Primeros pasos con la generación de imágenes por IA: tu primera imagen en diez minutos
Resumen
La generación de imágenes por IA convierte una frase en una imagen. Escribes una descripción (el prompt), un modelo que ha aprendido de millones de imágenes con texto convierte ruido aleatorio en algo que coincide con la descripción, y en segundos tienes una imagen. Todo lo demás en este hobby, LoRAs, samplers, ControlNet, upscalers, es un refinamiento de ese ciclo: describir, generar, mirar, ajustar.
El modelo es lo que más importa. Modelos diferentes tienen puntos fuertes distintos: SDXL y sus fine-tunes de anime dibujan ilustraciones y personajes, Flux y Z-Image siguen prompts largos y generan texto legible, Wan y LTX hacen video. ModelTrends.ai existe para mostrar qué modelos usa la gente esta semana, así no tienes que adivinar. Cada página de modelo muestra imágenes de ejemplo con el prompt y ajustes exactos que las crearon, que es la forma más rápida de aprender.
No necesitas un PC para juegos para empezar. La forma más rápida de hacer tu primera imagen es en un servicio en la nube donde los modelos ya están instalados: una app web como BitVector, donde eliges un modelo y escribes, o el chat bot PirateDiffusion en Telegram, donde envías un comando. Ejecutar modelos en tu propia tarjeta gráfica viene después, cuando ya sabes qué modelos te gustan y si quieres gastar en hardware.
Referencia
Nombre | Tipo | Qué es |
|---|---|---|
Prompt | text | Lo que quieres ver. Primero el sujeto, luego el lugar, después estilo y luz. El inglés simple funciona en modelos modernos; las listas de palabras clave funcionan en los más viejos. |
text | ||
Model / checkpoint | choice | El cerebro. Elige de la lista más popular en este sitio; la familia decide el estilo y cómo escribir el prompt. |
Size | pixels | |
Steps | number | Cuántas pasadas de refinamiento. 20 a 30 es lo normal; más es más lento y casi nunca mejor. |
CFG / guidance | number | |
Seed | number | El ruido inicial. La misma semilla con los mismos ajustes da la misma imagen, así puedes cambiar una cosa a la vez. |
choice | Las matemáticas para quitar el ruido. Euler o DPM++ 2M Karras son seguros; la página del modelo muestra qué usaron los ejemplos. |
Paso a paso
- Abre el navegador de modelos en este sitio y ordena por popularidad. Elige un modelo base (un checkpoint, no un LoRA) de la familia SDXL o Flux; los fine-tunes de SDXL como DreamShaper XL o Juggernaut XL son fáciles para la primera prueba.
- Lee la página del modelo: mira tres o cuatro imágenes de ejemplo y sus prompts. Fíjate en el patrón: sujeto, escena, luz, cámara, palabras de estilo.
- Pulsa el botón Run en la página del modelo. BitVector abre una app web con el modelo preseleccionado; PirateDiffusion abre un chat en Telegram donde escribes /render seguido del prompt.
- Escribe un primer prompt copiando un ejemplo y cambiando solo el sujeto. Mantén el tamaño, pasos y sampler que usó el ejemplo.
- Genera cuatro imágenes, no solo una. El ruido aleatorio hace que algunas semillas sean mejores; juzgar un modelo por una sola imagen es un error.
- Cambia una cosa: añade una palabra de luz (golden hour, soft studio light), o una palabra de cámara (35mm, close-up), y genera otra vez. Así se aprende a hacer prompts.
- Marca con estrella los modelos que te gusten con el corazón en la tarjeta; la página Favs los guarda en tu navegador para que vuelvas sin cuenta.
Ejemplos
Un primer prompt para un modelo de foto SDXL
a fisherman mending a net on a wooden pier at dawn, soft fog, warm light, 35mm photo, shallow depth of field
Negative: blurry, deformed hands, watermark, text | 1216x832 | DPM++ 2M Karras | 28 steps | CFG 6
La misma idea en PirateDiffusion (Telegram)
/render <dreamshaper-xl> a fisherman mending a net on a wooden pier at dawn, soft fog, warm light, 35mm photo [[blurry, watermark]] /size:1216x832 /steps:28
Un prompt para Flux (sin negativo, guía más baja)
A candid photo of a fisherman mending a fishing net on a weathered pier at dawn. Soft fog over the water, warm low sun from the left, shallow depth of field, 35mm film look.
1216x832 | Euler | 24 steps | guidance 3.5
Consejos
- El modelo es lo que más influye, el prompt lo segundo, los ajustes lo tercero. Los principiantes suelen invertir su tiempo en el orden equivocado.
- Prompts cortos y concretos funcionan mejor que largos y vagos. "Una bicicleta roja apoyada en una pared blanca, luz de mañana, foto 50mm" es mejor que "hermosa impresionante asombrosa obra maestra 8k bicicleta".
- Formas retrato para personas, formas paisaje para escenas. El cuadrado rara vez es la mejor forma para algo.
- Guarda los prompts que te gusten en un archivo de texto. Cada página de modelo aquí muestra el prompt completo bajo sus ejemplos por la misma razón.
