Conceptos básicos para escribir prompts para imágenes AI: estructura, orden, pesos y los dos dialectos de prompt
Resumen
Un prompt es una descripción que el codificador de texto de un modelo convierte en números. Dos cosas pasan: el modelo solo reacciona a palabras que ha visto mucho con imágenes, y el orden y cantidad de palabras cambian cuánto pesa cada una. Un buen prompt no es tanto sobre palabras secretas sino sobre decir una cosa clara, en el dialecto en que entrenaron el modelo, con la parte importante primero.
Hay dos dialectos. Los modelos cuyo codificador de texto es CLIP (SD 1.5, SDXL, Pony, Illustrious, NoobAI) aprendieron de listas de etiquetas y captions cortos; responden a palabras clave separadas por comas, etiquetas de calidad y nombres de artistas, y dejan de leer después de 77 tokens a menos que la interfaz divida el prompt. Los modelos con codificador LLM (Flux, FLUX.2, Qwen Image, Z-Image, Wan 2.2, HiDream) aprendieron de captions largas en lenguaje natural; siguen oraciones completas, conteos, relaciones espaciales y texto entre comillas, y una lista de etiquetas les empeora. Cada página de familia en este sitio dice qué dialecto habla su modelo, y cada imagen de ejemplo en la página de un modelo muestra un prompt que funciona en ese dialecto.
Todo en esta guía aplica en la nube igual que localmente: PirateDiffusion toma el prompt después de /render, BitVector en su caja de prompt. Lo único que cambia entre herramientas es la sintaxis para pesos y LoRAs.
Referencia
Nombre | Tipo | Qué es |
|---|---|---|
Sujeto | first | Quién o qué, con uno o dos detalles que lo definan: "un panadero de mediana edad con harina en las manos". Ponlo primero; los primeros 20 tokens pesan más en modelos CLIP. |
Acción / pose | second | Qué está haciendo el sujeto. Una acción por prompt; dos acciones dividen la imagen. |
Escenario | third | Dónde y cuándo: "en una pequeña panadería al amanecer". Las palabras de iluminación van aquí (hora dorada, nublado, neón, vela sola). |
Cámara / composición | fourth | primer plano, plano medio, plano general, desde arriba, 35mm, retrato 85mm, poca profundidad de campo. Los modelos de foto reaccionan mucho a esto. |
Estilo / medio | last | foto, pintura al óleo, acuarela, captura de anime, render 3D, nombre de artista o estudio en modelos que los conocen. |
Pesos | syntax | |
Etiquetas de calidad | CLIP models only | masterpiece, best quality, very aesthetic (Illustrious); score_9, score_8_up (Pony). Inútiles en modelos de foto y en Flux. |
Límite de tokens | CLIP models |
Paso a paso
- Decide la imagen que quieres y di esa idea en una oración para ti. Si la oración tiene "y" dos veces, son dos imágenes.
- Escribe el sujeto con dos detalles, luego la acción, el escenario con su luz, la cámara, el estilo, en ese orden.
- Revisa el dialecto en la página de familia. Para modelos SDXL anime convierte la oración en etiquetas (1girl, baker, flour on hands, bakery, dawn, warm light, from side); para Flux y Qwen deja la oración y añade una segunda oración para luz y ambiente.
- Agrega las palabras disparadoras de LoRA al principio si tienes un LoRA cargado; la página del modelo las lista.
- Genera cuatro seeds. Juzga la composición, no los detalles; los detalles se arreglan después con inpainting y upscaling.
- Si falta algo, muévelo antes o ponle peso (palabra:1.3). Si aparece algo no deseado, quita la palabra que lo trajo (una "calle" suele traer autos; "estudio" trae fondo gris) antes de usar el prompt negativo.
- Guarda el prompt final con su seed y configuraciones. Los ejemplos en la página del modelo en este sitio son justo eso: prompts guardados con configuraciones.
Ejemplos
Dialectos de oraciones (Flux, Qwen, Z-Image)
A middle-aged baker with flour on his hands lifts a tray of bread out of a stone oven in a small bakery at dawn. Warm light from the oven on his face, cool blue light from the window behind him, medium shot, 35mm, shallow depth of field.
Dialectos de etiquetas (Illustrious / NoobAI)
1boy, mature male, baker, apron, flour on hands, holding tray, bread, bakery, brick oven, dawn, warm lighting, window, from side, medium shot, masterpiece, best quality, very aesthetic, absurdres
Negative: lowres, bad anatomy, bad hands, extra digits, watermark, signature
Pesos en SDXL (A1111 / Forge / PirateDiffusion)
a baker (lifting a tray of bread:1.3) out of a stone oven, bakery, dawn, (warm oven light:1.2), 35mm photo, shallow depth of field
Consejos
- Los sustantivos funcionan mejor que los adjetivos. "Óxido, pintura descascarada, musgo" muestra más decadencia que "muy viejo y desgastado".
