Cómo escribir prompts para Midjourney, DALL-E y Kandinsky y obtener imágenes precisas

Un análisis sobre generadores de imágenes explica por qué los modelos fallan tan a menudo respecto a lo que espera el usuario. La idea central es sencilla: el problema normalmente no está en el modelo, sino en una petición demasiado vaga.

Por qué sale algo distinto a lo esperado

Cuando el usuario escribe algo como «un gato bonito» o «un retrato atmosférico», el modelo tiene que inventar los detalles por su cuenta. Para Midjourney, DALL-E o Kandinsky, esas palabras son demasiado generales: no fijan ni la escena, ni el estilo, ni la luz, ni el ángulo. Como resultado, el generador elige una opción promediada que fácilmente se convierte en una mezcla extraña de artefactos, detalles superfluos y texturas aleatorias. De ahí vienen los resultados que uno quiere tirar directamente a la papelera.

Las redes neuronales de generación de imágenes son excelentes

ejecutoras, pero pésimas telépatas.

Los autores subrayan que los modelos funcionan mejor con concreciones que con emociones. Si se necesita fotorrealismo, hay que decirlo. Si importa una cálida luz dorada, un primer plano, un objetivo de 85 mm o una estilización en acuarela que imite grabados del siglo XIX, conviene escribirlo directamente en la petición. Incluso el orden de las palabras puede influir en el resultado, porque las distintas partes del prompt marcan prioridades para la generación. Esto se nota especialmente en escenas complejas con varios objetos y fondo.

De qué se compone un prompt

Se propone montar un prompt útil como un breve encargo técnico, no como un deseo abstracto. Cuanto menos tenga que adivinar el modelo, más se acerca el resultado a lo esperado. En esencia, es un conjunto de capas obligatorias de descripción que el modelo lee como referencias. Sin ellas, vuelve a las plantillas promediadas de su conjunto de entrenamiento. Por eso los buenos prompts suelen parecer secos, casi como un briefing de rodaje.

Una estructura básica puede ser esta:

• Objeto principal o escena — quién o qué aparece, en qué acción y en qué entorno.
• Estilo — foto, 3D, ilustración, anime, acuarela, grabado o referencia a una escuela visual.
• Luz y cámara — luz suave, contraluz, low key, primer plano, wide shot, 35 mm, 85 mm, f/1.4.
• Composición y detalles — fondo, materiales, ambiente, paleta de colores, pose, expresión facial, estación, hora del día.
• Parámetros técnicos — relación de aspecto, calidad, stylize, seed y otros ajustes propios de cada modelo.

Este enfoque ayuda a convertir una idea vaga en un conjunto de rasgos controlables. El artículo aconseja ir de lo general a lo particular: primero describir el objeto y el contexto, y luego añadir estilo y modificadores técnicos. Es importante no sobrecargar el prompt con contradicciones. Si se piden a la vez fotorrealismo, minimalismo, hiperdetalle y estilo de dibujos animados, el modelo empezará a «desgarrar» la imagen entre referencias incompatibles. Es más fácil hacer varias iteraciones cortas que una sola petición sobrecargada para todos los casos.

Cómo controlar el resultado

Un bloque aparte trata del ajuste fino. Aquí resultan útiles el peso de las palabras, las instrucciones negativas y los parámetros de generación. Si el servicio permite reforzar tokens concretos, se puede subir la prioridad de un objeto o estilo importante. El prompt negativo, en cambio, elimina lo sobrante: dedos de más, extremidades adicionales, fondo borroso, texto, marcas de agua u objetos no deseados en el encuadre. Esto importa sobre todo en generaciones de pago, donde cada intento extra cuesta tiempo o dinero.

Los autores recuerdan también que los ajustes del modelo no son un detalle menor. La relación de aspecto determina la composición, el seed ayuda a repetir resultados logrados, y el grado de estilización y la calidad influyen en cuánta «libertad» tendrá la interpretación. En la práctica, esto significa un ciclo simple: hacer una petición base, revisar los fallos, corregir un parámetro y comprobar de nuevo. Este enfoque iterativo casi siempre es más eficaz que reescribir el prompt por completo tras cada generación fallida.

Otro consejo práctico: no intentar meter todas las ideas en una sola línea. Es mejor montar primero el «esqueleto» de la imagen: objeto, estilo, luz y ángulo. Después se añaden uno a uno materiales, fondo, ambiente o efectos adicionales. Así es más fácil saber qué bloque estropea la imagen. Si tras añadir cinematic lighting el personaje pierde realismo, la causa no está en todo el modelo, sino en ese modificador concreto.

Qué significa

El material es útil porque saca el trabajo con generadores de imágenes del terreno de la «magia» y lo lleva al de un oficio comprensible. Cuanto más preciso es el usuario al describir la escena, las restricciones y el lenguaje visual, menos azar hay en el resultado. Para diseñadores, profesionales del marketing y creadores de contenido, ya no es una habilidad opcional, sino una forma práctica de obtener antes la imagen deseada sin regeneraciones interminables. Da más control sobre el resultado y reduce el número de experimentos inútiles.