Ir al contenido principal
Español— Elegir un idioma
Menú

Control de calidad, estilo y resolución

Lección 4 de 12 Actualizado el 2 de noviembre de 2026 Desarrollador
En esta página
  1. Control de calidad, estilo y resolución
  2. Niveles de calidad
  3. Resoluciones disponibles
  4. Control del estilo mediante el prompt
  5. Función de utilidad para la generación
  6. Elige la combinación adecuada

Actualizado el 2 de noviembre de 2026 — Modelos de imagen. gpt-image-1, el modelo para el que se escribió originalmente este curso, quedó obsoleto el 23 de octubre de 2026. Además, gpt-image-1.5, gpt-image-1-mini y chatgpt-image-latest se retirarán el 1 de diciembre de 2026. Los ejemplos ahora utilizan gpt-image-2.5-sunburst, que ofrece la mayor precisión para la edición; gpt-image-2.5-flare es más rápido para la generación estándar. Ambos modelos admiten ahora los niveles de calidad xhigh y max. Los modelos GPT Image devuelven siempre las imágenes en formato base64: el parámetro response_format que utilizaban los modelos DALL·E anteriores ya no se acepta y se ha eliminado del código. Fuente: Generación de imágenes (OpenAI).

Control de calidad, estilo y resolución

GPT Image ofrece varias palancas para ajustar tu resultado, pero no todas funcionan de la misma manera. La calidad y la resolución son parámetros explícitos de la API que afectan al coste y al tiempo de generación. El estilo, sin embargo, se controla exclusivamente mediante el prompt. Entender esta distinción te evita buscar opciones inexistentes y te ayuda a optimizar la relación calidad-coste en cada generación.

Niveles de calidad

El parámetro quality impacta directamente en el nivel de detalle y en el tiempo de generación. La mejor forma de apreciar la diferencia es probarlo con un sujeto exigente, como un bodegón con iluminación Rembrandt, donde los gradientes y las texturas son críticos, en lugar de con un gráfico plano donde las diferencias serían invisibles.

import base64
from openai import OpenAI

client = OpenAI()

qualities = ["low", "medium", "high"]

for q in qualities:
    response = client.images.generate(
        model="gpt-image-2.5-sunburst",
        prompt="Still life with exotic fruits on a marble table, Rembrandt lighting",
        size="1024x1024",
        quality=q
    )
    with open(f"quality_{q}.png", "wb") as f:
        f.write(base64.b64decode(response.data[0].b64_json))
    print(f"Quality {q}: quality_{q}.png")
CalidadDetallesTiempoCosteUso recomendado
lowBásicoRápidoEconómicoBorradores, pruebas, prototipado
mediumBuenoModeradoIntermedioRedes sociales, presentaciones
highMáximoMás lentoPremiumImpresión, publicidad, portafolios

Resoluciones disponibles

Hay disponibles tres relaciones de aspecto, cada una adaptada a casos de uso específicos: cuadrada 1024×1024 para redes sociales y avatares, vertical 1024×1536 para historias, pósteres y pantallas móviles, y horizontal 1536×1024 para banners, cabeceras y presentaciones. Genera siempre directamente en tu formato objetivo. Recortar afterwards desperdicia píxeles por los que has pagado y rompe la composición que el modelo construyó para ese encuadre concreto.

import base64
from openai import OpenAI

client = OpenAI()

resolutions = {
    "1024x1024": "Cuadrada — ideal para redes sociales y avatares",
    "1024x1536": "Vertical — historias, pósteres, móvil",
    "1536x1024": "Horizontal — banners, cabeceras, presentaciones",
}

for size, description in resolutions.items():
    response = client.images.generate(
        model="gpt-image-2.5-sunburst",
        prompt="Panoramic view of a futuristic city at dusk, neon lights and skyscrapers",
        size=size,
        quality="medium"
    )
    with open(f"city_{size}.png", "wb") as f:
        f.write(base64.b64decode(response.data[0].b64_json))
    print(f"{size} ({description}) → city_{size}.png")

Control del estilo mediante el prompt

El estilo no es un parámetro explícito de la API; lo controlas enteramente a través del prompt. La técnica más fiable es especificar un medio preciso con su propio vocabulario. «Fotografía profesional, Nikon D850, f/2.8» no solo solicita una foto, sino que exige una profundidad de campo y un renderizado óptico específicos. «Arte de píxeles retro de 16 bits, paleta limitada» impone una restricción de resolución que el modelo respetará. El siguiente bucle aplica cinco medios diferentes al mismo sujeto, haciendo que las diferencias sean inmediatamente visibles.

