WORKFLOW
Flujos de trabajo
Tras toda la parte teórica, ha llegado el momento de pasar a la práctica.
Para ello, vamos a ver primero una selección de herramientas que os he preparado: algunas son gratuitas, otras de pago, pero todas tienen algo interesante que aportar.
Después, realizaremos una serie de ejercicios prácticos para que podáis conocer distintos flujos de trabajo y experimentar por vosotras y vosotros mismos cómo se integran estas herramientas en el proceso creativo.
Eso sí, recordad que no hay una única forma de hacerlo.
La clave está en encontrar vuestra propia manera de usar y combinar estas herramientas, según lo que os pida cada proyecto o situación.
Herramientas de IA generativa
Open source
Flux
Flux (también conocido como FLUX.1) es un modelo de generación de imágenes por inteligencia artificial desarrollado por la startup alemana Black Forest Labs, lanzado originalmente en agosto de 2024. El equipo fundador estaba compuesto por ingenieros que previamente habían trabajado en Stable Diffusion, lo que dota a Flux de una base técnica sólida y una fuerte conexión con los modelos de difusión más influyentes.
Al igual que otros modelos de texto a imagen, Flux permite generar imágenes digitales a partir de descripciones escritas (prompts). Emplea una arquitectura híbrida que combina técnicas de difusión con redes de transformadores, y cuenta con alrededor de 12 mil millones de parámetros, lo que le otorga una gran capacidad para interpretar prompts complejos y producir imágenes coherentes y detalladas.
El proyecto Flux se presenta en varias versiones adaptadas a distintos perfiles de usuario: una versión de código abierto para uso no comercial llamada Schnell (que significa «rápida» en alemán), una versión Dev enfocada a la investigación, y una versión Pro, pensada para ofrecer el máximo rendimiento bajo licencia comercial.
Esta estrategia de ofrecer múltiples variantes hace que Flux sea una herramienta versátil y accesible, tanto para la comunidad de desarrolladores como para usuarios profesionales o empresas, adaptándose así a diferentes necesidades tecnológicas y creativas.
En la página oficial encontraréis toda la información detallada sobre el modelo y sus distintas versiones.
En Hugging Face podréis experimentar con numerosas variantes desarrolladas a partir del modelo original.
En Replicate, además del generador de imágenes, tenéis acceso a otras muchas herramientas relacionadas con la creación visual y el procesamiento de texto mediante inteligencia artificial.
Reve
Aunque no se trata de un modelo Open Source, lo incluyo en este apartado porque, como estrategia de entrada al mercado, Reve puede considerarse prácticamente gratuito. Todo apunta a que, una vez gane visibilidad, cerrará el grifo de las generaciones gratuitas.
Desarrollado por la startup californiana Reve AI Inc., este nuevo modelo promete plantar cara a gigantes consolidados como Midjourney o Flux, ofreciendo resultados de alta calidad a un coste considerablemente inferior.
Una de las grandes bazas de Reve Image 1.0 es su modelo de precios asequible. Al registrarse, los usuarios reciben 100 créditos gratuitos y pueden obtener 500 generaciones adicionales por solo 5 dólares —es decir, apenas un centavo por imagen.
Además, la plataforma ofrece 20 generaciones gratuitas diarias, lo que la convierte en una opción más económica frente a competidores cuyos planes arrancan en 8 dólares al mes y pueden alcanzar los 120 dólares, dependiendo del uso.
Stable Diffusion
Stable Diffusion es uno de los modelos de IA generativa más conocidos, célebre por haber democratizado el acceso a la creación de arte mediante inteligencia artificial. Fue desarrollado por un equipo de investigadores de la Universidad LMU de Múnich, junto con la empresa Runway y con el apoyo de Stability AI. Su lanzamiento al público se produjo en agosto de 2022.
La característica más destacada de Stable Diffusion es su filosofía abierta. A diferencia de otros modelos comerciales, fue lanzado como software de código abierto, lo que permite que cualquier persona lo utilice, modifique y mejore libremente. Esta decisión ha dado lugar a una enorme comunidad de desarrolladores y artistas que han creado herramientas, variantes y aplicaciones sobre la base del modelo original.
Este modelo se ha integrado en infinidad de aplicaciones de terceros y flujos de trabajo creativos. Quienes se especializan en su uso pueden obtener resultados espectaculares, gracias a su versatilidad y capacidad de personalización. Sin embargo, presenta una curva de aprendizaje y configuración relativamente alta, lo que puede suponer una barrera inicial para usuarios sin experiencia técnica.
Modelos propietarios
Midjourney
Midjourney es uno de los sistemas de inteligencia artificial más populares para crear imágenes a partir de texto, así como el nombre de la empresa independiente que lo desarrolló. Este proyecto nació a partir de una investigación privada liderada por David Holz (cofundador de Leap Motion) y un pequeño equipo de entusiastas. Fue ganando notoriedad a lo largo de 2022 y, tras unos meses de pruebas cerradas, lanzó su beta pública en julio de ese año a través de su servidor de Discord, sorprendiendo a la comunidad con la calidad de sus resultados.
