacer una suposición al azar. El resultado ya no es una «imagen genérica», sino esa imagen.
2. Indica el rango focal; no te limites a decir «me parece».
85mm 镜头, 35mm 镜头, 24mm 广角 y 100mm 微距 son algunas de las palabras clave más rentables en el ámbito de las imágenes. Una sola palabra permite controlar a la vez el encuadre, la compresión espacial, la profundidad de campo y la distorsión de los bordes.
- 85mm——Retratos atractivos, desenfoque suave del fondo
- 35mm——Fotografías de entornos naturales, imágenes de aspecto suave
- Gran angular de 24 mm——Paisajes, interiores envolventes
- 100 mm Macro——Primer planos de productos, texturas y materiales
Si te quedas atascado con una tarjeta de indicaciones, cambia primero de plano y luego modifica otros elementos.
3. Dirigir la luz como lo haría un director de fotografía
Decir que «la iluminación es buena» no tiene sentido. Solo los términos cinematográficos son válidos:
伦勃朗光——Una sola fuente de luz dura; las sombras en las mejillas tienen forma triangular明暗对比 / chiaroscuro——Contraste intenso, entorno oscuro, un único sujeto iluminado背后的描边光（rim light）——Efecto de silueta, el sujeto se separa del fondo阴天散射光——Luz suave y uniforme, sin sombras duras黄金时刻逆光——Manchas de luz cálida, sombras alargadas
Las palabras clave de la imagen anterior son: single tungsten spotlight from above, deep shadows wrapping the rest of the room, Rembrandt lighting. Tres palabras, contenido específico.
4. Utilizando el lenguaje de la composición
Los modelos de imágenes conocen los conceptos básicos de la composición clásica:
三分法构图，主体在右下三分位居中对称构图从前景延伸到地平线的引导线画面左侧 2/3 留白
La ubicación del pescador que se ve en la imagen anterior es precisamente la indicada en la pista: 主体位于画面右下三分位，平静的雾气湖面占据上方三分之二.
5. Nombra una paleta de colores con 3-5 colores
Las descripciones vagas de los colores solo dan lugar a colores vagos. Las paletas de colores con nombres breves y concretos permiten obtener resultados precisos:
Tonos: rojo cereza, ocre arena, cielo dorado, sombra marrón oscuroNombres de colores separados por dos puntos y comas. También se pueden utilizar valores hexadecimales, pero su estabilidad es menor que la de los nombres de colores habituales. No se deben incluir más de cinco colores: cuantos más se incluyan, menor será el compromiso del modelo con cada uno de ellos.
6. Pon el texto entre comillas e indica el estilo de fuente
Cuando sea necesario incluir texto en una imagen, hay que hacer dos cosas:
- Introduce el texto encoma invertida (punct.):
"FRESH BREAD DAILY" - Descripción en lenguaje coloquial defuente:
优雅手绘衬线字体
Cada línea debe tener un máximo de seis palabras. Las frases largas seguirán quedando borrosas.
7. Fijar el cuerpo principal a una superficie concreta
Imágenes de productos, de comida o de naturalezas muertas: indica siempre qué es la superficie de la mesa. La superficie tiene propiedades de material que el modelo utilizará:
带奶白和金色纹理的粉色大理石板带可见木纹的未上漆橡木桌夜晚潮湿的柏油路面，街灯倒影亚麻桌布，柔和的褶皱
Esa «mesa» borrosa representa la diferencia entre las fotografías de archivo y las imágenes editadas.
8. Une los sujetos con un verbo de relación física
Cuando haya dos elementos principales en la imagen, no te limites a enumerarlos. Asigna un verbo espacial al modelo para indicarle cómo se relacionan entre sí:
靠在从…升起倒映在缠绕在俯瞰着
Esa es la diferencia entre «un gato y una ventana» y «un gato acurrucado en el alféizar de la ventana, con las patas apoyadas en el cristal».
