Conseguir resultados fotorrealistas con GPT Image 2.0 exige algo más que un prompt básico. Este artículo desglosa las pistas de iluminación, los detalles de textura de la piel, los parámetros de las lentes de cámara y los trucos de composición que separan los resultados planos de la IA de imágenes que parecen fotografía auténtica.
GPT Image 2.0 cambió la conversación en torno al arte generado por IA. Los resultados son más nítidos, la comprensión de los prompts es más precisa y la distancia entre "evidentemente IA" y "genuinamente fotográfico" se ha reducido. Pero esa distancia no ha desaparecido. Si usas GPT Image 2.0 para crear retratos, entornos o fotos de producto realistas y tus resultados siguen pareciendo ligeramente raros, el problema casi nunca es el modelo. Casi siempre es el prompt.
Este artículo desglosa las técnicas concretas que llevan con regularidad la salida de la IA de correcta a fotorrealista. No son sugerencias generales. Son las estructuras exactas de prompt, las elecciones de parámetros y las pistas de composición que activan las capacidades de realismo ya integradas en los modelos más avanzados.
El sistema visual humano es extraordinariamente bueno detectando lo que está mal. No lo obviamente mal, como una mano con seis dedos, sino lo sutilmente mal: luz que llega desde dos direcciones a la vez, piel sin poros, sombras que no corresponden a ninguna fuente visible. Los modelos de IA entrenados con miles de millones de imágenes pueden reproducir patrones visuales de forma estadística, pero no entienden la física. Eso significa que la responsabilidad de una luz, una textura y una profundidad físicamente precisas recae por completo en tu prompt.
El valle inquietante suele analizarse en el contexto de la animación 3D, pero se aplica con la misma fuerza a las imágenes fijas. Un retrato de IA que casi está bien genera más inquietud que uno claramente estilizado, porque el cerebro sigue intentando resolver la incoherencia. Los fallos más comunes son:
Resolver esto no es complicado. Requiere saber qué señales transmiten "real" e incluirlas de forma explícita en el prompt.
Un prompt plano describe al sujeto. Un prompt potente describe la fotografía. Hay una diferencia importante entre "una mujer tomando café" y "plano medio espontáneo de una mujer con pelo rizado oscuro sujetando una taza de café de cerámica, luz matinal suave y difusa desde una ventana esmerilada a su izquierda, vapor visible subiendo de la taza, pecas naturales en las mejillas, lente de 85 mm f/1.8 con profundidad de campo reducida, grano de película Kodak Portra 400". La segunda versión le dice al modelo qué tipo de cámara captó ese momento, de dónde viene la luz y qué cualidades de superficie tiene el sujeto. Esos detalles construyen el realismo capa a capa.
Si solo pudieras mejorar una cosa en tus prompts, que sea la iluminación. Más que cualquier otro elemento, la luz determina si una imagen se lee como fotografía o como render. Las fotografías reales son el resultado de una única fuente de luz dominante modificada por el entorno. Las imágenes de IA sin iluminación especificada tienden a algo genérico y sin dirección.
No escribas "buena iluminación" o "bien iluminado". Describe la fuente con precisión:
| Descripción vaga | Descripción específica |
|---|---|
| "buena iluminación" | "sol cálido de la tarde desde arriba a la izquierda" |
| "iluminación dramática" | "única luz de tungsteno clave a 45 grados, sombra dura en la mejilla derecha" |
| "luz natural" | "luz suave y difusa de ventana desde la derecha, cielo nublado" |
| "iluminación de estudio" | "triángulo de Rembrandt, luz de relleno al 30 % de potencia desde el lado opuesto" |
Cuanto más se parezca tu prompt al diagrama de iluminación de un director de fotografía, más se parecerá el resultado a una fotografía tomada según ese diagrama.
Las sombras duras, con bordes nítidos, proceden de fuentes de luz pequeñas o lejanas, como el sol directo o una bombilla desnuda. Las sombras suaves, con caída gradual, proceden de fuentes grandes, como un cielo nublado o una softbox de estudio. Nombrar a la vez la dirección y la calidad fija el realismo físico.
💡 Prueba: "luz volumétrica de última hora de la tarde desde la izquierda, que proyecta una sombra larga y suave hacia la parte inferior derecha, rayos de luz visibles en una atmósfera con polvo"
La calidad de la sombra es una de las formas más rápidas de saber si una imagen fue creada o capturada.
Los sujetos humanos son la parte más difícil del arte fotorrealista con IA. La gente mira los rostros más que cualquier otro tema, y la tolerancia al error es prácticamente nula. Para conseguir una piel convincente hay que nombrar las imperfecciones, no borrarlas.