ChatGPT - OpenAI
El nuevo modelo de generación de imágenes ha sorprendido a la comunidad creativa, ya que, al igual que el presentado por Google pocos días antes, marca una nueva etapa al incorporar modelos autoregresivos o combinaciones de estos con modelos de difusión.
Esto permite un nivel de control sorprendente a través del lenguaje natural, donde el modelo interpreta las indicaciones con una precisión notable. La generación de texto es prácticamente perfecta y la adherencia al prompt es altísima, lo que ofrece resultados altamente fieles a lo solicitado.
Además, estos modelos permiten una edición básica pero muy efectiva, así como la generación de imágenes mediante la combinación de elementos tomados de muestras fotográficas. Se trata de la primera versión pública de esta nueva generación de modelos, por lo que se espera que en futuras iteraciones el sistema mejore significativamente.
Por primera vez, los sistemas tradicionales de edición fotográfica podrían verse realmente amenazados por una alternativa basada en inteligencia artificial.
También puedes probar el modelo directamente en ChatGPT, que genera y edita imágenes con el mismo motor.
Open source
Flux Canny Pro
Flux Canny Pro funciona como un detector de bordes, aplicando esta detección como base para generar la nueva imagen.
El control del resultado se completa mediante el prompt.
Aunque el resultado puede ser bastante aleatorio, es una opción interesante, sobre todo si se trabaja con él a través de Replicate, por apenas 5 céntimos por imagen.
En la página oficial encontraréis toda la información detallada sobre el modelo y sus distintas versiones.
En Hugging Face podréis experimentar con numerosas variantes desarrolladas a partir del modelo original.
En Replicate, además del generador de imágenes, tenéis acceso a otras muchas herramientas relacionadas con la creación visual y el procesamiento de texto mediante inteligencia artificial.
ComfyUI
ComfyUI es una interfaz gráfica de usuario (GUI) de código abierto, basada en nodos, diseñada para interactuar con modelos de inteligencia artificial generativa como Stable Diffusion o Flux. Esta herramienta permite a los usuarios crear y ejecutar flujos de trabajo complejos de generación de imágenes mediante una estructura visual de nodos interconectados, facilitando un control preciso sobre cada etapa del proceso sin necesidad de programación.
Diferencias con otras interfaces:
A diferencia de interfaces más lineales como AUTOMATIC1111, ComfyUI presenta una curva de aprendizaje más pronunciada debido a su enfoque basado en nodos. Sin embargo, esta complejidad se traduce en una mayor capacidad de personalización y control sobre el proceso de generación de imágenes, lo que la convierte en una herramienta poderosa para usuarios que buscan profundizar en las capacidades de los modelos de difusión.
Clarity Upscaler
Clarity Upscaler es una herramienta de código abierto diseñada para mejorar y escalar imágenes con una sorprendente calidad de detalle. Inspirada en el enfoque de Magnific AI, Clarity ofrece resultados similares gracias al uso de técnicas como MultiDiffusion, ControlNet tiles y modelos LoRA, permitiendo ajustar parámetros como la creatividad o la fidelidad al original. Se integra fácilmente en flujos de trabajo como ComfyUI y cuenta con una API para desarrolladores, lo que la convierte en una opción potente, accesible y muy versátil para quienes buscan una solución gratuita y personalizable sin renunciar a resultados de alto nivel.
Modelos propietarios
Midjourney
Herramientas de edición en Midjourney
Aunque muchos siguen asociando Midjourney únicamente con la generación de imágenes desde cero, lo cierto es que la plataforma ha ido incorporando potentes herramientas de edición que amplían enormemente sus posibilidades creativas.
Entre las más destacadas se encuentran:
Escalado generativo, que permite ampliar una imagen más allá de sus bordes originales sin perder coherencia visual.
Remix, una función ideal para introducir cambios sutiles (o no tan sutiles) sobre una misma base.
OutPainting y InPainting, dos funciones clave para modificar partes concretas de una imagen o expandirla en cualquier dirección.
Y la más reciente: Retexture, que permite alterar el acabado de una imagen manteniendo su estructura original.
Todo esto se suma a los ya conocidos controles de parámetros, versiones, variaciones, estilos predefinidos, o los ajustes finos desde el modo RAW, consolidando a Midjourney como una herramienta cada vez más completa y flexible.
ChatGPT - OpenAI
El nuevo modelo de imágenes de OpenAI
Aunque incorpora una herramienta de edición aparentemente muy básica —la selección por zonas— lo cierto es que el nivel de control que ofrece sobre la reinterpretación de las imágenes lo sitúa en otra liga.
No estamos solo ante un generador de imágenes: podríamos considerarlo casi un modelo híbrido entre generación y edición.