9. Describe lo que no aparece en la imagen
Las descripciones negativas son tan importantes como las positivas. Añade una pequeña frase después de la descripción de la escena:
La etiqueta no tiene texto, logotipo ni marca de agua, y no hay personas en el fondo.GPT Image 2 suele cumplir rigurosamente con las normas de no text y no logos. Se recomienda añadir marcas de agua a todas las imágenes comerciales para evitar que se cuelen marcas de agua sin sentido en la imagen.
10. Combina estilos de forma consciente, pero elige un tono predominante
La fusión de estilos es una de las formas más expresivas de trabajar con modelos, siempre y cuando se elija primero un estilo principal y luego se le superponga un estilo secundario a modo de complemento:
Ilustración estilizada: la estética de la acuarela de Studio Ghibli, combinada con reflejos neón de estilo cyberpunk,
nubes con un suave efecto de acuarela, acompañadas de letreros de neón de contornos nítidos.
Si enumeras dos estilos con el mismo peso («Ghibli Y cyberpunk»), el modelo los promediará y la imagen quedará muy plana. Solo con una estructura del tipo «estilo base + estilo decorativo + luces», la imagen mantendrá su coherencia.
11. Antes de utilizar la lista de puntos clave, empieza con un párrafo de prosa
Guardo las mejores indicaciones en forma de texto de entre 4 y 6 líneas, en lugar de una lista de puntos clave. Hay dos razones para ello:
- **La prosa puede forzar la autocontradicción.**Una cocina luminosa y alegre, una luz oscura y opresiva»: leída como una frase, resulta claramente incorrecta; sin embargo, cuando se presenta como puntos, el error pasa más desapercibido.
- **El modelo trata las comas como límites.**Una frase coherente permite que la relación entre las cláusulas se mantenga a lo largo del texto («sobre el mármol, rodeada de hojas, con gotas de agua»), algo que no logran tres fragmentos independientes.
Las indicaciones por puntos clave son adecuadas para modelos basados exclusivamente en etiquetas. GPT Image 2 no es un modelo de este tipo.
12. Modifica solo una variable cada vez
Esta última es una regla de flujo de trabajo, no una regla de redacción. Cuando una imagen «está a punto de estar bien»:
- Solo modificavariable——objetivo, iluminación, tiempo, superficie de trabajo—— y, a continuación, vuelve a generar
- . Compáralos en paralelo
- . Fija esta variable y pasa a modificar la siguiente.
Hay dos razones por las que la mayoría de la gente fracasa en el proceso de iteración: o bien modifican tres parámetros a la vez y no saben distinguir cuál de esos cambios ha surtido efecto; o bien empiezan cada vez desde cero, en lugar de utilizar el borrador anterior como referencia. Ambas cosas se pueden corregir con una tarde de práctica.
Una comparación «antes y después» que se ve a simple vista
Palabras clave inadecuadas:
Una persona tocando el piano en un barUna buena frase de prompt (en la que se han aplicado los consejos 1, 2, 3 y 5):
Retrato con contraste de luces y sombras de calidad cinematográfica: un pianista de jazz de mediana edad sentado ante un piano de cola en un bar en penumbra y lleno de humo,
con un único foco de tungsteno de tono cálido sobre su cabeza que proyecta una luz cálida sobre su rostro y sus manos,
mientras el resto de la sala queda envuelta en sombras profundas. Objetivo de 85 mm, textura de la piel con calidad fotográfica.
Tonalidades: ámbar cálido, burdeos intenso, sombras casi negras.El mismo modelo, el mismo número de iteraciones... y los resultados son totalmente diferentes. Esa es la premisa fundamental de la ingeniería de prompts: el modelo no falla, el cuello de botella está en tu prompt.
Pruébalas
Entra en GPT Image 2 Texto a imagen, elige cualquiera de las sugerencias que aparecen arriba, pégala y genera la imagen. A continuación, cambia solo una variable —el ángulo, la iluminación o la paleta de colores— y vuelve a generar la imagen. En menos de diez intentos, tendrás una idea clara de «qué factor influye más en tu gusto estético».
Esa capacidad de juicio es la única diferencia entre «saber crear imágenes con IA» y «saber crear imágenes».