import base64
mediums = [
    "professional photography, Nikon D850, f/2.8",
    "oil painting on canvas, impressionist style",
    "flat design vector illustration, pastel colors",
    "architectural technical drawing, cross-section view",
    "retro 16-bit pixel art, limited palette",
]

for medium in mediums:
    prompt = f"A typical Parisian café with outdoor seating, {medium}"
    response = client.images.generate(
        model="gpt-image-2.5-sunburst",
        prompt=prompt,
        size="1024x1024",
        quality="medium"
    )
    filename = f"cafe_{mediums.index(medium) + 1}.png"
    with open(filename, "wb") as f:
        f.write(base64.b64decode(response.data[0].b64_json))
    print(f"{medium[:40]}... → {filename}")

La iluminación es tu segunda palanca y, a menudo, la más potente: puede transformar radicalmente la misma escena. Un retrato de una artesana ceramista en su taller se convierte en una toma documental sobria bajo una iluminación de estudio de tres puntos, en una imagen publicitaria con luz de hora dorada o en un póster de cine con claroscuro al estilo de Caravaggio. El sujeto no ha cambiado ni una palabra; solo ha variado la atmósfera.

import base64
lightings = [
    "three-point studio lighting, neutral white background",
    "natural golden hour light",
    "cyberpunk neon lighting, pink and blue",
    "dramatic Caravaggio-style chiaroscuro",
    "diffuse rainy day light, gray tones",
]

for lighting in lightings:
    prompt = f"Portrait of a ceramic artisan in her workshop, {lighting}"
    response = client.images.generate(
        model="gpt-image-2.5-sunburst",
        prompt=prompt,
        size="1024x1536",
        quality="high"
    )
    filename = f"artisan_{lightings.index(lighting) + 1}.png"
    with open(filename, "wb") as f:
        f.write(base64.b64decode(response.data[0].b64_json))
    print(f"Lighting: {lighting} → {filename}")

Función de utilidad para la generación

Repetir las mismas seis líneas en cada llamada resulta rápidamente tedioso y propenso a errores. Envuelve tus preferencias predeterminadas en una función reutilizable que también gestione el almacenamiento en disco y la adición de sufijos a los archivos cuando solicites múltiples imágenes.

from openai import OpenAI
import base64
from pathlib import Path

client = OpenAI()

def generate_image(
    prompt: str,
    output_path: str,
    size: str = "1024x1024",
    quality: str = "medium",
    n: int = 1
) -> list[str]:
    """
    Genera una o más imágenes y las guarda localmente.
    Devuelve una lista de rutas de archivo creadas.
    """
    response = client.images.generate(
        model="gpt-image-2.5-sunburst",
        prompt=prompt,
        n=n,
        size=size,
        quality=quality,
    )

    paths = []
    for i, image in enumerate(response.data):
        if n > 1:
            path = Path(output_path).stem + f"_{i+1}" + Path(output_path).suffix
        else:
            path = output_path

        data = base64.b64decode(image.b64_json)
        with open(path, "wb") as f:
            f.write(data)
        paths.append(path)
        print(f"Saved: {path}")

    return paths


# Uso
generate_image(
    prompt="Premium packaging for matcha tea, minimalist Japanese design",
    output_path="matcha_packaging.png",
    size="1024x1024",
    quality="high"
)

Elige la combinación adecuada

Tú decides ambos parámetros conjuntamente en función de tu medio objetivo. La siguiente tabla resume los escenarios más comunes.

ContextoResoluciónCalidad
Prototipado rápido1024×1024low
Publicación en Instagram / LinkedIn1024×1024medium
Historia vertical / Reel1024×1536medium
Banner web / cabecera1536×1024medium
Póster impreso A3+1024×1536high
Portafolio creativo / libro1024×1024high
Pruebas de prompts por lotes1024×1024low

En producción, no copies manualmente esta tabla en cada script. Tradúcela a lógica de configuración y deja que tu código elija en función del contexto declarado. Obtienes una única fuente de verdad y, si más adelante decides que tus publicaciones en redes sociales deben usar calidad high, solo necesitas cambiar una línea.

def generate_for_context(prompt: str, context: str, output: str):
    """Adapta automáticamente la calidad y la resolución al contexto."""
    configs = {
        "prototype": {"size": "1024x1024", "quality": "low"},
        "social_media": {"size": "1024x1024", "quality": "medium"},
        "story": {"size": "1024x1536", "quality": "medium"},
        "banner": {"size": "1536x1024", "quality": "medium"},
        "print": {"size": "1024x1536", "quality": "high"},
    }

    config = configs.get(context, configs["social_media"])

    return generate_image(
        prompt=prompt,
        output_path=output,
        **config
    )


# Generar la misma imagen para diferentes medios
generate_for_context(
    "Corsen AI logo on dark background, premium tech style",
    "social_media",
    "logo_social.png"
)

Para formar tu propio criterio sobre estos ajustes, genera tú mismo la matriz completa: escribe un script que tome un único prompt y produzca las nueve combinaciones de calidad × resolución, guarde cada archivo con un nombre explícito como image_low_1024x1024.png y muestre una tabla resumen. Pronto sabrás a simple vista cuándo medium es suficiente.