Generador de imágenes a mensajes

Una indicación es el único control que tienes sobre un modelo de texto a imagen, y la mayoría de la gente lo pierde dos veces: primero cuando no pueden describir lo que quieren, y segundo cuando una imagen que les gusta no les permite volver a las palabras que la crearon. La ingeniería inversa es la solución práctica: tienes una imagen de referencia, una atmósfera cromática, una configuración de iluminación o una composición que ya funciona, y quieres una indicación que se dirija al mismo lugar. Hacerlo a ojo es lento y poco fiable, porque los elementos que realmente dirigen un modelo son aburridos y medibles: la saturación de la paleta, si el contraste es duro o suave, si la luz se percibe cálida o fría, y el ancho del encuadre.

Esta herramienta mide esos aspectos directamente desde tus píxeles. La imagen se decodifica en un lienzo, se muestrea y cada píxel se cuenta en grupos de color para encontrar la paleta dominante; cada color se convierte en un nombre que el modelo entiende, por lo que el mensaje dice azul profundo en lugar de proporcionar un código hexadecimal. El brillo medio y su dispersión producen brillo y contraste, el equilibrio entre rojo y azul proporciona la temperatura de color, y un escaneo de gradiente evalúa la densidad de los bordes para diferenciar las obras de arte minimalistas y limpias de las fotografías intrincadas y con mucha textura. El ancho y la altura se reducen a una proporción real, y si el archivo contiene un canal alfa, el mensaje indica que el sujeto ya está aislado.

La ubicación de la indicación es tan importante como su contenido, por lo que la salida se escribe por modelo en lugar de una sola vez para todos. Midjourney recibe una oración descriptiva con parámetros finales para relación de aspecto, versión, estilo y estilizar, además de una lista de opciones negativas. Stable Diffusion recibe etiquetas separadas por comas con modificadores de calidad al principio y una indicación negativa separada que cubre desenfoque, artefactos y marcas de agua. DALL-E 3 recibe un párrafo en lenguaje natural, ya que ignora en gran medida las listas de etiquetas. Flux recibe prosa sin ningún parámetro. Úselo para reconstruir un aspecto que le haya gustado, para mantener la coherencia de un lote de imágenes de campaña o para entregarle a un cliente una indicación que coincida con la maqueta que ya aprobó.

Es importante aclarar un punto. Esta herramienta no reconoce sujetos: no puede distinguir una bicicleta de un portabicicletas, ya que para ello se necesita un modelo de visión en un servidor, lo que implicaría subir tu foto. Su función es traducir datos medibles a las palabras que los modelos interpretan, que es precisamente la parte que las personas suelen adivinar con más dificultad. Debes proporcionar el sujeto en una línea, y todo lo demás se lee directamente de los píxeles. La decodificación, la medición y la escritura se realizan en tu navegador, por lo que no se sube nada a la plataforma, no hay cuenta, ni clave API, ni límite diario.