Respuesta breve
La coherencia de una serie generada nace de decisiones fijadas antes de la primera instrucción y aplicadas después de la última. Escriba un brief visual, apruebe unas pocas imágenes ancla y reutilícelas como referencias, planifique el conjunto con una lista de tomas, termine todas las imágenes con la misma gradación y el mismo recorte, revise el conjunto completo lado a lado frente al manual de marca y conserve los datos de procedencia, como las Content Credentials.
Por qué una serie se dispersa cuando cada imagen parte de cero
Un generador de imágenes no guarda memoria de su campaña. Cada petición se responde desde cero, de modo que dos instrucciones que difieren en unas pocas palabras pueden devolver otra luz, otro objetivo, otro tratamiento de la piel y otra idea de lo que significa «minimalista». Vistas una a una, las imágenes pueden ser todas buenas. Puestas lado a lado en una página, parece que se hubiera contratado a cinco estudios.
Lo dicen las propias empresas que construyen las herramientas. La guía de generación de imágenes de OpenAI incluye la coherencia entre las limitaciones de sus modelos: en ocasiones les cuesta mantener visualmente iguales a los personajes recurrentes o los elementos de marca de una generación a la siguiente. Es una descripción franca del comportamiento por defecto, y lo prudente es suponer lo mismo de cualquier otro generador mientras su documentación no demuestre lo contrario. Nadie debería planificar una serie dando por hecho que la décima imagen se parecerá a la primera por sí sola.
La coherencia visual en imágenes de IA es, por tanto, una disciplina de producción y no un truco de redacción de instrucciones. Cuatro cosas hacen el trabajo: decisiones puestas por escrito antes de generar nada, referencias que anclan esas decisiones, un proceso de acabado aplicado igual a todos los archivos y una revisión del conjunto como conjunto. Los apartados siguientes las recorren por orden y terminan con la cuestión de cómo mostrar de dónde salieron las imágenes.
El brief visual escrito va antes de la primera instrucción
Empiece con una página de texto acordada con quien sea responsable de la marca. Indica para qué son las imágenes y quién las verá, y a continuación fija las variables que, de otro modo, el generador elegirá por usted: el medio (fotografía, render 3D o ilustración dibujada), la paleta, la calidad y la dirección de la luz, la distancia y la altura de la cámara, el tipo de fondo, cómo se muestra a las personas y qué no debe aparecer nunca.
La precisión importa más que la elocuencia. La documentación de Google para sus modelos de imagen Gemini aconseja ser muy específico, con el argumento de que más detalle da más control, y recomienda explicar la finalidad de la imagen porque la lectura que el modelo hace del contexto condiciona el resultado. «Cálido y prémium» no controla nada. «Luz de día suave desde la izquierda, superficie de piedra clara, acento verde apagado, producto a la altura de los ojos, amplio espacio vacío a la derecha» puede comprobarse frente a una imagen.
Convierta el brief en un bloque fijo de texto para la instrucción y guárdelo donde todo el equipo pueda copiarlo. En cada imagen solo cambia la línea del motivo; el bloque se pega sin tocar. Parece una pedantería hasta que alguien reescribe de memoria «luz de día suave» como «luz natural brillante» y el conjunto adquiere un segundo aspecto. La deriva de las palabras es deriva visual, y un bloque guardado es la protección más barata contra ella.
Las imágenes de referencia anclan lo que las palabras no alcanzan
Algunas cualidades se resisten a la descripción: la suavidad exacta de una sombra, la textura de un estilo de render, un rostro. Por eso las herramientas actuales aceptan imágenes además de palabras. La documentación de Google describe cómo aportar varias imágenes de referencia en una misma petición, con cupos distintos para los objetos que deben reproducirse con fidelidad, para los personajes cuyo aspecto debe mantenerse y para las imágenes que sirven de referencia de estilo. Los límites varían de un modelo a otro y se revisan, así que lea la página vigente de la herramienta que use en lugar de fiarse de una cifra de un artículo.
Elija las anclas a conciencia. Genere candidatas a partir del brief, pida al responsable de la marca que apruebe dos o tres que sean exactamente lo que se busca y declárelas referencias de toda la serie. Para vistas de un mismo personaje desde varios ángulos, la indicación de Google es incluir las imágenes ya generadas en las peticiones posteriores para que el personaje no cambie. La disciplina consiste en volver siempre a las anclas aprobadas en vez de alimentar cada petición con el último resultado; de lo contrario, cada pequeña desviación se convierte en el punto de partida de la siguiente.
Cuide de quién son las imágenes que utiliza. Una referencia debe ser una imagen que usted ha hecho, ha encargado o tiene licencia para usar. Anclar una campaña a la fotografía de otra marca o al estilo reconocible de un ilustrador en activo importa, junto con el aspecto, un problema legal y de reputación. Si la serie incluye un producto real, fotografíelo como es debido y use esas fotografías como referencias de objeto, para que las escenas generadas muestren lo que usted vende de verdad.
