Un desglose detallado de qué son realmente los prompts de IA, cómo funcionan en los modelos de texto a imagen y qué separa un prompt débil de uno que produce resultados impresionantes y precisos siempre. Sin relleno ni jerga, solo ejemplos reales y consejos honestos para quien empieza con la generación de imágenes por IA.
Escribes una frase, pulsas generar y aparece una imagen. Esa es la versión superficial de lo que ocurre. Pero en cuanto quieres una imagen concreta, una que coincida con la escena que tienes en mente, te das cuenta de que tus palabras tienen que trabajar mucho más. Ahí entran los prompts, y por eso aprender a escribirlos bien es una de las habilidades más prácticas que puedes desarrollar ahora mismo.
Un prompt de IA es la instrucción que le das a un modelo de IA. Eso es todo. Es un fragmento de texto, normalmente escrito en un cuadro, que le indica al modelo lo que quieres. En el contexto de la generación de imágenes, ese texto se convierte en el plano que usa la IA para producir un resultado visual.
La palabra "prompt" viene del teatro, donde un apuntador susurra al actor las líneas olvidadas. El concepto es parecido aquí: le das al modelo su pie. Le dices qué hacer, qué imaginar y cómo encuadrar la escena.
No hay códigos secretos que memorizar. No necesitas aprender un lenguaje de programación. Un prompt puede ser tan simple como:
un gato sentado en una azotea al atardecer
O tan detallado como:
a tabby cat with orange and white fur sitting on a terracotta tile rooftop in southern Spain, golden hour light casting long warm shadows, a blurred city skyline in the background, shot with a 135mm telephoto lens at f/2.8, Kodak Portra 400 film grain, photorealistic, 8K
Los dos son prompts. Uno te dará un resultado aceptable. El otro te dará exactamente lo que imaginaste.
Cuando envías un prompt, el modelo convierte tus palabras en algo llamado tokens, representaciones numéricas de palabras y fragmentos de palabras con las que ha aprendido asociaciones durante el entrenamiento. Esos tokens activan patrones que el modelo ha visto millones de veces: composiciones, colores, condiciones de luz, texturas, estilos artísticos.
La IA no "imagina" en sentido humano. Es un sofisticado sistema de completado de patrones. Tu prompt es la entrada; la imagen es la salida de ese proceso de completado. La calidad de lo que escribes determina directamente la calidad de lo que obtienes.
Esta es la verdad frustrante con la que tropiezan rápido la mayoría de los principiantes: la IA no sabe lo que quisiste decir. Solo sabe lo que escribiste.
Si escribes "una mujer en la playa", obtendrás una mujer en una playa. Pero ¿qué playa? ¿A qué hora del día? ¿Qué lleva puesto, qué hace, qué siente? ¿Qué ángulo de cámara? ¿Qué ambiente? El modelo rellena cada hueco con lo que considera estadísticamente probable según sus datos de entrenamiento, lo que normalmente da resultados genéricos, medios y poco memorables.
El resultado es técnicamente correcto. Pero no es tuyo. No coincide con la imagen que tenías en la cabeza.
Cada detalle que añades a un prompt es una restricción que reduce el espacio de resultados del modelo hacia tu intención. Piénsalo como una forma de reducir la incertidumbre. No solo describes una escena: eliminas todas las escenas que no quieres.
Añadir "luz de hora dorada" elimina todas las escenas planas de mediodía. Añadir "objetivo de retrato de 85 mm f/1.8" elimina todas las composiciones de gran angular. Añadir "estética de fotografía analógica de los años 70" elimina todos los renders de aspecto digital.
Cada palabra es un filtro. Más filtros significan un resultado más preciso. Esto no es una tarea pesada: es el acto creativo en sí.
Casi todos los prompts de imagen eficaces contienen cuatro componentes básicos:
| Componente | Qué hace | Ejemplo |
|---|---|---|
| Sujeto | De qué trata la imagen | "una mujer con el pelo rojo" |
| Estilo | El lenguaje visual de la imagen | "fotorrealista, fotografía analógica" |
| Ambiente | El registro emocional | "melancólico, tranquilo, nublado" |
| Iluminación | Cómo se comporta la luz en la escena | "luz volumétrica de la mañana desde la izquierda" |
No siempre necesitas los cuatro. Pero cuando no obtienes lo que quieres, casi siempre falta alguno de estos cuatro componentes o está poco definido.