- Los modelos de anime e ilustración (Illustrious, Pony, NoobAI) usan prompts estilo etiquetas; los modelos de foto (Flux, Z-Image, fine-tunes de foto SDXL) usan oraciones. La página de familias lo explica.
- No descargues nada hasta que hayas usado un modelo en la nube y te haya gustado. Los checkpoints pesan entre 2 y 24 GB cada uno.
Solución de problemas
Todas las imágenes se ven iguales
Por qué ocurre
La semilla está fija, o el prompt es una lista de palabras genéricas de calidad.
Cómo arreglarlo
Pon la semilla en aleatorio, quita "masterpiece, 8k, best quality" de los prompts de foto, describe la escena en su lugar.
Las manos y caras están mal
Por qué ocurre
Cómo arreglarlo
Usa SDXL o Flux a 1024 píxeles, encuadra el sujeto más grande, o retoca la cara después (mira la guía de inpainting).
La imagen ignora la mitad del prompt
Por qué ocurre
Demasiadas ideas en un solo prompt, o CFG muy bajo.
Cómo arreglarlo
Un sujeto, un lugar, un estilo por prompt. Sube el CFG en uno en SDXL. Flux y Qwen siguen prompts largos mucho mejor que SD 1.5.
El texto en la imagen es un galimatías
Por qué ocurre
SD 1.5 y SDXL no saben escribir bien.
Cómo arreglarlo
Tarda minutos por imagen en mi portátil
Por qué ocurre
No tienes GPU dedicada, o una tarjeta con menos de 6 GB de memoria.
Cómo arreglarlo
Genera en la nube (BitVector, PirateDiffusion) y usa el portátil solo para ver resultados.
Preguntas
¿Tengo que pagar para probar esto?
Los socios en la nube enlazados desde las páginas de modelos te dejan empezar sin instalar nada; las herramientas locales (ComfyUI, Forge) son gratis pero necesitan una tarjeta gráfica con al menos 8 GB de memoria para los modelos actuales.
¿Con qué modelo debería empezar un principiante?
Un fine-tune SDXL para ilustración o un modelo dev Flux para fotos. La guía "qué modelos probar primero" en este sitio los ordena con razones.
¿Un LoRA es un modelo?
Un LoRA es un complemento que cambia un modelo base. Primero necesitas un modelo base (checkpoint); el LoRA va encima. La guía de LoRA lo explica.
¿Puedo hacer video también?
Sí, con Wan, LTX-2 y MiniMax H3 entre otros, pero el video necesita mucha más memoria localmente. Empieza en la nube; la guía de inicio en video lo cubre.
¿Las imágenes son mías?
Las licencias varían por modelo; la página del modelo enlaza la licencia. La mayoría de modelos abiertos permiten uso personal y comercial, algunas licencias solo para investigación (versiones tempranas de Flux dev) no.
¿Por qué mis resultados se ven peor que los ejemplos?
Normalmente por tamaño, sampler o número de pasos diferente. Copia primero los ajustes del ejemplo exactamente, luego cambia una cosa a la vez.
Enlaces y fuentes
- Models browser (sort by hot)
- Weekly ranking
- BitVector web appAD
- PirateDiffusion on TelegramAD
- SDXL family page
- Flux family page
Modelos de esta guía
Escrito por
Dirige este barco. Tiene opiniones sobre los tiempos de decodificación VAE que nadie pidió. Cree que los pesos quieren ser libres y que cualquier modelo que no puedas descargar es una suscripción con pasos extra. No responderá preguntas sobre los 400 GB de checkpoints en el NAS.
Todas las guías de Captain
Guías relacionadas
Qué modelos de IA para imágenes probar primero y por qué: una lista inicial ordenada
10 de sep de 2025
Conceptos básicos para escribir prompts para imágenes AI: estructura, orden, pesos y los dos dialectos de prompt
22 de oct de 2025
Cómo funcionan los modelos generativos de imágenes AI: difusión, latentes y codificadores de texto explicados de forma sencilla
28 de ago de 2025
Qué es un LoRA y cómo usar uno en ComfyUI, Forge, Automatic1111 y en la nube
20 de may de 2026
PirateDiffusion: ejecuta cualquier modelo desde Telegram, no se necesita GPU
3 de oct de 2026
Glosario de generación de imágenes y videos con IA: 60 términos desde checkpoint hasta VAE, explicados en una línea cada uno
15 de abr de 2026
Las mejores alternativas gratuitas a Midjourney que puedes usar tú mismo (2026)
15 de jul de 2026
Más guías
Los mejores modelos de IA de imagen de código abierto en 2026, según GPU y tarea
16 de oct de 2026
Ejecutar modelos de imagen y video de IA en GPUs AMD (guía 2026)
7 de oct de 2026
Requisitos de VRAM para todos los modelos populares de IA para imágenes y video (2026): precisión completa, FP8 y GGUF
6 de oct de 2026
Guía de GPU y VRAM para imágenes y videos AI: qué necesita cada modelo y qué comprar (o no)
7 de ene de 2026
Pasos, CFG, muestreadores, planificadores y semillas: explicación de los ajustes de generación con valores seguros
19 de nov de 2025