Una paleta fija y un único esquema de iluminación
Escriba la paleta en el brief como una lista corta de colores con sus valores y sus funciones: cuál es el fondo, cuál el acento, cuál se reserva al producto. Que sean pocos. Nombre también los colores con palabras en la instrucción y no dé por hecho que un valor de color escrito en ella vaya a volver exacto: prevea medir y corregir los colores de marca después, como parte del acabado.
La luz es lo que hace que imágenes separadas parezcan una sola sesión. Decida un esquema y descríbalo con una frase que no cambie nunca: de dónde viene la luz, si es dura o suave, cálida o neutra, y qué profundidad tienen las sombras. Añada la hora del día si las escenas son exteriores. Una serie en la que la luz cae desde la izquierda en todos los encuadres soporta una buena dosis de variedad en los motivos.
Fije la cámara con el mismo espíritu. La documentación de Google sugiere usar lenguaje fotográfico, como el tipo de plano y el ángulo, para controlar la composición. Elija uno o dos encuadres, una altura de visión y una profundidad de campo, y escríbalos en el bloque. Limite los fondos a una pequeña familia de superficies y espacios. Cuantas menos variables libres queden, mayor parte del resultado habrá decidido usted.
La lista de tomas convierte una idea en una serie que se puede contar
Antes de generar nada, enumere las imágenes que la serie necesita. Basta una tabla sencilla: un número, el motivo, el encuadre, el formato para cada canal, el lugar donde irá el texto y un estado. La lista deja ver repeticiones y huecos cuando todavía no cuesta nada arreglarlos, y separa los dos tipos de decisión que la gente confunde: lo que varía de una imagen a otra y lo que se mantiene constante en todas.
Avance por la lista por lotes. Genere varias candidatas para cada fila y elija colocándolas junto a las imágenes ya seleccionadas, no quedándose con la más llamativa por separado. La candidata más llamativa suele ser la que más se aparta del conjunto. La documentación de Google reconoce sin rodeos que un primer intento rara vez es definitivo y recomienda afinar mediante pequeños cambios sucesivos; reserve tiempo para ello en el plan.
Lleve un registro de producción de cada imagen seleccionada: el bloque de instrucción y la línea del motivo, las imágenes de referencia, la herramienta y la versión del modelo, y la fecha. Cuando haya que rehacer una imagen en otro formato seis meses después, ese registro marca la diferencia entre una tarde y una semana. Las herramientas se actualizan y una versión nueva puede no interpretar igual la misma instrucción, así que procure terminar una serie con una sola versión y anótelo cuando no sea posible.
La posproducción convierte el conjunto en una familia
La generación termina con una carpeta de archivos buenos pero ligeramente distintos. El acabado es donde se reúnen. Aplique a todos una misma gradación de color, construida sobre las anclas aprobadas, y corrija los colores de marca midiendo y no a ojo. Use el mismo grano, el mismo enfoque, las mismas reglas de recorte y de márgenes y los mismos ajustes de exportación. Un tratamiento común aporta más a la coherencia visual en imágenes de IA que cualquier cantidad de regeneraciones.
Añada las palabras y los logotipos en el programa de maquetación, no en el generador. La guía de OpenAI señala que sus modelos, aunque han mejorado mucho, todavía pueden tener dificultades con la colocación precisa y la nitidez del texto, y un logotipo casi correcto es peor que ninguno. Deje espacio tranquilo para la tipografía al planificar las tomas y componga después la tipografía real sobre la imagen terminada, donde la ortografía, el espaciado y la posición están bajo su control.
Compruebe la legibilidad de ese texto con números. Las Pautas de Accesibilidad para el Contenido Web del W3C piden una relación de contraste de al menos 4,5:1 entre el texto y su fondo, y de al menos 3:1 para el texto grande, y aplican el requisito también a las imágenes de texto. La explicación que las acompaña es explícita: el texto con poco contraste por exigencias del manual de marca no queda exento; solo lo están los logotipos. Una imagen de fondo que deja el texto por debajo de la relación figura entre los fallos documentados, de modo que añada un velo de color tras las palabras o trasládelas a una zona más tranquila.
Revise toda la serie lado a lado frente al manual de marca
Juzgue la serie como la encontrará el público: junta. Disponga todas las imágenes en miniatura en una sola hoja, junto a unas cuantas fotografías o ilustraciones ya existentes de la marca. A ese tamaño el ojo deja de leer motivos y empieza a leer patrones. El encuadre algo más cálido, el rostro resuelto con un acabado más brillante y el fondo que pertenece a otra campaña se delatan en segundos.
Después repase una lista escrita, imagen por imagen. Compruebe la paleta y la dirección de la luz frente al brief, el encuadre y el fondo frente a la lista de tomas, y el uso del logotipo, el tono y las normas sobre la representación de personas frente al manual de marca. Busque con atención los defectos propios de las imágenes generadas: manos y objetos deformes, letras sueltas, marcas que recuerdan al logotipo de otro. Si aparece un producto real, compárelo con el producto mismo, porque una imagen que le añade una característica que no tiene es una afirmación falsa.
