Guía de Parámetros de IA: Relación de Aspecto, Seed, CFG, Stylize y Steps

Casi todo el mundo que empieza a generar imágenes con IA pasa meses intentando mejorar los resultados solo con el texto del prompt: cambia "bonito" por "deslumbrante", añade "8K", "ultra detallado", "obra maestra". Y el resultado sigue siendo parecido. El motivo es simple: buena parte de lo que define la imagen final no está en el texto, está en los parámetros.

Los parámetros son los controles numéricos que le dicen al modelo cómo dibujar, no qué dibujar. Proporción del lienzo, cuánto debe obedecer tu texto, cuántas etapas de refinamiento ejecuta, qué semilla aleatoria usa, cuánta libertad estética tiene. Son ellos los que separan a quien genera diez variaciones al azar de quien consigue repetir, ajustar y hacer evolucionar una imagen de forma controlada.

Esta guía es una referencia técnica de los cinco parámetros que aparecen prácticamente en todas las herramientas — relación de aspecto, seed, CFG, stylize y steps — más algunos vecinos que vale la pena conocer. La idea es que puedas volver aquí siempre que necesites recordar qué hace cada valor, en qué rango moverte y qué se rompe cuando te pasas.

Por qué los parámetros importan más que los adjetivos

Un modelo de difusión parte de ruido puro y va "limpiando" ese ruido paso a paso hasta llegar a una imagen. El prompt funciona como un mapa del destino; los parámetros definen la carretera, la velocidad y cuánto puede improvisar el conductor por el camino.

Eso explica por qué dos prompts idénticos generan imágenes completamente distintas, y por qué añadir más adjetivos muchas veces no cambia nada. Si el modelo ya tiene la obediencia al texto baja (CFG bajo), añadir palabras no sirve: sencillamente no les está prestando mucha atención. Si los steps están demasiado bajos, ningún adjetivo va a rescatar la textura de la imagen, porque el modelo no tuvo iteraciones suficientes para resolver los detalles.

La práctica que separa a los principiantes de la gente con experiencia es esta: cambia un parámetro cada vez. Si cambias el prompt, el seed y el CFG en el mismo intento, no vas a saber qué causó la mejora. Fijando el seed y tocando solo el CFG, aíslas la variable y aprendes de verdad cómo se comporta ese modelo.

Relación de aspecto: la proporción que define el encuadre

La relación de aspecto es la relación entre el ancho y el alto de la imagen. En Midjourney se escribe como --ar 16:9; en Stable Diffusion y derivados defines ancho y alto en píxeles; en ChatGPT y Gemini normalmente basta con pedirlo en lenguaje natural ("formato retrato 9:16").

Parece el parámetro más banal de la lista, pero es el que más influye en la composición. El modelo no recorta la misma escena en formatos distintos: la recompone. Un retrato pedido en 16:9 tiende a convertirse en un plano medio con fondo amplio; el mismo prompt en 2:3 se convierte en un primer plano vertical clásico de fotografía. La proporción cambia lo que la IA entiende como "encuadre natural" para esa escena.

Los valores más usados y para qué sirven

Una trampa frecuente: las proporciones muy extremas (como 3:1 o 1:3) confunden a modelos entrenados sobre todo con imágenes cercanas al cuadrado. Es habitual que aparezca duplicación — dos caras, dos cabezas, elementos repetidos en los bordes — porque el modelo intenta "rellenar" un espacio del que no tiene una referencia fuerte. En esos casos, lo más seguro es generar en 16:9 y después usar el recorte o la expansión por outpainting para llegar al formato final.

Otro punto práctico: generar ya en la proporción correcta siempre es mejor que recortar después. Recortar descarta píxeles y reduce la resolución útil. Si necesitas la misma imagen en varios formatos, genérala en el más restrictivo (normalmente el vertical) y adapta el resto con un redimensionado controlado.

Seed: el número que hace repetible el resultado

El seed es el número entero que inicializa el ruido aleatorio del que nace la imagen. Mismo prompt + mismo seed + mismos parámetros + mismo modelo = la misma imagen, píxel a píxel. Si cambias el seed, cambia todo.

Es probablemente el parámetro más desaprovechado por los principiantes, y el más importante para quien trabaja con IA de forma profesional. Sin controlar el seed no puedes iterar: solo sortear de nuevo.

Los usos prácticos son tres:

• Refinar un resultado casi bueno. Generaste algo con la composición perfecta pero el color equivocado. Fija el seed, cambia solo la palabra del color en el prompt y genera otra vez. La estructura de la imagen se mantiene en buena parte y solo cambia el elemento alterado.
• Comparar parámetros de forma honesta. ¿Quieres saber si CFG 7 es mejor que CFG 11 para tu prompt? Fija el seed y genera las dos. Sin seed fijo estás comparando dos imágenes distintas, no dos valores de CFG.
• Consistencia dentro de una serie. En un catálogo de producto, una secuencia de ilustraciones o una identidad visual, mantener el seed ayuda a preservar la "firma" visual del conjunto.

