Prompts visuales avanzados: composición, iluminación, perspectiva
En esta página
Actualización 2 de noviembre de 2026 — modelos de imagen.
gpt-image-1, para el que se escribió originalmente este curso, se discontinuó el 23 de octubre de 2026, ygpt-image-1.5,gpt-image-1-miniychatgpt-image-latestse retirarán el 1 de diciembre de 2026. Los ejemplos ahora usangpt-image-2.5-sunburst, el modelo más preciso para edición;gpt-image-2.5-flarees más rápido para generación estándar. Ambos admiten también las configuraciones de calidadxhighymax. Los modelos GPT Image devuelven siempre imágenes en base64: el parámetroresponse_formatde los modelos DALL·E antiguos no se acepta y se ha eliminado del código. Fuente: Generación de imágenes (OpenAI).
Prompts visuales avanzados: composición, iluminación, perspectiva
Un prompt bien estructurado es lo que separa una imagen decente de una de calidad profesional. La palanca no es la longitud, sino el vocabulario. GPT Image entiende la terminología de la fotografía, el cine y las artes visuales. Hablar ese idioma es como dar instrucciones a un director de fotografía en lugar de pedir un deseo. Esta lección te enseña ese vocabulario y cómo organizarlo.
Anatomía de un prompt visual profesional
Un prompt avanzado se desglosa en capas, cada una respondiendo a una pregunta distinta: quién o qué, dispuesto cómo, iluminado cómo, visto desde dónde, en qué registro y con qué características ópticas. Nombrar estas capas explícitamente en el texto del prompt («Sujeto: … Composición: … Iluminación: …») ayuda al modelo a evitar mezclar registros. El ejemplo de abajo describe a un arquitecto en su estudio: el sujeto ocupa el tercio izquierdo según la regla de los tercios, la luz entra lateralmente por grandes ventanales, la cámara está en un ángulo bajo sutil con una distancia focal de 35 mm, el registro es fotografía documental editorial con tonos cálidos desaturados, y la profundidad de campo deja el fondo en un bokeh ligero. Cada una de estas seis frases elimina una libertad que el modelo ejercería al azar de otro modo.
from openai import OpenAI
import base64
client = OpenAI()
def prompt_multicouche(
sujet: str,
composition: str,
eclairage: str,
perspective: str,
style: str,
details_techniques: str,
output: str
):
"""Construye un prompt multicapa para un control máximo."""
prompt = (
f"Subject: {sujet}. "
f"Composition: {composition}. "
f"Lighting: {eclairage}. "
f"Perspective: {perspective}. "
f"Style: {style}. "
f"Technical details: {details_techniques}."
)
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt=prompt,
size="1536x1024",
quality="high",
)
data = base64.b64decode(response.data[0].b64_json)
with open(output, "wb") as f:
f.write(data)
print(f"Advanced image: {output}")
return prompt
prompt_utilise = prompt_multicouche(
sujet="Architect working on blueprints in a bright studio",
composition="Rule of thirds, subject at left third, depth with multiple planes",
eclairage="Lateral natural light from large windows, soft shadows",
perspective="Slightly low angle (subtle low-angle shot), 35mm focal length",
style="Editorial documentary photography, warm desaturated tones",
details_techniques="Medium depth of field, sharp foreground, light background bokeh",
output="architecte_atelier.png"
)
Dominio de la composición
La composición determina cómo viaja la mirada por una imagen, y la controlas nombrando reglas que el modelo reconoce.
Reglas de composición clásicas
El diccionario de abajo reúne cinco grandes familias compositivas y las aplica a un sujeto intencionadamente idéntico —un faro aislado en un acantilado bretón— para que la comparación se centre únicamente en la puesta en escena. La regla de los tercios sitúa el faro en una intersección de líneas de fuerza y produce la imagen más «natural»; la simetría al estilo Wes Anderson centra el eje vertical y añade un reflejo en el agua; la diagonal crea tensión desde la esquina inferior izquierda hasta la superior derecha; el marco dentro del marco te hace ver el faro a través de un arco o una ventana, creando profundidad inmediata; finalmente, la composición minimalista reduce el faro a un pequeño punto en un vasto espacio negativo, convirtiendo el sujeto en un pretexto. Cinco imágenes del mismo faro, cinco enunciados distintos.