Quien revisa no debería ser quien hizo las imágenes, porque su autor ha visto cada una demasiadas veces para reparar en ella. Rechace lo que no pase y regenérelo a partir de las anclas; aceptar un encuadre dudoso a fuerza de argumentos es como se relajan los criterios. Cuando el conjunto esté aprobado, archive las imágenes finales con el brief y el registro de producción. Son el material de referencia de la próxima serie, que así empezará con algo más que una instrucción en blanco.
Content Credentials: dejar constancia del origen de las imágenes
Una serie coherente necesita también una respuesta coherente a la pregunta de cómo se hizo. El medio técnico son las Content Credentials, el estándar abierto desarrollado por la Coalición para la Procedencia y la Autenticidad del Contenido (C2PA). Su documento explicativo describe una Content Credential como un registro de la procedencia de un archivo, vinculado a él criptográficamente y formado por declaraciones sobre su origen, las modificaciones que ha recibido y cualquier uso de IA. La acción realizada por un sistema de IA queda identificada como tal en el registro.
Conviene entender lo que ese registro no hace. El mismo documento dice que las Content Credentials no emiten juicios sobre si el contenido es verdadero; muestran si la información de procedencia está intacta y quién la firmó. La procedencia no siempre es completa, por ejemplo cuando un archivo se recorta en una herramienta que no admite el estándar, y los metadatos pueden eliminarse por completo, razón por la cual la especificación prevé además marcas de agua y huellas digitales que permiten volver a localizar el registro. La documentación de Google, por su parte, afirma que todas las imágenes generadas por sus modelos Gemini llevan una marca de agua SynthID.
En la práctica, averigüe si su generador y su programa de edición escriben Content Credentials, y si sus ajustes de exportación y la plataforma de publicación las conservan. Inspeccione un archivo terminado con una herramienta de verificación antes de que la serie salga. Allí donde el lector daría por hecho que ve una fotografía, diga en el pie o en la línea de crédito que la imagen es generada. Las normas de etiquetado que fijan la ley y cada plataforma difieren y cambian, así que compruebe las que le afectan. Conservar la procedencia desde el primer archivo es mucho más fácil que reconstruirla cuando ya han preguntado.
Lista práctica
- Escriba un brief visual de una página con valores de paleta, iluminación, posición de cámara y exclusiones, y repita su redacción en cada instrucción.
- Apruebe primero dos o tres imágenes ancla y adjunte esas mismas referencias a todas las generaciones posteriores de la serie.
- Planifique el conjunto como una lista de tomas con motivo, encuadre, formato y zona de texto de cada imagen antes de generar ninguna.
- Aplique una gradación, una regla de recorte y un ajuste de exportación a todo el conjunto, y añada tipografía y logotipos en maquetación.
- Revise todas las imágenes lado a lado frente al manual de marca y confirme después que los datos de procedencia sobrevivieron a la exportación final.
Preguntas frecuentes
¿Por qué las imágenes de IA con instrucciones parecidas salen tan distintas?
Porque cada petición se genera de forma independiente y los pequeños cambios de redacción alteran la luz, el color, el encuadre y el estilo de render. La documentación de OpenAI recoge la coherencia visual entre varias generaciones como una limitación conocida de sus modelos de imagen. El remedio es fijar esas variables en un brief escrito, reutilizar la misma redacción y las mismas referencias y unificar los resultados en posproducción.
¿Cuántas imágenes de referencia necesita una serie coherente?
No hay un número universal. Dos o tres imágenes ancla aprobadas suelen bastar para sostener un estilo, con referencias adicionales para un producto o un personaje recurrente. Cada herramienta establece sus propios límites sobre cuántas imágenes acepta y para qué usa cada una, y esos límites cambian, así que consulte la documentación vigente de la que utilice.
¿Puede un generador de imágenes reproducir con exactitud los colores de marca?
No cuente con ello. Nombre los colores en la instrucción para acercarse, mida después los colores de marca en el archivo terminado y corríjalos en edición, con el mismo ajuste para todas las imágenes del conjunto. Si va a haber texto sobre la imagen, compruebe su contraste con los umbrales del W3C: 4,5:1 para el texto normal y 3:1 para el texto grande.
¿Qué son las Content Credentials y prueban que una imagen es real?
Son un registro del origen y del historial de edición de un archivo que deja en evidencia cualquier manipulación, definido por el estándar abierto C2PA, y pueden mostrar que una imagen se produjo con una herramienta de IA. No juzgan si el contenido es verdadero. El registro también puede estar incompleto o haberse eliminado del archivo, así que trátelo como prueba de procedencia y conserve además sus propias notas de producción.
¿Conviene generar los logotipos y el texto dentro de la propia imagen?
Es más seguro añadirlos después. Los generadores pueden colocar mal o deformar las letras, y una marca tiene que ser exacta. Prevea espacio vacío para la tipografía en la lista de tomas, genere la imagen sin palabras y componga el logotipo y la tipografía reales en el programa de maquetación, donde la ortografía, la posición y el contraste pueden controlarse y corregirse.