El arte de crear indicaciones para la generación de imágenes
En esta página
Lección reescrita el 3 de noviembre de 2026 basándose en la Guía de indicaciones para imágenes de xAI, escrita para
grok-imagine-image-2.0: el sujeto va antes que el estilo, la luz se describe por su fuente, dirección y dureza, una lista de elementos prohibidos se sustituye por lo que sí quieres ver, y una imagen aislada se describe en cuatro o seis frases. La versión anterior mencionaba un límite de «1.024 caracteres» que no aparece en ninguna página actual de xAI, y aconsejaba «especificar lo que no quieres ver», algo que la guía desaconseja. Fuente: Guía de indicaciones para imágenes.
Lo primero es el sujeto
La guía de indicaciones de xAI establece un criterio de éxito sencillo: una imagen es buena si su sujeto coincide con la indicación. La paleta, el grano y el estilo vienen después. Esta jerarquía dicta toda la redacción: una indicación que empieza por el ambiente, el tipo de película o una lista de elementos prohibidos genera una escena pulida en torno a un sujeto aproximado.
Abre con una frase que establezca el sujeto: qué es, su estado o forma, qué lo sostiene y dónde se sitúa.
- Vago: «una tetera»
- Preciso: «Una tetera de hierro fundido negro, con la tapa ligeramente entreabierta, apoyada sobre un posavasos de corcho, en una mesa de pizarra junto a una ventana».
A continuación, describe el sujeto como un objeto que podrías señalar: cada elemento importante, nombrado por la forma que adopta en la imagen («un jersey de punto trenzado» en lugar de «un jersey»); las cantidades («dos tazas», «un único libro abierto»); y el ángulo de visión, indicado una sola vez y sin ambigüedad («vista de tres cuartos a la altura de la mesa», «toma vertical cenital»).
Un orden fijo de seis pasos
La guía propone un orden que debes mantener de una indicación a otra, especialmente en una serie:
- El sujeto: qué es, su forma, su soporte, la decoración
- Detalles y punto focal: elementos clave, materiales, cantidades, ángulo de visión
- Dirección de arte: zonas de color principales y dos o tres accesorios, cada uno nombrado
- Luz: su fuente, dirección y dureza
- Colores: los del sujeto y los del fondo, por separado
- Composición: encuadre, qué corta el marco, qué permanece nítido: una única escena
Escríbelo todo en prosa, como la descripción de una única fotografía. Una frase que suene a instrucción («haz el jersey más oscuro») funciona mal en la generación: el modelo no tiene un «antes» con el que comparar y lo interpreta como un atributo de la imagen que debe producir.
El estilo, en su lugar
El estilo sigue siendo una palanca potente, siempre que vaya después del sujeto. Nombrar un movimiento o una técnica orienta el resultado:
styles = [
"watercolor",
"impressionist oil painting",
"digital art",
"hyperrealistic photography",
"minimalist flat design",
"manga",
"art deco",
"retro pixel art",
]
La lección 11 muestra cómo describir qué hace que un estilo sea tal, en lugar de limitarse a nombrarlo, y cómo mantenerlo coherente a lo largo de una serie.
Luz: fuente, dirección, dureza
«Luz bonita» no significa nada para el modelo. Describe la luz como un director de iluminación: de dónde viene, hacia qué lado, si es dura o difusa, y qué aspecto tienen las sombras y los reflejos. «Lámpara de escritorio a la izquierda, luz dura, sombra nítida del bolígrafo sobre la página» se dibuja; «ambiente cálido» se adivina.
La guía señala dos precauciones. Pide una exposición lo bastante brillante para que el sujeto sea legible: «ligeramente subexpuesto» o «sombras empastadas» oscurecen toda la imagen. Y omite defectos ópticos o de impresión —franjas de color, polvo, arañazos—, que el modelo dibuja como defectos reales.
