Por qué Stable Diffusion prefiere etiquetas
La mayoría de los checkpoints de Stable Diffusion se entrenaron con imágenes acompañadas de leyendas cortas y listas de etiquetas, por eso responden mejor a etiquetas compactas separadas por comas que a frases largas. Nuestro generador ordena las etiquetas como lo hacen los usuarios con experiencia: primero el sujeto principal, luego sus detalles, el entorno, la composición, la iluminación, la paleta de colores, el estilo y, por último, las etiquetas de calidad.
El orden importa por cómo se codifican los prompts. El codificador de texto lee el prompt en bloques de unos 75 tokens, y las etiquetas del principio suelen tener más influencia. Mantener el prompt centrado, normalmente entre 25 y 45 etiquetas, permite que cada una cuente en lugar de competir con decenas de casi duplicados.
Pesos: (tag:1.2) y cuándo usarlos
Interfaces como ComfyUI, Forge y AUTOMATIC1111 admiten pesos de atención escritos como (tag:1.2). Un valor superior a 1 refuerza una etiqueta y uno inferior a 1 la debilita. Añadimos un peso moderado a la etiqueta o las dos etiquetas que definen tu imagen, normalmente el sujeto principal, y dejamos el resto con el valor predeterminado.
Evita subir los pesos por encima de 1,4 aproximadamente. Los pesos muy altos suelen provocar artefactos, colores sobresaturados o elementos repetidos. Si algo sigue sin aparecer, mover la etiqueta hacia el principio del prompt suele funcionar mejor que seguir aumentando su peso.
Prompts negativos adaptados a la imagen
La segunda línea de cada resultado es un prompt negativo: aquello que el modelo debe evitar. En lugar de un muro genérico de cincuenta etiquetas, escribimos entre ocho y quince que encajan con la imagen, como extra fingers para retratos, watermark y text para fotos de estilo stock, o blurry y lowres para escenas detalladas.
Pégalo en el campo de prompt negativo de tu interfaz, no en el prompt principal. Con modelos más recientes como SD 3.5, que entienden mejor el lenguaje natural, suele bastar con prompts negativos más cortos.
SDXL, SD 3.5 y checkpoints ajustados
Los prompts con etiquetas funcionan con SD 1.5, SDXL y la mayoría de los checkpoints de la comunidad. SD 3.5 también acepta descripciones más largas en lenguaje natural, así que, si ahí los resultados te parecen rígidos, prueba el formato General. Los checkpoints de anime e ilustración suelen esperar su propio vocabulario de etiquetas, así que conserva las etiquetas de estilo que recomiende la documentación de tu checkpoint.
Un ejemplo rápido
Para la foto de un faro al atardecer, un resultado típico empieza con (white lighthouse:1.3) y rocky coastline, sigue con golden hour light, long exposure sea, wide-angle view y matte painting style, y termina con etiquetas de calidad como highly detailed y sharp focus. La línea negativa podría ser blurry, lowres, watermark, text, oversaturated. Cada etiqueta nombra un único hecho visible, así que es fácil cambiar una y ver exactamente qué varía.