Su capacidad para respetar estructuras, mantener estilos o introducir cambios precisos sin romper la coherencia global de la imagen lo convierten en una de las propuestas más interesantes del momento.
Una herramienta sencilla, sí… pero con una potencia creativa descomunal.
Prome AI
PromeAI es una herramienta de diseño asistido por inteligencia artificial que permite transformar bocetos, descripciones de texto o modelos 3D en imágenes de alta calidad. Pensada para profesionales del diseño, como arquitectos o interioristas, ofrece funciones como renderizado de bocetos, generación por texto, variaciones de imagen y sustitución de fondos o modelos. Su interfaz es intuitiva, los resultados son sorprendentemente profesionales y puede integrarse fácilmente en cualquier flujo creativo.
Vizcom
Vizcom es una herramienta de diseño impulsada por inteligencia artificial que permite transformar bocetos en renderizados fotorrealistas en cuestión de segundos. Pensada especialmente para diseñadores industriales, facilita la exploración de ideas, la comunicación visual y la colaboración en equipo.
Cuenta con funciones familiares como pinceles, capas y control de texturas, y además permite generar geometría 3D a partir de dibujos o fotografías, lo que la convierte en una opción muy útil para acelerar el proceso creativo sin renunciar a la calidad.
Magnific AI
Magnific AI es una herramienta avanzada de mejora y escalado de imágenes basada en inteligencia artificial. Permite aumentar la resolución hasta 16 veces el tamaño original, añadiendo detalles realistas y mejorando notablemente la nitidez y el acabado final. A diferencia de los escaladores tradicionales, no solo amplía píxeles: reinterpreta y enriquece la imagen con un sorprendente nivel de calidad.
Aunque no es un programa de edición en sí, puede funcionar como el toque final perfecto para determinadas piezas visuales. Además, recientemente ha incorporado una herramienta de retexturizado con referencia de estilo, lo que amplía aún más sus posibilidades en procesos creativos y presentaciones profesionales.
Open source
Hunyuan 3d
Hunyuan3D 2.0 es un avanzado sistema de síntesis 3D desarrollado por Tencent, capaz de generar modelos 3D de alta resolución a partir de descripciones textuales o imágenes. Este modelo de código abierto utiliza una arquitectura de dos etapas: primero, Hunyuan3D-DiT crea la geometría base del objeto; luego, Hunyuan3D-Paint aplica texturas detalladas y realistas. Esta combinación permite producir activos 3D con una calidad y precisión notables, superando a modelos previos en métricas como consistencia textual, precisión geométrica y calidad visual. Además, la plataforma Hunyuan3D-Studio ofrece una interfaz intuitiva para que tanto profesionales como aficionados puedan manipular, animar y exportar sus creaciones fácilmente. La naturaleza abierta de Hunyuan3D 2.0 fomenta la colaboración y contribución de la comunidad, consolidándolo como una herramienta poderosa y accesible en el ámbito de la generación de contenido 3D.
Trellis
TRELLIS es un modelo avanzado de generación de activos 3D desarrollado por Microsoft, capaz de crear representaciones tridimensionales de alta calidad a partir de descripciones textuales o imágenes. Utiliza una representación estructurada latente (SLAT) que permite decodificar en diversos formatos de salida, como Radiance Fields, 3D Gaussians y mallas tradicionales, ofreciendo una versatilidad notable para adaptarse a diferentes necesidades en el desarrollo de juegos y aplicaciones de realidad virtual.
Modelos propietarios
Tripo
Tripo AI es una plataforma de generación 3D impulsada por inteligencia artificial que permite crear modelos tridimensionales realistas a partir de texto, imágenes individuales o múltiples vistas. Pensada para diseñadores, desarrolladores y artistas visuales, ofrece resultados detallados y rápidos en un entorno fácil de usar.
Además, han lanzado TripoSR, su modelo de reconstrucción 3D de código abierto, ideal para generar geometría a partir de una sola imagen, ahora también ampliado para trabajar con varias referencias visuales.
Aunque funciona bajo un sistema de créditos, Tripo AI ofrece generaciones gratuitas al registrarse, lo que permite probar sus capacidades sin compromiso. Una herramienta versátil, ágil y con un enorme potencial creativo.
Meshy.ai
Meshy es una plataforma impulsada por inteligencia artificial que permite generar modelos 3D de alta calidad a partir de descripciones de texto o imágenes. Diseñada para artistas digitales, desarrolladores de juegos y creadores de contenido, Meshy ofrece una interfaz intuitiva que facilita la creación de modelos tridimensionales detallados sin necesidad de experiencia previa en modelado 3D. Además, la plataforma proporciona 100 créditos gratuitos mensuales al registrarse, permitiendo a los usuarios explorar sus funcionalidades sin compromiso inicial. Meshy admite múltiples estilos artísticos y formatos de exportación, integrándose fácilmente en diversos flujos de trabajo creativos.