from openai import OpenAI
import base64
client = OpenAI()
compositions = {
"regle_des_tiers": (
"Rule of thirds composition, subject positioned at the intersection "
"of power lines (right third, bottom third)"
),
"symetrie": (
"Perfectly symmetrical composition, central vertical axis, "
"reflections in water, Wes Anderson style"
),
"diagonale": (
"Dynamic diagonal composition, power line from "
"bottom-left corner to top-right corner"
),
"cadre_dans_cadre": (
"Frame within a frame: subject viewed through an arch, "
"a window, or a natural framing"
),
"minimaliste": (
"Minimalist composition, huge negative space, "
"small isolated subject in a vast environment"
),
}
sujet_base = "An isolated lighthouse on a Breton cliff facing the sea"
for nom, composition in compositions.items():
prompt = f"{sujet_base}, {composition}, landscape photography"
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt=prompt,
size="1536x1024",
quality="high",
)
path = f"composition_{nom}.png"
data = base64.b64decode(response.data[0].b64_json)
with open(path, "wb") as f:
f.write(data)
print(f"Composition {nom} → {path}")
Planos y profundidad
La profundidad no se solicita en bloque; se construye plano a plano. El siguiente prompt describe un mercado provenzal asignando explícitamente contenido y nitidez a cada uno de los tres planos: jabones y lavanda en primer plano, perfectamente nítidos; el vendedor y su cliente en plano medio, ligeramente desenfocados; fachadas de piedra dorada y plátanos al fondo, con bokeh pronunciado. La mención final de un objetivo de 50 mm abierto a f/1.8 solo confirma ópticamente lo que la descripción ya ha establecido, y es esta redundancia intencionada la que hace fiable el resultado.
from openai import OpenAI
import base64
client = OpenAI()
prompt_profondeur = (
"Provençal market scene with three distinct planes: "
"sharp foreground—display of lavender and artisanal soaps, "
"middle ground—vendor and customer in conversation, slight blur, "
"background—golden stone facades and plane trees, pronounced bokeh. "
"Photography with 50mm f/1.8 lens, shallow depth of field."
)
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt=prompt_profondeur,
size="1536x1024",
quality="high",
)
data = base64.b64decode(response.data[0].b64_json)
with open("marche_profondeur.png", "wb") as f:
f.write(data)
Dominio de la iluminación
La iluminación es la herramienta más potente para crear atmósfera y la más rentable en términos de caracteres invertidos. Seis esquemas cubren la mayoría de las necesidades, y el bucle de abajo los aplica todos al mismo retrato de un violinista concentrado. La iluminación Rembrandt, con su única fuente a 45 grados y su triángulo de luz en la mejilla opuesta, da el retrato de estudio clásico. La luz de recorte (rim light) sitúa la fuente detrás del sujeto y mantiene solo el halo del contorno, produciendo una imagen de silueta. La iluminación dividida corta la cara en dos mitades, una iluminada y otra en sombra, desplazando inmediatamente el registro al cinematográfico. La hora dorada aporta luz rasante dorada y su nostálgico destello de lente; el neón urbano aporta fuentes rosas y cian reflejadas en superficies mojadas; y el estudio de clave alta aporta uniformidad sin sombras y un fondo blanco comercial. El mismo sujeto se vuelve íntimo, misterioso o listo para publicidad según convenga.
from openai import OpenAI
import base64
client = OpenAI()
eclairages_avances = {
"rembrandt": (
"Rembrandt lighting: single source at 45 degrees, triangular highlight "
"on opposite cheek, deep dramatic shadows"
),
"rim_light": (
"Backlighting (rim light): silhouette outlined by a luminous halo, "
"source directly behind subject, details in shadows"
),
"split": (
"Split lighting: half face lit, half in shadow, "
"clear separation, mysterious cinematic atmosphere"
),
"golden_hour": (
"Golden hour: raking golden light, long warm shadows, "
"subtle lens flare, soft nostalgic atmosphere"
),
"neon": (
"Urban neon lighting: multiple pink and cyan sources, "
"reflections on wet surfaces, nocturnal cyberpunk atmosphere"
),
"studio_high_key": (
"High-key studio: uniformly bright lighting, minimal shadows, "
"white background, clean commercial atmosphere"
),
}
sujet = "Portrait of a focused violinist"
for nom, eclairage in eclairages_avances.items():
prompt = f"{sujet}, {eclairage}"
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt=prompt,
size="1024x1536",
quality="high",
)
path = f"eclairage_{nom}.png"
data = base64.b64decode(response.data[0].b64_json)
with open(path, "wb") as f:
f.write(data)
print(f"Lighting {nom} → {path}")
Dominio de la perspectiva
La perspectiva influye en cómo el espectador percibe el sujeto, y su efecto es casi siempre psicológico antes que estético. Un picado mira la escena desde arriba y empequeñece lo que observa; un contrapicado, con la cámara a ras de suelo, agranda el sujeto y le otorga poder; una vista aérea perfectamente vertical abole el volumen y convierte la realidad en un patrón gráfico; una vista de gusano lleva el contrapicado al extremo, haciendo que todas las líneas de fuga converjan hacia el cielo; finalmente, una vista a la altura de los ojos con una distancia focal de 50 mm reproduce la visión humana y desaparece en favor del sujeto. En rascacielos de cristal y acero, la diferencia entre estas cinco imágenes no reside en el edificio, sino en la relación que establecen con él. Ten en cuenta que el bucle cambia a formato vertical para los dos ángulos bajos, porque un contrapicado de un edificio necesita altura para respirar.