💡 Un truco rápido: antes de escribir cualquier prompt, pregúntate "¿cuál es el sujeto, cuál es el estilo, cuál es el ambiente y de dónde viene la luz?". Responde a esas cuatro preguntas y tu prompt se escribe solo.
Algunos modelos de IA, en particular los basados en la arquitectura Stable Diffusion, aceptan un segundo campo de texto llamado prompt negativo. Ahí enumeras las cosas que no quieres que aparezcan en la imagen.
Añadidos habituales en el prompt negativo:
blurry, low quality, artifactstext, watermark, signatureextra fingers, distorted facecartoon, illustration, CGILos prompts negativos no borran contenido de la imagen. Desvían el proceso de muestreo del modelo lejos de esos tokens. El resultado es una salida más limpia y controlada, sobre todo en precisión anatómica y fotorrealismo.
Modelos como Flux.1 Dev y Stable Diffusion 3 se benefician mucho de prompts negativos bien elaborados. Otros modelos, como GPT Image 2, funcionan con lenguaje natural conversacional y gestionan estas restricciones dentro del propio prompt positivo.
Más allá del texto, muchas plataformas ofrecen parámetros adicionales que funcionan como parte de tu sistema de prompts:
Piensa en estos ajustes no como opciones técnicas, sino como extensiones de tu prompt. Elegir --ar 16:9 es tanto una decisión creativa como elegir un ángulo de cámara.
Hay dos formas generales de escribir prompts, y saber cuándo usar cada una es muy útil.
Los prompts descriptivos pintan una imagen. Se leen como un pie de foto o una descripción de escena. Funcionan mejor para generar imágenes:
a narrow cobblestone alley in Lisbon at dusk, laundry hanging between balconies, golden light filtering through, a lone figure in the distance, 35mm film grain
Los prompts directivos dan instrucciones. Le dicen al modelo qué hacer. Funcionan mejor para edición, tareas en contexto y modelos de lenguaje:
change the background to a beach, keep the person identical, make the lighting warm and golden
En los modelos de texto a imagen, los prompts descriptivos casi siempre superan a los directivos. El modelo no recibe órdenes; completa patrones a partir de una descripción.
Cuando quieres un personaje, objeto o escena coherente a lo largo de varias imágenes, el prompting basado en referencias es un enfoque muy potente. Consiste en usar una imagen de origen junto con tu prompt de texto para anclar el resultado visual.
Herramientas como Flux Kontext Pro están diseñadas específicamente para este flujo de trabajo: le das una imagen existente y una instrucción de texto, y edita o amplía esa imagen manteniendo su identidad visual básica.
Esto importa muchísimo para crear fotos de producto, arte de personajes coherentes y contenido de marca a escala.
Los prompts de transferencia de estilo hacen referencia al lenguaje visual de un fotógrafo, pintor o movimiento estético conocido, en lugar de describir la escena desde cero:
in the style of Saul Leiter, overlapping reflections, muted winter palette, candid street photography shot on a Contax G2, Fujifilm Superia 400, slightly underexposed
Estas referencias abreviadas activan grupos específicos de asociaciones visuales en los datos de entrenamiento del modelo. Pueden lograr en cinco palabras lo que llevaría cincuenta describir desde cero.
Úsalas con cuidado: algunas referencias de estilo son tan dominantes que anulan todo lo demás de tu prompt. Si el estilo eclipsa al sujeto, reduce el peso de los términos de estilo o muévelos más al final del prompt.
El modelo no lee tu frase como lo haces tú. La divide en tokens y asigna a cada token un nivel de atención según su posición, su frecuencia y los patrones aprendidos durante el entrenamiento.
En la práctica, esto significa:
Algunas plataformas te permiten ponderar términos manualmente con una sintaxis como (golden light:1.5) para indicar al modelo que preste más atención a esa frase. Esta sintaxis varía según la plataforma, así que consulta la documentación del modelo que estés usando.
En la mayoría de los modelos de texto a imagen, el principio del prompt es el ancla principal del sujeto. Pon primero el elemento más importante.