La piel perfecta es uno de los indicios más fiables de que una imagen está generada por IA. La piel real tiene poros visibles cerca de la nariz y las mejillas, una textura superficial fina que capta la luz en distintos ángulos, decoloraciones sutiles como pecas tenues y enrojecimiento alrededor de la nariz, y microlíneas alrededor de los ojos y la boca incluso en sujetos jóvenes. Escribir "piel fotorrealista con poros visibles, variación natural del subtono, leve enrojecimiento alrededor de la nariz, textura superficial fina que capta la luz lateral" aporta más realismo que cualquier palabra clave de estilo.
Los ojos hacen o deshacen un retrato. Los elementos que indican ojos reales son concretos: un catchlight (un pequeño reflejo de la fuente de luz dominante), detalle del iris con patrones radiales fibrosos en la zona de color, brillo de cristal mojado en la esclerótica blanca, pestañas como mechones individuales en lugar de una masa sólida, y una ligera sombra proyectada por el párpado superior sobre el iris. Descríbelos de forma explícita. "Iris marrón dorado con patrones radiales fibrosos, especular húmedo en la esclerótica, mechones de pestañas individuales, catchlight en la posición de las 10 en punto" produce un resultado completamente distinto que "ojos detallados".
Los modelos de generación de imágenes han visto suficiente fotografía como para entender el lenguaje de los metadatos de cámara. Cuando escribes parámetros de cámara en tu prompt, no solo describes una estética. Activas el conocimiento que el modelo tiene sobre cómo ciertas lentes representan el espacio, la separación de los sujetos y la caída de la luz.
Las distintas distancias focales producen efectos perceptivos diferentes:
| Distancia focal | Efecto | Ideal para |
|---|---|---|
| 24-35 mm | Gran angular, ligera distorsión en los bordes, contexto del entorno | Arquitectura, calle, paisaje |
| 50 mm | Perspectiva natural, similar a la del ojo humano | Documental, estilo de vida |
| 85 mm | Ligera compresión, representación favorecedora del sujeto | Retratos, sujetos en primer plano |
| 100 mm macro | Detalle extremo, compresión espacial plana | Producto, primerísimo plano macro |
| 135-200 mm | Fuerte compresión, gran aislamiento del sujeto | Retratos con teleobjetivo, fauna |
Escribir "lente de retrato de 85 mm f/1.4" implica de inmediato un aspecto concreto: separación del sujeto respecto al fondo, ligera compresión de los rasgos y un bokeh suave con reflejos circulares desenfocados. El modelo entiende lo que hace esa lente porque ha visto miles de imágenes etiquetadas con exactamente esa distancia focal.
La profundidad de campo reducida es una de las señales de realismo más fuertes de un prompt. Le dice al modelo que un sistema óptico real creó esta imagen. Especifica la apertura: "profundidad de campo reducida f/1.8, elementos del primer plano suaves, bokeh en el fondo".
El grano de película completa el efecto óptico. Las cámaras digitales modernas producen grano con ajustes ISO altos. Las cámaras de película producen patrones de grano característicos a partir de la química de la emulsión. Ambos patrones aparecen a lo largo de los datos de entrenamiento de la IA. Especificar un tipo de película como "grano de película Kodak Portra 400" o "ruido digital ISO 3200" sitúa la imagen dentro de una tradición fotográfica conocida.
💡 La distancia focal indicada, más la apertura y el tipo de película, es el atajo de tres elementos más rápido hacia un resultado fotorrealista en la mayoría de los modelos de texto a imagen.
Los prompts potentes no solo describen al sujeto. Describen el mundo que ocupa. Un entorno con profundidad física, condiciones atmosféricas y detalle de superficie ancla al sujeto en el espacio y hace que la luz sobre él parezca justificada y no colocada.
Los fondos genéricos producen imágenes genéricas. Compara:
La segunda versión le da al modelo información sobre el espacio, las fuentes de luz que contiene y las condiciones atmosféricas. Esa información se filtra en cómo se ilumina al sujeto, porque en una fotografía real el fondo y el sujeto comparten el mismo entorno.
Los entornos reales tienen aire. La neblina, la niebla, el polvo y la humedad reducen el contraste y la saturación con la distancia. Este efecto se llama perspectiva atmosférica y es una poderosa señal de realismo en cualquier prompt:
Estas pistas le indican al modelo que renderice la profundidad como la tiene un entorno real, y no como la iguala falsamente un render 3D.
Flux Dev es uno de los modelos más potentes para resultados fotorrealistas disponibles actualmente en PicassoIA. Su arquitectura de 12.000 millones de parámetros maneja la textura fina, configuraciones de iluminación complejas y sujetos humanos con un nivel de fidelidad que lo convierte en la opción natural cuando el objetivo final es una fotografía convincente.