from openai import OpenAI
import base64
client = OpenAI()
perspectives = {
"plongee": (
"High-angle view (top-down), camera overlooking the scene, "
"domination effect, subject viewed from above at 45 degrees"
),
"contre_plongee": (
"Low-angle view (bottom-up), camera at ground level looking up, "
"effect of grandeur and power"
),
"aerienne": (
"Drone aerial view, perfectly vertical (90 degrees), "
"graphic composition, textures and patterns visible from above"
),
"worm_eye": (
"Worm's-eye view, camera placed on ground, extreme perspective "
"with vanishing lines converging toward the sky"
),
"eye_level": (
"Eye-level view, natural and immersive, "
"50mm focal length, like human vision"
),
}
sujet = "Modern glass and steel skyscrapers"
for nom, perspective in perspectives.items():
prompt = f"{sujet}, {perspective}, architectural photography"
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt=prompt,
size="1024x1536" if nom in ["contre_plongee", "worm_eye"] else "1536x1024",
quality="high",
)
path = f"perspective_{nom}.png"
data = base64.b64decode(response.data[0].b64_json)
with open(path, "wb") as f:
f.write(data)
print(f"Perspective {nom} → {path}")
Un constructor de prompts reutilizable
Concatenar siete capas a mano en cada script tarde o temprano hará que olvides una o intercambies dos. La clase PromptBuilder resuelve esto exponiendo un método por capa y devolviendo self en cada llamada, lo que te permite encadenar configuraciones en un orden legible y especificar solo algunas de ellas. El método build() ensambla entonces el sujeto y las capas pobladas en un texto listo para pasar a client.images.generate(). El ejemplo del café junto al mar implementa las siete capas disponibles —composición, iluminación, perspectiva, estilo, colores, atmósfera, técnica— y produce un prompt que ninguna improvisación lograría tan completo.
class PromptBuilder:
"""Constructor para prompts visuales estructurados."""
def __init__(self, sujet: str):
self.sujet = sujet
self.layers = {}
def composition(self, desc: str):
self.layers["composition"] = desc
return self
def eclairage(self, desc: str):
self.layers["lighting"] = desc
return self
def perspective(self, desc: str):
self.layers["perspective"] = desc
return self
def style(self, desc: str):
self.layers["style"] = desc
return self
def couleurs(self, desc: str):
self.layers["color palette"] = desc
return self
def atmosphere(self, desc: str):
self.layers["atmosphere"] = desc
return self
def technique(self, desc: str):
self.layers["technique"] = desc
return self
def build(self) -> str:
parts = [self.sujet]
for key, value in self.layers.items():
parts.append(f"{key}: {value}")
return ". ".join(parts)
# Uso
prompt = (
PromptBuilder("Artisanal seaside café, terrace with umbrellas")
.composition("Rule of thirds, terrace in foreground, sea at horizon")
.eclairage("Late afternoon, raking golden light, long shadows")
.perspective("Slight high angle, 28mm wide-angle focal length")
.style("Lifestyle photography, warm tones, analog film")
.couleurs("Terracotta, Mediterranean blue, off-white, olive green")
.atmosphere("Relaxed and Mediterranean, sea breeze")
.technique("Deep depth of field, sharp from foreground to infinity")
.build()
)
print(prompt)
# Usa este prompt con client.images.generate()
Ahora hazte dueño de este kit de herramientas con un único sujeto exigente: una biblioteca antigua. Produce cinco imágenes con PromptBuilder, variando sistemáticamente la composición, la iluminación y la perspectiva, y reúnelas en un catálogo HTML. Ver las cinco juntas es la forma de aprender qué capas importan más en tu práctica.