Saltar al contenido
ReviewRamble

El boletín semanal

La IA, analizada, en tu bandeja de entrada.

  • Nuevas reseñas de herramientas, modelos, servidores MCP y repos, con el veredicto por delante
  • Precios y valoraciones revisados cuando algo cambia
  • Nuevos análisis en cuanto se publican

Modelos, agentes, servidores MCP y las herramientas que de verdad merecen tu tiempo.

Un correo a la semana. Date de baja con el enlace de cualquier boletín. Cómo usamos tu correo

Text-to-image

El text-to-image (texto a imagen) es la tarea de generar una imagen nueva a partir de una descripción escrita, llamada prompt. La mayoría de los modelos text-to-image actuales son modelos de difusión condicionados por el texto.

También llamado: image generation, T2I, AI image generator

Por Divya Sharma · Comprobado el 15 nov 2026 · Cómo hacemos las reseñas

Escribes "una bicicleta roja apoyada en una pared de ladrillo al anochecer" y el modelo devuelve una imagen que encaja. Por detrás, un codificador de texto convierte el prompt en números, y un modelo de difusión los usa para guiar su eliminación de ruido desde un ruido aleatorio hasta una imagen.

Cómo guía el texto a la imagen

En la difusión latente, el diseño en el que se basa Stable Diffusion, unas capas de atención cruzada conectan el texto con la imagen que se va formando en cada paso. La guidance scale controla con cuánta fuerza se ciñe el modelo al prompt. Para un control más preciso de la composición o la postura, las herramientas añaden ControlNet o parten de una imagen existente con image-to-image.

Para qué lo usan los desarrolladores

Maquetas de productos, arte para marketing, ilustraciones, recursos para videojuegos e imágenes provisionales para interfaces. Entre las opciones alojadas están Midjourney e Ideogram; modelos abiertos como FLUX.2 dev pueden ejecutarse en tu propia GPU. Consulta modelos de imagen para más información.

Límites

Los modelos todavía pueden tener problemas con el texto exacto dentro de las imágenes, el recuento de objetos, las manos y la disposición espacial precisa. La salida depende de los datos de entrenamiento, lo que plantea dudas sobre la copia de estilos y las licencias. Los resultados son aleatorios por defecto, así que el mismo prompt da imágenes distintas salvo que fijes la semilla. Las imágenes generadas suelen ser demasiado pequeñas para imprimir y a menudo se pasan por un upscaler de IA.

Términos relacionados

Modelo de difusión
Un modelo de difusión (diffusion model) es un modelo generativo que aprende a convertir ruido aleatorio en datos, como una imagen, eliminando un poco de ruido cada vez a lo largo de muchos pasos.
Escalado de imágenes con IA
El escalado de imágenes con IA (upscaling), o superresolución, usa una red neuronal para ampliar una imagen y rellenar detalles plausibles, de modo que el resultado se ve más nítido que con un simple cambio de tamaño.
Image-to-image
Image-to-image (de imagen a imagen) es la tarea de generar una imagen nueva a partir de una existente más un prompt, conservando parte de la estructura del original mientras se cambia el estilo, el detalle o el contenido.
Guidance scale (CFG)
La guidance scale (escala de guía), o CFG scale, es un ajuste de los generadores de imágenes por difusión que controla con qué fuerza sigue la salida al prompt. Los valores más altos siguen el prompt más de cerca, pero reducen la variedad.
ControlNet
ControlNet es un complemento de red neuronal que permite a un modelo de difusión text-to-image seguir una guía estructural, como un mapa de bordes, un mapa de profundidad o una pose humana, además del prompt de texto.
Inpainting y outpainting
El inpainting consiste en rellenar una zona enmascarada de una imagen con contenido generado nuevo que encaje con el resto de la imagen. El outpainting es la misma idea aplicada fuera de los bordes, ampliando la imagen más allá de su marco.

Fuentes