Guía de uso
Recetas de prompts para gpt-image-2.5-flare/image-to-image: prompts de edición listos para copiar y pegar
Cómo formular la edición de una imagen de referencia, conservar el sujeto, reemplazar el fondo y escribir listas negativas
En esta página
Qué debe especificar realmente un prompt de imagen a imagen
La mayoría de los resultados de edición decepcionantes no son culpa del modelo, sino de una solicitud descrita de forma insuficiente. Cuando envías una imagen de referencia con una instrucción breve como «haz que se vea mejor» o «cambia el fondo», el modelo debe adivinar, sin información, qué conservar, qué modificar y cuánto puede desviarse. Cada edición fallida que has visto suele ser el resultado de que una de estas tres conjeturas salió mal.
Un prompt de imagen a imagen cumple cuatro tareas:
- Rol de referencia: indica al modelo para qué sirve la imagen de entrada. ¿Es el sujeto que debe conservarse, una muestra de estilo, una referencia de composición o un boceto por refinar? La misma imagen, con un rol distinto, produce resultados muy diferentes.
- Cambio objetivo: señala un único cambio principal. «Reemplaza el fondo por una pared de estudio» es un objetivo; «haz que la foto se vea mejor» no lo es.
- Restricciones de fidelidad: especifica qué debe permanecer igual: la forma del rostro, el texto de la etiqueta del producto, la pose, el color de la chaqueta, el ángulo exacto de cámara. Sin esto, el modelo recompone todo.
- Lista negativa: un conjunto breve y concreto de elementos «que no deben aparecer». Son barandillas, no una lista de deseos.
Cuando una solicitud contiene las cuatro capas, la salida se vuelve lo bastante predecible como para iterar. Cuando solo contiene una —normalmente el cambio objetivo—, el modelo rellena las capas que faltan con sus valores predeterminados, que rara vez coinciden con tu intención. Antes de escribir cualquier prompt, determina qué capa faltó en el intento anterior. Esa es la variable que debes ajustar a continuación.

Esqueleto del prompt: un orden reutilizable para las instrucciones de edición
Usa el mismo esqueleto ordenado para cada edición, de modo que los prompts de distintas rondas puedan compararse entre sí. Con el orden fijo, la única diferencia entre dos intentos es la frase que se modificó, y así es posible depurar.
[1] Rol de referencia: «Usa la imagen proporcionada como referencia de {sujeto / estilo / composición},»
[2] Cambio objetivo: «cambia {un elemento concreto} por {un resultado concreto}.»
[3] Restricciones de fidelidad: «mantén {identidad / pose / texto del producto / color / composición} sin cambios.»
[4] Estilo y renderizado: «haz que {iluminación, lente, tono, grano} coincida con la imagen de referencia.»
[5] Lista negativa: «no añadas {artefacto 1}, {artefacto 2}, {artefacto 3}.»
Un ejemplo completo:
Usa la imagen proporcionada como referencia del sujeto, cambia el fondo por una pared de estudio de color gris cálido liso,
con luz suave y diagonal desde la parte superior izquierda. Mantén sin cambios el rostro, el cabello, la expresión y la ropa
de la persona, incluidas las costuras visibles de la chaqueta. Haz que la dirección de la luz sobre el sujeto coincida con la de la imagen original,
para que el nuevo fondo no parezca pegado. No añadas dedos extra ni modifiques
el texto del logotipo impreso.
El orden importa porque las primeras posiciones restringen a las posteriores. El rol de referencia establece la línea base, el cambio objetivo edita sobre ella; las restricciones de fidelidad limitan hasta dónde puede llegar esa edición; la lista negativa solo se encarga de limpiar lo que queda. Si te encuentras metiendo varios cambios no relacionados en la posición 2, sepáralos en varias solicitudes: un solo cambio por ronda, para que sea posible atribuir un mal resultado a una frase concreta.

Receta de fidelidad del sujeto: mantener la imagen original intacta
La deriva del sujeto —un rostro sutilmente distinto, un logotipo deformado, una pose desplazada— proviene casi por completo de formulaciones de fidelidad vagas. «Mantener igual» no da ningún anclaje al modelo. Los atributos concretos y nombrados sí lo hacen.
Conservación de la identidad (personas):
Conserva por completo la estructura facial, el tono de piel, el peinado y la expresión de la persona de la imagen de referencia.
Cambia únicamente el fondo.
Nombra los atributos que te importan. Si al cliente le importa un rasgo concreto, enuméralo: «mantén la forma de las cejas y la pequeña cicatriz sobre la ceja izquierda». Cuanto más concreto sea el anclaje, más fuerte será el bloqueo.
