Generador de Prompts Negativos

Qué hace realmente un prompt negativo

Un prompt negativo no es un filtro que se aplica cuando la imagen ya existe. Corre en paralelo al prompt positivo en cada paso de eliminación de ruido, y el modelo se aleja de él en el mismo espacio latente en el que se acerca a tu sujeto. En la práctica: le das al sampler un segundo objetivo y le dices que vaya en dirección contraria.

Eso tiene una consecuencia que se pasa por alto. Los negativos no solo quitan cosas: lo *desplazan* todo. Añade blurry a un prompt negativo y no solo pierdes desenfoque; empujas la imagen entera hacia más contraste y bordes más duros, también donde los querías suaves. Añade cartoon y los tonos de piel se vuelven más fotográficos, a veces más clínicos. Cada término negativo tira un poco de toda la composición.

Así que trata los negativos como ajustes con efectos secundarios, no como una tecla de borrar.

Por qué importa mucho más en Stable Diffusion que en DALL·E

Stable Diffusion expone el condicionamiento negativo directamente. Es una segunda pasada real del codificador de texto con peso real, y con la guía sin clasificador alta ese peso es considerable. La mayoría de los flujos de SD son inservibles sin uno: por defecto te salen dedos de más, fantasmas de marca de agua y papilla JPEG.

DALL·E 3 no tiene campo negativo. Reescribe tu prompt con un modelo de lenguaje antes de nada, lo que significa que escribir "no text" puede *invocar* texto, porque el reescritor conserva el token y el modelo de imagen no entiende la negación. Si necesitas que algo no aparezca en DALL·E, describe la alternativa positiva: no "no people", sino "an empty street at 4am". El generador de DALL·E está construido alrededor de esa limitación; el de Stable Diffusion da por hecho que usarás ambos campos.

Midjourney queda en medio con el parámetro --no, que es real pero tosco: exclusión de una sola intensidad, separada por comas, sin pesos.

Conviene saber que --no chair a veces elimina también objetos cercanos a la silla. Empuja una región del espacio conceptual, no un sustantivo. Si quieres más control ahí, mira el generador de Midjourney.

Las cuatro categorías de defectos y los valores por defecto que merece la pena conservar

Casi cualquier término negativo útil cae en uno de cuatro cajones. Construye tu base cogiendo un par de cada uno en lugar de pegar un muro de cien palabras.

• Calidad — low quality, worst quality, blurry, jpeg artifacts, pixelated, low resolution
• Anatomía — extra fingers, deformed hands, fused limbs, bad proportions, mutated, extra limbs
• Artefactos — watermark, signature, text, logo, border, cropped, frame
• Fugas de estilo — cartoon, anime, 3d render, illustration, painting, cgi (usa solo los que choquen con tu estilo buscado)

Una base sensata para fotorrealismo:

Once términos. Cubren la inmensa mayoría de los problemas reales.

Dos reglas. Incluye el bloque de anatomía solo cuando haya una persona o un animal en cuadro; si no, estás gastando guía en nada. Y nunca metas un negativo de estilo que contradiga tu prompt positivo: illustration en el negativo mientras pides una ilustración de cuento infantil dará algo confuso y descolorido.

Cuándo tu prompt negativo empieza a jugar en tu contra

Hay una curva de coste real. Pasados unos 25-30 términos, los negativos empiezan a degradar la imagen en vez de limpiarla. Los síntomas se reconocen:

• Los colores se desaturan y tiran a grises
• Todo adquiere el mismo acabado plastificado y sobreenfocado
• Los fondos se simplifican en degradados planos
• El sujeto deriva hacia una versión genérica de foto de stock

Ocurre porque has empujado al sampler tan lejos de tantas regiones que se refugia en el centro más soso de la distribución. Una escala de guía alta lo empeora: CFG amplifica las dos direcciones.

Los mega-negativos copiados de foros son la causa habitual. Es el mal hábito más repetido en trabajo con imágenes, y hay una lista más amplia en errores comunes al escribir prompts. Si tus imágenes salen estériles y no sabes por qué, borra el prompt negativo entero y genera una vez. Es diagnóstico.

Depurar una mala generación, un negativo cada vez

Añadir seis términos de golpe no te enseña nada sobre cuál ayudó. Hazlo bien.

1. Fija la semilla. Sin semilla fija comparas dos imágenes aleatorias, no dos prompts. Todo lo demás depende de esto.
2. Nombra el defecto concreto. No "se ve mal", sino "su mano izquierda tiene seis dedos" o "hay una marca de agua tenue abajo a la derecha". Los problemas vagos reciben negativos vagos.
3. Añade un término. Regenera con la misma semilla. ¿Cambió ese defecto concreto? Si no, quítalo: no era el término que trabajaba y te sigue costando guía.
4. Revisa los daños colaterales. Mira las partes que ya te gustaban. Si la luz se aplanó, ese negativo es demasiado fuerte o demasiado amplio. Prueba un sinónimo más suave.
5. Para cuando el defecto desaparezca. No cuando la lista quede impresionante.

La mitad de las veces el arreglo va en el prompt positivo. "Hands in pockets" resuelve los problemas de dedos con más fiabilidad que cualquier negativo de anatomía, y "clean plain background" gana a una pila de exclusiones de desorden. Construye ese lado en el constructor de prompts de imagen, aprieta la redacción con el optimizador y lee la guía de prompts de imagen para ver cómo encajan las dos mitades.