Describe lo que quieres ver
Describe un material en positivo: «latón pátinado, con bordes más claros» da al modelo una superficie que renderizar; «no demasiado nuevo» no le da nada. El mismo principio se aplica a las exclusiones. La guía observa que una lista larga de elementos prohibidos se ignora con facilidad y llena la indicación de objetos que acaban apareciendo. Mantén una restricción solo cuando afecte a una cantidad o a un objeto específico, y asóciala a lo que sí quieres: «un único lápiz, colocado a la derecha del cuaderno».
Nombra también cada objeto por lo que es: una taza, un vaso y un cuenco son tres objetos distintos. Y describe una textura una sola vez: si la repites, acaba aplicándose a la superficie equivocada.
¿Qué longitud?
Para una imagen aislada, la guía de xAI cuenta entre cuatro y seis frases: el sujeto y sus detalles, luego la decoración, la luz y el encuadre. No es un techo, sino el orden de magnitud de una descripción completa; las páginas de xAI no especifican una longitud máxima para la indicación.
Ejemplos comparativos
Observa la diferencia entre una indicación básica y una construida siguiendo el orden de la guía, con el cliente de OpenAI configurado en la lección 1:
# Indicación básica
basic = client.images.generate(
model="grok-imagine-image-2.0",
prompt="a desk",
)
# Indicación estructurada: sujeto, detalles, dirección de arte, luz, colores, encuadre
optimized = client.images.generate(
model="grok-imagine-image-2.0",
prompt=(
"A light oak desk holding a turned-off monitor, a potted monstera, "
"and a steaming mug of coffee, seen from a three-quarter view at "
"seating height. The surface shows wood grain and a gray felt desk pad. "
"Off-white wall, shelf on the left with three books. "
"Soft natural light from a large window on the right, "
"light shadows, honey wood and deep green foliage. "
"35 mm photography, entire desk in frame, mug in sharp focus."
),
)
La primera lo deja todo en manos del modelo: encuadre, luz, objetos, estilo. La segunda decide cada uno de estos puntos, en el mismo orden que todas las indicaciones de la serie.
¿Generar o editar?
La guía distingue dos situaciones. Genera cuando aún no hay imagen, o cuando el propio sujeto es incorrecto: un objeto distinto, un elemento faltante, una cantidad errónea. Edita cuando el sujeto y la disposición son correctos y solo hay que cambiar de uno a tres detalles: primero la modificación, luego una frase que mantenga el mismo sujeto, el mismo ángulo y el mismo encuadre. La edición se trata en las lecciones 5 a 8.
Itera de forma metódica
Valora cada imagen frente a la indicación original, incluso tras varios intentos: ¿es el sujeto el nombrado?, ¿está cada elemento visible en la forma descrita?, ¿es correcta la cantidad?, ¿es cada objeto el adecuado?, ¿tiene la imagen suficiente brillo para ver el sujeto? Un fondo logrado en torno al sujeto equivocado sigue siendo un fracaso.
Mantén la indicación junto a la imagen y, en el siguiente turno, cambia solo el detalle que ha fallado: el resto de la indicación permanece intacto, y el sujeto y la disposición no se mueven. Si una corrección no surte efecto, cambia las palabras en lugar de insistir: señala la parte de la imagen que hay que corregir y describe qué debería mostrar.
response = client.images.generate(
model="grok-imagine-image-2.0",
prompt="Your prompt, modified on a single detail",
n=4,
extra_body={"aspect_ratio": "3:2"},
)
for i, image in enumerate(response.data):
print(f"Variation {i+1}: {image.url}")
Generar varias variaciones de la misma indicación (n oscila entre 1 y 10) ayuda a separar lo que se ajusta a la indicación de lo que depende del azar. Mantén también el mismo aspect_ratio en toda una serie, para que las imágenes tengan coherencia entre sí.
Puntos clave
- Sujeto primero: una imagen exitosa es aquella cuyo sujeto coincide con la indicación
- Mantén un orden fijo: sujeto, detalles, dirección de arte, luz, colores, encuadre
- Describe la luz por su fuente, dirección y dureza, y pide una imagen lo bastante brillante
- Describe lo que quieres ver en lugar de enumerar elementos prohibidos
- Cuenta entre cuatro y seis frases para una imagen aislada
- Itera un detalle cada vez, valorando cada imagen frente a la indicación original