Fidelidad del producto:
Mantén sin cambios la forma, el material, la disposición de la etiqueta y todo el texto impreso del producto.
Puedes cambiar la superficie sobre la que se apoya y la iluminación de la zona circundante, pero la etiqueta
debe permanecer completamente legible y nítida.
El texto es el atributo más frágil en cualquier edición. Si la legibilidad importa, dilo explícitamente y añade un elemento negativo correspondiente («no redibujes ni estilices el texto de la etiqueta»).
Pose y composición:
Mantén la posición exacta de las extremidades, la colocación de las manos y el ángulo de cámara de la imagen de referencia.
No recompongas, recortes ni rotes al sujeto.
Transferencia de estilo sin perder la identidad: cuando la imagen de referencia es a la vez fuente del sujeto y del estilo, sepáralos en el prompt:
Usa la imagen proporcionada como referencia tanto del sujeto como del estilo, ajusta el estilo de renderizado a una textura
pictórica suave, manteniendo sin cambios los rasgos reconocibles del sujeto, la pose y la ropa.
Una prueba práctica: tapa la zona que cambió en la salida y compara el resto con la imagen de referencia. Si las zonas «sin cambios» se han desplazado, tu posición de fidelidad era demasiado vaga, no es culpa del modelo.

Recetas de reemplazo de fondo y cambio de escena
Un prompt de fondo como «ponlo en una playa» hace que el modelo invente el contenido, la iluminación y la fusión. En su lugar, describe tres cosas: contenido, dirección de la luz y tratamiento de bordes.
Reemplazo de estudio:
Reemplaza el fondo por un fondo de estudio continuo de color gris cálido. Aplica una luz suave sobre el fondo
desde la parte superior izquierda, con una caída gradual, que coincida con la iluminación existente sobre el sujeto.
Haz que los bordes del sujeto se integren de forma natural en el fondo; conserva el detalle de los cabellos finos y evita
halos de recorte marcados.
Escena de entorno:
Reemplaza el fondo por una escena callejera al aire libre al atardecer. Proporciona una luz solar cálida y de ángulo bajo desde la derecha,
que coincida con la dirección de las sombras existentes en el sujeto, con un desenfoque suave en el plano medio y una separación nítida en el primer plano.
Haz que la profundidad de campo resulte creíble en relación con la escala del sujeto en la imagen de referencia.
En cada reemplazo de fondo, el tratamiento de bordes merece una frase propia. Los dos fallos más comunes son la sensación de pegatina (iluminación que no coincide) y el halo (separación excesiva en los bordes). Aborda ambos:
- «Haz que la dirección de la luz del fondo coincida con los reflejos existentes en el sujeto.»
- «Conserva los detalles finos de los bordes, como los cabellos y los bordes de la tela; que no aparezca ningún contorno visible.»
- «Aplica bajo el sujeto una sombra de contacto sutil coherente con la nueva superficie.»
Por último, en la posición negativa indica lo que el fondo no debe contener: desorden, sujetos que compitan, texto. El nombre de la escena define la categoría; el contenido, la iluminación y los bordes son los que determinan el resultado final.
Escribir listas negativas que realmente cambien la salida
Las listas negativas dejan de funcionar cuando son genéricas. «Mala calidad, baja resolución, feo» apenas dice al modelo qué debe suprimir y solo añade ruido al prompt. Los elementos negativos eficaces son concretos, basados en la observación y breves: normalmente de tres a seis, cada uno correspondiente a un artefacto que hayas visto realmente en salidas anteriores.
Haz que la formulación coincida con la categoría del artefacto:
- Deriva anatómica: «No añadas ni fusiones dedos extra; mantén las manos exactamente igual que en la imagen de referencia.»
- Deterioro del texto: «No rediseñes, difumines ni redibujes ningún texto impreso ni logotipo.»
- Halo de recorte: «No debe aparecer ningún contorno visible ni brillo alrededor de los bordes del sujeto.»
- Desajuste de iluminación: «No introduzcas una segunda fuente de luz; coincide con la dirección de la luz de la imagen de referencia.»
- Proliferación de la composición: «No añadas nuevos objetos, personas ni texto a la escena.»
- Filtración de estilo: «No conviertas la foto en ilustración ni en dibujo animado.»
Tres hábitos mantienen eficaz una lista negativa:
- Haz que cada elemento negativo corresponda a una observación. Si no has visto ese artefacto, no lo incluyas. Los elementos negativos añadidos por conjetura distraen al modelo.
- Limita la longitud de la lista. Cuando supera unos seis elementos, el prompt se contradice a sí mismo; corrige la causa raíz en la posición de fidelidad o en la del objetivo.