Menos eficaz: photorealistic, 8K, golden hour, a woman sitting on a beach wearing a red dress
Más eficaz: a woman in a red dress sitting on a beach, golden hour warm light, photorealistic, 8K
En la primera versión, el modelo ve los modificadores de calidad antes que el sujeto y puede anclarse en el estilo antes de establecer la escena. En la segunda, primero se establece el sujeto y luego lo refinan los términos de calidad. La diferencia en el resultado suele ser notable.
Flux 1.1 Pro de Black Forest Labs es uno de los modelos de texto a imagen más populares disponibles ahora mismo, y con razón: maneja muy bien los prompts largos y detallados.
Con Flux puedes escribir descripciones de varios párrafos y el modelo recogerá la mayor parte del detalle. Responde bien a:
Flux 1.1 Pro Ultra lleva esto más lejos con una salida de 4 MP, lo que hace que la textura y el detalle fino sean aún más marcados. Para más velocidad con una fidelidad algo menor, Flux Schnell procesa los prompts en segundos, ideal para iterar rápido y probar variaciones de prompt antes de hacer un render completo.
Stable Diffusion 3 y su versión más rápida Stable Diffusion 3.5 Large Turbo tienen una cultura de prompts propia, construida durante años de uso por la comunidad.
Lo que lo diferencia de otros modelos:
GPT Image 2 está entrenado para responder a lenguaje natural sencillo y conversacional. No necesitas sintaxis especial ni jerga fotográfica.
Puedes escribir: "Quiero una foto de una mujer en un mercado de agricultores recogiendo tomates; debe resultar cálida y natural, como una foto espontánea, no posada", y GPT Image 2 interpretará esa intención de forma fiable.
También gestiona las restricciones en lenguaje sencillo: "sin filtros, sin colores artificiales, tonos de piel realistas" se entiende y se aplica sin un campo de prompt negativo aparte. Esto lo hace especialmente accesible para quien todavía no ha reunido un vocabulario de términos técnicos de fotografía.
El error más común de los principiantes es escribir un prompt de 3 a 7 palabras y preguntarse por qué el resultado es mediocre. Los prompts cortos dan al modelo una enorme libertad creativa, lo que significa una enorme variación. Algunos resultados serán interesantes; la mayoría será genérica.
La solución es sencilla: describe más. Más contexto, más especificidad, más restricciones. No estás sobreespecificando la creatividad, la estás dirigiendo.
Los modelos de IA intentan cumplir todas las restricciones de tu prompt a la vez. Cuando esas restricciones se contradicen, el resultado es confuso.
Ejemplos de prompts contradictorios:
El modelo intentará un extraño promedio de las contradicciones, y el resultado suele no ser ninguno de los dos. Elige una dirección y apuesta por ella.
Cada modelo tiene sus propias convenciones de prompts, y usar las equivocadas es una causa habitual de malos resultados.
Por ejemplo, usar la sintaxis de prompt negativo de SD3 con un modelo que no admite prompts negativos será ignorada o producirá un comportamiento inesperado. Escribir prompts conversacionales de una sola frase con un modelo que premia las descripciones técnicas largas desperdicia mucha calidad potencial.
💡 Cuando empieces con un modelo nuevo, haz cinco prompts de prueba antes de cualquier trabajo real. Varía la longitud, la estructura y el estilo. Observa qué cambia en el resultado. Ese breve experimento te ahorra horas de frustración más adelante.
La mejor manera de dominar los prompts es escribir muchos y prestar mucha atención a lo que cambia cuando cambias palabras concretas. No existe ningún atajo que sustituya ese bucle directo: escribe el prompt, mira el resultado, ajusta, repite.
PicassoIA te da acceso a más de 90 modelos de texto a imagen en un solo lugar, así que puedes probar el mismo prompt en Flux 1.1 Pro, Imagen 4, Seedream 4.5 y Realistic Vision v5.1 y ver al instante cómo interpreta cada uno tus palabras de forma distinta. Esa comparación entre modelos es una de las formas más rápidas de desarrollar tu intuición sobre qué decisiones de prompting importan de verdad.
Piensa ahora mismo en una escena. Algo concreto: una persona, un lugar, un ambiente. Escribe la descripción más detallada que puedas. Luego genérala. Después, refínala. Ese es todo el proceso.
Los prompts que producen imágenes extraordinarias no son accidentes. Son el resultado de saber lo que quieres y tener las palabras para decirlo.
Elige tu idioma
