Prompt eficaz para Stable Diffusion: método, pesos y ajustes

Un prompt copiado de un foro da una maravilla en casa de su autor y un churro en la tuya. Rara vez la causa está en el texto. Stable Diffusion no es una herramienta única, es una familia de modelos que se usa a través de varias interfaces, con ajustes que controlas tú mismo. El mismo prompt no produce el mismo efecto en un modelo base que en un modelo de la comunidad entrenado para anime.

Eso es también lo que lo hace interesante. Donde Midjourney decide muchas cosas por ti, Stable Diffusion te deja el control de casi todo, y una imagen bien documentada se reproduce casi idéntica. Eso sí, hay que escribir para el modelo adecuado.

Identifica tu modelo antes de escribir una palabra

La forma de escribir depende ante todo del modelo cargado, a menudo llamado checkpoint. Los consejos que se leen en internet se contradicen porque no hablan de los mismos modelos.

En un modelo de la comunidad, la página de descarga suele indicar los ajustes recomendados, las palabras activadoras y a veces ejemplos de prompts. Léela: vale más que cualquier guía general, incluida esta.

Generar lejos de la resolución base es un error clásico. Un SD 1.5 lanzado directamente en un tamaño muy grande tiende a repetir los sujetos, y un SDXL que baja demasiado pierde calidad. La documentación de Stability AI señala además que salirse de los tamaños recomendados para SDXL puede provocar encuadres inesperados. Para una imagen más grande, genera al tamaño nativo y luego amplía.

Una precisión sobre FLUX, que aparece en las mismas interfaces: no es un modelo de Stable Diffusion, y Black Forest Labs indica que no admite el prompt negativo. Buena parte de lo que sigue no se le aplica, por tanto, directamente.

Escribe el prompt positivo como una ficha de toma

Pensemos en una contable que quiere ilustrar un artículo sobre el cierre del ejercicio fiscal.

Versión floja: beautiful office, professional, masterpiece, best quality, ultra detailed

El modelo recibe sobre todo ruido. No tiene ni idea del objeto que debe mostrar, y las palabras de calidad, útiles en algunos modelos de la comunidad, no compensan la ausencia de un sujeto.

Versión corregida:

photograph of a tidy wooden desk with stacked paper invoices, a fountain pen and a mechanical calculator, late afternoon sunlight through a window, long soft shadows, shallow depth of field, muted beige and dark green tones, 50mm lens

Esta vez el sujeto va primero, seguido del decorado, la luz, la paleta y el objetivo. Pon al principio lo que más importa: las interfaces recortan los prompts largos, y un elemento esencial perdido al final del texto tiene menos probabilidades de respetarse.

En AUTOMATIC1111 y sus derivados, el prompt se procesa en bloques de 75 tokens. Puedes superar ese límite, y entonces el texto se reparte en varios bloques, pero el corte puede caer en mitad de una idea. La palabra clave BREAK, escrita en mayúsculas, fuerza un nuevo bloque en el punto que elijas. Sirve sobre todo para separar dos ideas, como el sujeto y el fondo.

Escribe en inglés: es el idioma en el que estos modelos responden mejor. Si el inglés te frena, redacta en español y haz que lo traduzcan, y luego revísalo.

Los pesos: sintaxis exacta

El peso de una palabra indica al modelo la atención que debe prestarle. La sintaxis siguiente viene de la documentación de AUTOMATIC1111, y ComfyUI comparte la forma con paréntesis.

Quédate entre 0,8 y 1,3 para empezar. Más allá, la imagen tiende a degradarse y el término sobrecargado invade la composición. Si tienes que subir una palabra a 1,6 para que aparezca, probablemente el problema viene de otro sitio: el orden de las palabras, un modelo mal adaptado o una contradicción en el prompt.

Cuidado con los corchetes. En los prompts de esta guía, [VARIABLE] indica un valor que hay que sustituir. Si los dejas tal cual en AUTOMATIC1111, se interpretarían como una bajada de atención.

AUTOMATIC1111 ofrece también una escritura para cambiar de prompt durante la generación. [fantasy:cyberpunk:16] dibuja una escena de fantasía y luego pasa a cyberpunk a partir del paso 16, y [cow|horse] alterna las dos palabras en cada paso. Estas dos sintaxis son prácticas para mezclar conceptos, pero no funcionan tal cual en ComfyUI sin una extensión, y la documentación precisa que no se aplican a las redes adicionales como los LoRA.

Los ajustes que cuentan y los que pueden esperar

El mismo texto cambia radicalmente de una combinación de ajustes a otra. Los valores de abajo son puntos de partida tomados de la práctica habitual, no reglas oficiales. La página de tu modelo siempre tiene prioridad.

CFG scale. Regula la fidelidad al prompt. Demasiado bajo, el modelo se aleja de lo que pides. Demasiado alto, los colores se saturan y los contornos se endurecen. La documentación de ComfyUI resume bien este compromiso: subir este ajuste acerca la imagen al prompt, pero un valor excesivo perjudica la calidad. La comunidad suele partir de 5 a 7 en SDXL, más bien de 7 a 9 en SD 1.5, y más bajo en SD 3.5.