- Los números funcionan en Flux y Qwen ("tres manzanas rojas"), rara vez en SDXL. Más de cinco no funciona en ningún modelo.
- Texto entre comillas se renderiza en Flux, FLUX.2, Qwen y Z-Image; mantenlo bajo cinco palabras y di dónde va ("un cartel de neón que dice \"OPEN\" sobre la puerta").
- Nombres de artistas: Illustrious y NoobAI conocen miles (mira las guías de etiquetas de artistas Anima e Illustrious en este sitio); Flux conoce pocos; SDXL base conoce los famosos.
- Un prompt que funciona en un modelo es un punto de partida en otro, no un prompt terminado. Prepárate para traducir entre dialectos.
- Los prompts de ejemplo en las páginas de modelos fueron escritos por los autores; copia su estructura antes de inventar la tuya.
Solución de problemas
El modelo ignora el final del prompt
Por qué ocurre
Límite de 77 tokens en modelos CLIP, o demasiadas ideas.
Cómo arreglarlo
Acorta, mueve las palabras importantes al principio, o usa un modelo Flux, Qwen o Z-Image.
Todo sale como un retrato de cara
Por qué ocurre
No hay palabras de cámara o composición; el modelo usa su encuadre más común de entrenamiento.
Cómo arreglarlo
Agrega "plano general", "cuerpo entero", "desde arriba" o describe primero el entorno.
Las palabras de estilo cambian el sujeto
Por qué ocurre
Las etiquetas de estilo (un artista, "anime") llevan sesgos de sujeto.
Cómo arreglarlo
Baja el peso del estilo a 0.8, o ponlo en un LoRA de estilo con fuerza baja.
Los pesos no hacen nada en Flux
Por qué ocurre
Los codificadores T5 y LLM no están entrenados en el truco de pesos de atención.
Cómo arreglarlo
Reformula, repite la idea en una segunda oración, o sube un poco la guía.
Mismo prompt, resultados muy diferentes en cada seed
Por qué ocurre
El prompt no especifica suficiente; el seed decide.
Cómo arreglarlo
Agrega escenario, cámara y luz. Un prompt bien especificado da composiciones consistentes entre seeds.
Preguntas
¿Necesito "masterpiece, best quality"?
Solo en Illustrious, NoobAI y algunos fine-tunes SDXL anime, donde esas etiquetas fueron parte del entrenamiento. En modelos de foto y en Flux no aportan o empeoran.
¿Qué tan largo debe ser un prompt?
20 a 50 palabras en modelos CLIP, una a tres oraciones en modelos con codificador LLM. Prompts más largos no son mejores; los específicos sí.
¿Importa la mayúscula o la puntuación?
La mayúscula no. Las comas separan conceptos en modelos de etiquetas; los puntos separan oraciones en modelos LLM. Ambos ayudan al codificador a agrupar palabras.
¿Dónde puedo ver prompts que funcionaron?
Cada imagen de ejemplo en la página de un modelo en este sitio muestra su prompt completo, prompt negativo y configuraciones.
¿Qué es el bleeding de prompt?
Un color o atributo que se pega al objeto equivocado ("vestido rojo, auto azul" dando un vestido azul). Flux y Qwen lo manejan mejor; en SDXL usa prompting regional o pinta el detalle.
Enlaces y fuentes
- CLIP paper (Radford et al., 2021)
- Flux family page
- SDXL family page
- Qwen Image family page
- PirateDiffusionAD
- BitVector web appAD
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
Prompts negativos: qué hacen, cuándo ayudan y por qué Flux no los necesita
5 de nov de 2025
Illustrious, NoobAI y Pony prompting: etiquetas, cadenas de calidad, etiquetas de artistas y LoRAs
30 de may de 2026
Guía de prompting FLUX.2: prompts en lenguaje natural, múltiples referencias, edición y LoRAs
28 de may de 2026
Pasos, CFG, muestreadores, planificadores y semillas: explicación de los ajustes de generación con valores seguros
19 de nov de 2025
Primeros pasos con la generación de imágenes por IA: tu primera imagen en diez minutos
14 de ago de 2025
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
Más guías
Pesos abiertos vs código abierto vs solo API: lo que realmente puedes hacer
29 de jul de 2026
CUDA sin memoria: cuánto VRAM necesita cada modelo de IA y cómo ajustarlo
18 de may de 2026
Flux vs SDXL vs SD 1.5 vs Qwen vs Z-Image: qué familia de modelos usar en 2026
22 de may de 2026
Los mejores modelos de IA de imagen de código abierto en 2026, según GPU y tarea
16 de oct de 2026
Alternativas a Civitai: dónde encontrar y descargar modelos de IA en 2026
16 de sep de 2026