- Vuelve a probar al eliminar elementos. Elimina un elemento negativo a la vez y confirma si sigue siendo importante. Algunos artefactos desaparecen cuando mejoran tus formulaciones de fidelidad.
La lista negativa es una herramienta de limpieza, no un medio de corrección. Si un elemento negativo lleva tiempo haciendo el trabajo principal, significa que tu instrucción principal no está suficientemente detallada.
Interpretar las salidas de antes y después de la edición e iterar
Trata cada edición como un experimento en el que cambias una sola variable. Compara la salida con la imagen de referencia, clasifica la discrepancia y modifica solo un aspecto.
Un diagnóstico sencillo de tres canales:
- Discrepancia de formulación: el cambio ocurrió, pero no como se pidió (dirección de luz equivocada, contenido de fondo equivocado). Solución: ajusta la frase del cambio objetivo.
- Discrepancia de fidelidad: el cambio se aplicó, pero el sujeto se desplazó (rostro, pose, etiqueta, color). Solución: añade atributos nombrados en la posición de fidelidad y añade el elemento negativo correspondiente.
- Límite de capacidad: la edición falla de forma persistente independientemente de la formulación (por ejemplo, texto muy pequeño, perspectiva extrema). Solución: cambia la imagen de referencia —un recorte más limpio, mayor resolución o una imagen de origen mejor iluminada— en lugar de seguir reescribiendo el prompt.
Mantén un registro de iteraciones breve para cada material: versión del prompt, qué cambiaste y la conclusión. Dos reglas ahorran tiempo:
- Cambia solo un aspecto por ronda. Modificar a la vez el prompt de fondo y la formulación de fidelidad hace que el resultado sea imposible de interpretar.
- Mantén fija la imagen de referencia. Cámbiala solo en el canal de límite de capacidad; en los demás casos, cambiarla restablece la base de comparación.
Si existe algún parámetro de la solicitud (como la intensidad o el tratamiento de la relación de aspecto), trátalo como un cuarto canal: modifícalo solo después de haber agotado las formulaciones y la imagen de referencia, y regístralo en el diario. Después de unas cuantas rondas, tendrás un pequeño conjunto de recetas que reproducen resultados de forma estable.
Versionado de prompts y prompts en el código en producción
En producción, los prompts son activos, no cadenas escritas al vuelo en una consola. Trátalos como código: versionados, parametrizados y trazables hasta sus salidas.
Archivos de plantilla con variables nombradas:
# templates/bg_swap_v3.txt
Usa la imagen proporcionada como referencia del sujeto, cambia el fondo por {background_content}.
Usa una iluminación desde {light_direction}, coherente con los reflejos del sujeto.
Conserva {fidelity_attributes}. No añadas {negatives}.
Registra la asociación entre versión y salida. Cada registro de salida debe incluir el nombre de la plantilla, la versión, los valores de las variables inyectadas y el identificador del modelo. Cuando cambie el comportamiento del endpoint, podrás comparar salidas entre versiones y revertir a la plantilla anterior en lugar de actuar por conjeturas.
Hábitos de producción prácticos:
- Versionado semántico. Incrementa la versión menor cuando cambie la formulación y la versión mayor cuando cambien el rol o la estructura.
- Vocabulario de variables fijo. Usa de forma uniforme claves como
background_content,light_direction,fidelity_attributesynegatives, para que las plantillas sigan siendo comparables. - Revisa antes de promover. Un ajuste de formulación que corrige un caso puede degradar otro; conserva un pequeño conjunto de comparaciones de antes y después como comprobación de regresión.
- Usa un único punto de entrada. Haz que todas las solicitudes de imagen a imagen pasen por el mismo endpoint, para que la versión de la plantilla y el identificador del modelo queden en la misma traza de auditoría.
Cuando los prompts están bajo control de versiones y las salidas se registran asociadas a ellos, la edición deja de ser un experimento puntual y pasa a ser una parte reproducible de la canalización.
Artículos relacionados
Ver todos los artículos →-
Guía de uso
Guía de inicio con gpt-6.2-sol: límites de capacidad, integración vía API y consideraciones sobre el precio por token
Puntos clave de decisión e implementación de la integración para equipos de ingeniería
-
Guía de uso
Guía de inicio de gpt-6.2-astra: límites de capacidad del modelo de texto, puntos clave de integración y control de costes
-
Guía de uso
Guía de inicio de Tripo H3.1: cómo elegir entre tres modos de entrada, parámetros y precios
Guía práctica de decisiones de integración y control de costes de la generación 3D para desarrolladores