Pasos (steps). El número de pasadas de eliminación de ruido. Pasado cierto umbral, pagas en tiempo de cálculo sin ganancia real: compara 20, 30 y 40 en tu modelo y quédate con el más bajo que te satisfaga. Los ejemplos oficiales para SD 3.5 van de 28 a 40 pasos.

Sampler. Determina el método de eliminación de ruido. Euler a y DPM++ 2M Karras siguen siendo opciones muy extendidas. No te pases la tarde con esto al principio: el sampler cambia el resultado menos que el prompt o el modelo.

Seed. El punto de partida del ruido. Si la fijas, puedes modificar una sola palabra y ver su efecto real, que es la base de cualquier comparación seria.

Prompt negativo. Orienta al modelo lejos de lo que enumeras. Es útil con moderación, y las listas largas copiadas de tutoriales antiguos rara vez son la solución. El artículo sobre el prompt negativo explica cómo dosificarlo y cuándo deja de actuar. En ComfyUI, pasa por un segundo nodo de codificación de texto, conectado a la entrada negativa del KSampler.

Tres prompts completos para adaptar

Sustituye cada variable por su equivalente en inglés, quita los corchetes, pega cada parte en el campo correspondiente y empieza con los ajustes recomendados para tu modelo.

Para una foto de un plato destinada a un restaurador, en SDXL:

Positive:
overhead photograph of [PLATO] served on [TIPO DE PLATO], on a [MATERIAL] table, soft natural side light from a window, visible steam, realistic food texture, [2 COLORES] tones, shallow depth of field, editorial food photography

Negative:
text, watermark, logo, blurry, plastic-looking food

Settings: [ANCHO] x [ALTO] at a native size for the model, CFG 6, 30 steps, DPM++ 2M Karras, fixed seed

Para una ilustración de libro de texto o de ficha de actividad, útil a una maestra, en SDXL:

Positive:
educational illustration of [NOCIÓN U OBJETO A EXPLICAR], clean line art with flat colors, simple shapes, palette of [3 COLORES], white background, single centered subject, children's science book style

Negative:
photo, text, letters, realistic shading, cluttered background

Settings: 1024 x 1024, CFG 6, 30 steps, fixed seed

Evita pedir leyendas dentro de la imagen: Stable Diffusion maneja mal el texto. Añádelas después en tu procesador de textos. Y comprueba el contenido de la ilustración, porque un esquema generado puede ser falso aunque parezca serio.

Para SD 3.5, escribe más bien en frases completas:

A close-up photograph of [SUJETO] in [LUGAR], taken in the early morning. The light comes from the left and leaves the background slightly out of focus. In the foreground there is [DETALLE IMPORTANTE]. The overall palette is [2 O 3 COLORES], with a calm and natural feel.

Empieza sin prompt negativo y añade uno solo si persiste un defecto concreto: los ejemplos oficiales de este modelo dejan ese campo vacío.

LoRA y embeddings: lo que cambian en tu prompt

Un LoRA es un pequeño archivo que añade al modelo un estilo, un personaje o un concepto. En AUTOMATIC1111 se invoca en el prompt con <lora:nombre_del_archivo:0.8>, donde el número fija su fuerza. En ComfyUI se carga con un nodo específico. La mayoría de los LoRA requieren además una palabra activadora, indicada en su página: sin ella, el efecto puede ser débil o nulo.

Un embedding, o inversión textual, se comporta como una palabra personalizada. En ComfyUI se escribe embedding:nombre, y con peso (embedding:nombre:1.2). Su posición en el prompt cuenta, igual que la de una palabra normal.

Comprueba siempre tres cosas antes de instalar uno: su compatibilidad con tu familia de modelo, porque un LoRA de SD 1.5 no funciona en SDXL; su licencia, sobre todo para un uso comercial; y su procedencia. Un LoRA que imita a un artista vivo o a una persona real plantea cuestiones que tratamos en nuestro artículo sobre el uso comercial.

Haz tus imágenes reproducibles

Un prompt de Stable Diffusion sin sus ajustes está incompleto. Para reproducir una imagen necesitas el modelo exacto, el prompt positivo y el negativo, la seed, el CFG, el número de pasos, el sampler, el tamaño y los posibles LoRA con su fuerza. Incluso con todo eso, un cambio de versión de la interfaz o de tarjeta gráfica puede crear pequeñas diferencias.

Las herramientas te ayudan: AUTOMATIC1111 guarda los parámetros en los metadatos del PNG, y ComfyUI registra ahí el workflow. Ojo: las plataformas que recomprimen tus imágenes suelen eliminar esos datos, así que conserva tus originales.

Lleva también un pequeño cuaderno con, para cada prompt que funciona, sus ajustes y una imagen de referencia. Basta un simple archivo, y nuestro artículo sobre las bibliotecas de prompts reutilizables propone una forma de organizarlo. Este rigor se vuelve indispensable si publicas tus prompts: en la sección de imágenes IA de YouPrompt, el comprador ve un resultado real antes de comprar, y solo podrá acercarse a él si indicas el modelo y los ajustes probados.

Para empezar, toma una imagen que te guste entre tus generaciones, fija su seed y compara tres valores de CFG sin tocar nada más. Anota la que gana junto al nombre del modelo: será tu ajuste de partida para todo lo demás.