Conviene entender una limitación importante: el seed es específico del modelo y de la versión. El seed 42 en SDXL no produce nada parecido al seed 42 en Flux. Si cambias de modelo, tus seeds antiguos se convierten en números sin significado. Por eso, anota siempre modelo + versión + seed juntos, nunca el seed solo.

Escala CFG: cuánto obedece la IA tu prompt

CFG significa Classifier-Free Guidance, y la escala de CFG controla el peso que el modelo le da a tu texto frente a lo que "querría" dibujar por su cuenta. En la práctica, es un mando de obediencia.

Los valores bajos dejan al modelo creativo y suelto, pero empieza a ignorar partes del prompt. Los valores altos fuerzan la adherencia literal, pero la imagen queda saturada, con contornos duros, contraste exagerado y un aspecto artificial: el clásico resultado "quemado".

Un detalle que confunde a mucha gente: los modelos más nuevos usan rangos distintos. Flux, por ejemplo, trabaja con una escala de guidance propia en la que valores entre 2 y 4 son normales; poner 7 ahí ya es alto. Los modelos "turbo" y destilados, hechos para correr en pocos steps, suelen pedir CFG entre 1 y 2. Es decir: no existe un número universal, existe el número correcto para ese modelo. Consulta siempre la recomendación de quien publicó el checkpoint antes de dar por hecho que 7 es el valor por defecto.

Síntoma práctico de un CFG demasiado alto: piel con aspecto plástico, colores neón, halo oscuro alrededor de los contornos, texto o patrones repetidos de forma agresiva. Síntoma de un CFG demasiado bajo: la imagen es bonita, pero la mitad de lo que pediste no está.

Stylize: la estética propia del modelo

El parámetro --stylize (o --s) es característico de Midjourney y controla cuánto aplica el modelo su propia sensibilidad artística sobre tu petición. Es casi lo opuesto conceptual del CFG: en lugar de medir obediencia al texto, mide libertad estética.

La escala va de 0 a 1000, con 100 por defecto. En la práctica:

• 0–50: literal. El modelo intenta dibujar exactamente lo que describiste, sin "mejorar" nada. Útil para diagramas, referencias técnicas, maquetas y cualquier cosa en la que la fidelidad importe más que la belleza.
• 100–250: equilibrio. Buena composición y paleta sin alejarse del briefing. Es el rango que resuelve la mayoría de los casos.
• 250–750: el modelo toma el mando. Iluminación dramática, paletas atrevidas, composiciones más artísticas. Ideal para pósters, arte conceptual y portadas.
• 750–1000: el estilo por encima de todo. La imagen queda preciosa y con frecuencia lejos de lo que pediste. Bueno para exploración creativa, malo con un briefing cerrado.

Hay un parámetro hermano que suele confundirse con este: --chaos (o --c, de 0 a 100), que controla la variedad entre las cuatro imágenes de un mismo lote, no el estilo de cada una. Un chaos alto entrega cuatro interpretaciones radicalmente distintas del mismo prompt: excelente para una lluvia de ideas inicial, pésimo cuando ya sabes lo que quieres. También existe --weird, que inyecta rareza deliberada y sirve más para experimentar que para trabajo de cliente.

Fuera de Midjourney no existe un equivalente directo de stylize. El efecto parecido se consigue por otras vías: LoRAs de estilo, palabras clave estéticas en el prompt o ajuste fino del CFG. Vale la pena conocer el concepto igualmente, porque la lógica de "cuánta personalidad puede poner el modelo" aparece de formas distintas en casi cualquier herramienta.

Steps: cuántas iteraciones ejecuta el modelo

Steps (o pasos de muestreo) es el número de etapas del proceso de eliminación de ruido. Cada step acerca un poco más la imagen al resultado final. Más steps significa más tiempo de procesamiento y, hasta cierto punto, más detalle.

La clave está en hasta cierto punto. Este parámetro tiene un rendimiento decreciente muy claro: la diferencia entre 10 y 25 steps es enorme; entre 30 y 60 es sutil; por encima de 80 es prácticamente imperceptible, y solo estás gastando tiempo y energía.

Steps y sampler están directamente ligados. Los samplers del tipo DPM++ 2M Karras convergen rápido y dan buen resultado en torno a 25 steps. Los samplers como Euler a (ancestral) nunca convergen del todo: la imagen sigue cambiando conforme subes los steps, lo que puede ser bueno (más variación para explorar) o malo (dificulta la reproducibilidad). Si tu objetivo es la consistencia, prefiere samplers no ancestrales.

Una decisión práctica de flujo de trabajo: haz la exploración inicial con steps bajos (15–20) para probar rápidamente decenas de prompts, y rehaz solo la versión final, con el seed ganador, a 30–40 steps. Eso ahorra mucho tiempo frente a ejecutarlo todo en calidad máxima desde el principio.