Sigue esta secuencia para obtener resultados sólidos de forma constante con Flux Dev:
| Parámetro | Valor recomendado | Por qué |
|---|---|---|
| Relación de aspecto | 16:9 o 3:2 | Coincide con los formatos fotográficos estándar |
| Pasos de inferencia | 40-50 | Más pasadas de eliminación de ruido producen una textura superficial más fina |
| Guidance scale | 3.5 | Equilibra la adherencia al prompt sin sobreafilar |
| Formato de salida | PNG | Sin pérdida para cualquier posprocesado |
| Go Fast | Desactivado | El modo bf16 estándar conserva la reproducibilidad de la semilla |
💡 Para iterar conceptos con rapidez, Flux Schnell es mucho más rápido. Cuando hayas fijado la dirección de tu prompt, cambia a Flux Dev para el render final de alta calidad. Ambos están disponibles en PicassoIA sin límites de créditos.
Generar en una resolución estándar y escalar después suele ser mejor que generar directamente al tamaño máximo. El modelo tiene más control sobre la composición y el detalle fino a dimensiones estándar. El requisito clave es usar un upscaler de IA que reconstruya la textura en lugar de simplemente redimensionar píxeles.
Seedream 3 genera de forma nativa hasta 2048 píxeles en el lado más largo. Para contenido que va a maquetaciones impresas, pantallas de gran formato o publicaciones de redes sociales en alta resolución, esto elimina por completo el paso de escalado. El control de guidance scale permite elegir entre adherencia estricta al prompt y libertad compositiva, y el modelo gestiona 16:9 y 9:16 de forma nativa para todos los formatos de salida estándar.
Real ESRGAN en PicassoIA se encarga del paso de escalado para imágenes generadas en resolución estándar. Con la escala 4x predeterminada, una salida de 512 píxeles se convierte en un archivo de 2048 píxeles. La opción de restauración facial es especialmente valiosa en el trabajo de retratos, donde los ojos y la textura de la piel suelen ser las primeras víctimas de la compresión JPEG. Actívala siempre que el sujeto tenga rasgos faciales visibles.
Cuándo usar cada uno:
| Escenario | Herramienta recomendada |
|---|---|
| Necesitas salida en 2K desde la primera generación | Seedream 3 |
| Generada en resolución estándar, necesitas ampliarla | Real ESRGAN |
| Retrato con detalle facial degradado por compresión | Real ESRGAN con restauración facial activada |
| Imágenes de producto por lotes con resolución uniforme | Cualquiera, según el origen |
Después de repasar todos los elementos anteriores, esta es la estructura que produce con regularidad resultados fotorrealistas en distintos sujetos y condiciones de iluminación:
[Camera angle] shot of [subject with surface texture details],
[environment/background with specific physical elements],
[named light source + direction + quality + color temperature],
[focal length] [aperture] [lens type],
[film stock or digital grain specification],
[atmospheric detail if applicable],
RAW 8K photography --ar 16:9 --style raw
Ejemplo aplicando la plantilla:
Plano contrapicado de una joven con el pelo castaño rojizo trenzado y pecas visibles en los pómulos, sentada en el umbral de un callejón estrecho con ladrillo pintado desconchado y hiedra trepando detrás de ella, sol cálido de última hora de la tarde desde arriba a la derecha que crea una sombra de bordes definidos sobre el lado izquierdo de su rostro, lente fija de 85 mm f/1.4 con bokeh suave en el fondo, grano de película Kodak Portra 400, ligera neblina atmosférica que suaviza el fondo lejano del callejón, fotografía RAW 8K --ar 16:9 --style raw
Ese único prompt cubre el ángulo de cámara, la descripción del sujeto, el entorno, la dirección y calidad de la luz, la distancia focal, la apertura, el tipo de película y la profundidad atmosférica. Cada elemento añade una capa de precisión física que se acumula hasta lograr un resultado convincente.
La mayoría de los fallos de realismo proceden de una lista corta de errores repetibles:
Todo lo que aparece en este artículo apunta a una conclusión: el realismo en el arte de IA es un problema de descripción, no de modelo. Las herramientas de PicassoIA, en particular Flux Dev, Flux Schnell y Seedream 3, tienen la capacidad de producir resultados que resisten la comparación con la fotografía real. Lo que determina si lo hacen es con cuánta precisión describas el mundo físico en tu prompt.
Elige un elemento de este artículo y aplícalo a tu próxima generación. Empieza por la iluminación. Nombra una fuente concreta, dale una dirección y describe su calidad como dura o suave. Ese único cambio hará más por tu resultado que cualquier palabra de estilo o cambio de modelo.
Cuando estés listo para escalar los resultados a resolución de impresión o recuperar detalle facial de una exportación comprimida, Real ESRGAN te espera en PicassoIA sin límites de créditos. Genera, escala, itera y conserva solo las imágenes que de verdad parezcan fotografías.
Elige tu idioma