Los parámetros vecinos que también conviene conocer

Además de los cinco principales, algunos controles aparecen con frecuencia y resuelven problemas concretos:

• Prompt negativo: lista de lo que no quieres en la imagen (manos deformadas, marca de agua, texto, baja calidad). Presente en Stable Diffusion y derivados; en Midjourney existe como --no. Es uno de los ajustes de mayor impacto y menor esfuerzo: vale la pena leer la guía dedicada a los prompts negativos.
• Denoising strength: en image-to-image, define cuánto se alterará la imagen original. Valores cercanos a 0,2 hacen retoques sutiles; por encima de 0,7 la imagen original queda solo como una sugerencia vaga de composición.
• Peso de la imagen de referencia (--iw en Midjourney): cuánto pesa la imagen enviada frente al texto. Esencial para la consistencia de personaje.
• Sampler / scheduler: el algoritmo que ejecuta la eliminación de ruido. Cambia la velocidad de convergencia y la textura final; DPM++ 2M Karras y DDIM son opciones seguras.
• Tile / seamless: genera texturas que se repiten sin costuras, para patrones y fondos.
• Versión del modelo (--v en Midjourney): las versiones distintas tienen estéticas y rangos de parámetros distintos. Cambiar de versión invalida tus seeds anteriores.

Qué parámetros existen en cada herramienta

La nomenclatura varía bastante entre plataformas, y eso causa buena parte de la confusión. Esta tabla mapea los equivalentes:

Fíjate en el patrón: cuanto más orientada al usuario final está la herramienta (ChatGPT, Gemini), menos parámetros expone; la plataforma decide por ti. Cuanto más cerca del modelo en bruto (ComfyUI, Automatic1111), más control. Ninguno de los dos enfoques es superior; atienden objetivos distintos. Si tu trabajo depende de repetir resultados, acabarás necesitando una herramienta que exponga seed y CFG.

Cómo interactúan los parámetros: recetas por objetivo

Los parámetros no funcionan aislados. Estas combinaciones son puntos de partida probados; ajústalos a tu modelo:

La lógica detrás de estas elecciones es consistente: el fotorrealismo pide CFG bajo (el modelo ya sabe cómo se ve una foto; forzarlo lo estropea); el diseño gráfico y el material promocional piden CFG alto (quieres exactamente esos elementos, en esos colores); y los steps solo suben cuando hay muchos detalles finos disputándose el espacio en la escena.

Errores comunes y cómo corregirlos

• Cambiarlo todo a la vez. Prompt nuevo, seed nuevo, CFG nuevo. El resultado mejoró, pero no sabes por qué, y no vas a poder repetirlo. Una variable por prueba.
• Subir los steps para resolver un problema que no es de steps. Una mano deformada, una anatomía errónea o un objeto que falta no se arreglan con más iteraciones; son problemas de prompt, de modelo o de proporción extrema.
• Copiar el CFG de un tutorial antiguo. Un valor recomendado para SD 1.5 en 2023 puede ser pésimo en Flux o en SDXL. Cada familia de modelos tiene su rango.
• Ignorar el seed. Sin él, cada intento es un sorteo nuevo y nunca construyes sobre lo que ya funcionó.
• Usar proporciones extremas de entrada. En lugar de 3:1 directo, genera 16:9 y expande con outpainting: menos duplicaciones y artefactos.
• Confundir resolución con calidad. Generar en una resolución muy por encima de aquella con la que se entrenó el modelo suele crear sujetos duplicados. Mejor generar en la resolución nativa y ampliar después con upscale.
• No registrar nada. La imagen perfecta que no sabes reproducir es un accidente, no un resultado.

Lista rápida antes de generar

1. Define la proporción según el destino final de la imagen, no según el valor por defecto de la herramienta.
2. Empieza con los valores por defecto del modelo, y confirma cuáles son, porque varían.
3. Haz una prueba barata: steps bajos, cuatro variaciones, solo para validar la dirección.
4. Elige la mejor variación y anota el seed.
5. Con el seed fijo, ajusta un parámetro cada vez hasta dar en el punto.
6. Rehaz la versión final con steps de producción (30–40).
7. Registra prompt, negativo, seed, CFG, steps, sampler, modelo y proporción.
8. Haz la posproducción: upscale, recorte, ajuste de nitidez y compresión para web.

Después de generar: la etapa que casi todo el mundo se salta

Una imagen generada por IA rara vez sale lista para publicar. Suele llegar en un PNG pesado, en la resolución nativa del modelo y sin el recorte exacto que exige tu canal. Esa etapa final de tratamiento es lo que separa una imagen "de IA" de una imagen que simplemente funciona en tu web o en tu perfil.

La rutina básica de posproducción es corta: ajusta el encuadre con el recorte cuando la proporción final no coincida exactamente; llévala a la dimensión exacta del destino con el redimensionado; recupera el microdetalle con el ajuste de nitidez si la imagen fue ampliada; y, por último, conviértela a WebP y comprímela con el compresor, porque un PNG de 4 MB en la parte alta de la página hunde el PageSpeed por muy buena que sea la pieza.

Si la imagen va a formar parte de una identidad visual, el camino continúa en otras herramientas: extrae la paleta con el generador de paleta de colores para mantener la coherencia entre las piezas, y usa el creador de logos con IA cuando el objetivo sea la marca.

Preguntas frecuentes