Blog

Guía de uso

Guía de inicio de recraft/crisp-upscale: claves de integración y facturación de la API de ampliación de imágenes

De los límites de capacidad a la facturación por imagen: cómo integrar de forma estable la ampliación de imágenes en el flujo de producción

Nov 16, 2026
Imagen de portada plana con un patrón de cestería en tonos café oscuro, entrelazado con cintas anchas de color avena y marrón, que evoca el tema de la guía de la API de ampliación de imágenes
Modelo
recraft-crisp-upscale
En esta página

Qué problema resuelve crisp-upscale

Convertir una imagen que ya existe pero cuya resolución es insuficiente en una versión de mayor tamaño y bordes más nítidos: esa es la función de recraft/crisp-upscale. Pertenece a la categoría image-to-image (imagen a imagen): le entregas una imagen y devuelve una imagen ampliada. En la entrada no hay un lugar para un prompt de texto; el tipo de salida es fijo: imagen.

El problema que este tipo de modelos resuelve es muy concreto:

  • Materiales con tamaños inconsistentes. Las imágenes que suben los usuarios, las de la biblioteca de contenido histórico y las que aportan socios externos tienen resoluciones dispares, pero el diseño de la interfaz exige un tamaño de visualización fijo.
  • Contenido antiguo que necesita reutilizarse. Ilustraciones, capturas y miniaturas de hace años se ven borrosas si se colocan directamente en un contenedor más grande.
  • Remate de resultados generados. Al final de cualquier cadena de generación o edición de imágenes puede hacer falta un paso de ampliación para entregar el tamaño final.

Si tu necesidad es «generar una imagen a partir de una frase», eso queda fuera del alcance de este modelo; si tu necesidad es «tengo una imagen y quiero que sea más grande y más nítida», entonces sí encaja. El criterio es sencillo: antes de llamar, ¿ya tienes en tus manos un archivo de imagen concreto? Si lo tienes, es este modelo; si no, primero resuelve la generación en otro sitio.

Para los desarrolladores, esta responsabilidad única es más bien una ventaja: la semántica de la interfaz es simple, la estructura de entrada y salida es estable y las causas de fallo son más fáciles de localizar. La ampliación es un eslabón que se puede probar y revertir de forma independiente, sin entrelazarse con la ingeniería de prompts.

A la izquierda, el cuadriculado pequeño representa la entrada de baja resolución; a la derecha, el cuadriculado nítido ampliado ilustra la ampliación y el afilado de crisp-upscale

Límites de capacidad: qué puede hacer y qué no conviene esperar

Si usas crisp-upscale como un «ampliador especializado», tus expectativas no se desviarán.

Lo que puede hacer

  • Recibir una imagen existente y devolver la imagen ampliada; es una transformación estándar image-to-image.
  • Mejorar la nitidez durante la ampliación; esa es la dirección que indica el nombre «crisp».
  • Invocarse repetidamente como un eslabón independiente dentro de un flujo de trabajo; la entrada y la salida son imágenes, sin estado de texto adicional.
  • Ser adecuado para procesar por lotes materiales homogéneos, por ejemplo, llevar un lote de imágenes de productos al tamaño objetivo de forma uniforme.

Lo que no hace o no puede hacer

  • No acepta prompts de texto para generar imágenes. No es un modelo texto-a-imagen; en la entrada no existe el rol de prompt.
  • No se encarga de comprender el contenido de la imagen. No redibuja, cambia el estilo, sustituye el fondo ni completa sujetos ausentes por ti; esas necesidades corresponden a modelos de generación o edición.
  • No crea detalles de la nada. La ampliación es, en esencia, una inferencia basada en los píxeles existentes; cuando la imagen de origen está muy borrosa, tiene artefactos de compresión graves o el sujeto carece de información suficiente, el resultado ampliado también queda limitado. La calidad de la entrada determina el techo de la salida.
  • No permite especificar el factor de ampliación ni la resolución objetivo. El único parámetro público actual es la dirección pública obligatoria de la imagen image_url; los formatos admitidos son JPEG, PNG y WEBP, con un máximo de 10 MB por archivo; no hay prompt de texto ni parámetros de factor o tamaño de salida.

Un criterio práctico: haz una primera prueba con el lote de materiales de negocio de peor calidad que tengas, no con una imagen de muestra retocada. Si la peor entrada produce un resultado inaceptable, el problema suele estar en la entrada y no en la llamada.

La ampliación es imagen a imagen: entra una foto y sale una foto más grande; el bloque de texto tachado representa que no hace texto-a-imagen.

Especificaciones de entrada y salida que hay que confirmar antes de llamar

Al integrar la interfaz unificada de HiAPI.ai, completar la siguiente lista antes de escribir el código de negocio ahorra la mayor parte del retrabajo.

Lado de entrada

  • Que el archivo se pueda decodificar correctamente. Valida primero el formato y la integridad en local; no envíes archivos dañados, lo que desperdicias son tus llamadas.
  • Que el archivo cumpla las restricciones de entrada. Las restricciones públicas son formato JPEG, PNG o WEBP y un máximo de 10 MB por archivo; si la imagen de origen es demasiado pequeña, la ganancia de la ampliación es limitada; si es demasiado grande, confirma antes si el tamaño excede el límite.
  • Color y canal alfa. Los formatos públicos son JPEG, PNG y WEBP; para fuentes con canal alfa o fuera de esta lista, confirma primero con muestras si la salida cumple lo esperado.
  • Tamaño del archivo. El tiempo de subida de archivos grandes debe coincidir con la configuración de timeout; no uses timeouts cortos por defecto para imágenes grandes.

Lado de salida

  • Tamaño de salida. En la solicitud no se puede especificar la resolución objetivo. Al integrar, verifica con varias imágenes de origen de distintos tamaños el comportamiento real de «tamaño de origen → tamaño de salida» y crea tu propia tabla de correspondencia; no supongas la salida según algún nivel de nombre no publicado.
  • Formato y tamaño de salida. Los archivos ampliados suelen ser más grandes; hay que estimar de antemano el almacenamiento y el ancho de banda posteriores.
  • Criterio subjetivo de aceptación de nitidez. Define de antemano qué significa «suficientemente nítido»; de lo contrario, no podrás determinar si cumple el estándar.

Lado de parámetros

El único parámetro público actual es image_url, obligatorio. No añadas por tu cuenta factores, resolución objetivo, prompts ni otros parámetros no publicados; primero haz funcionar la solicitud mínima con este único campo.

Un orden mínimo de validación: hacer funcionar una imagen pequeña individual → cambiar a una imagen típica del negocio → cambiar a la imagen de peor calidad → cambiar a la imagen de mayor tamaño. Si los cuatro pasos pasan, entonces habla de procesamiento por lotes.

Flujo de verificación desde la validación de entrada y el envío de la solicitud hasta la comprobación de la salida, presentado como una progresión de cuadros con marco de cinta.

Facturación por imagen: cómo se calcula el precio unitario

El criterio de facturación de crisp-upscale es por imagen: una llamada exitosa corresponde a una imagen y a un cobro. Solo hay una tarifa: $0.004/imagen.

Cómo estimar el consumo

Coste mensual ≈ número de imágenes llamadas al mes × $0.004. La única variable que realmente hay que gestionar es el número de imágenes llamadas al mes. Se obtiene multiplicando tres factores:

  1. Número de objetos de negocio procesados al día de media;
  2. Número medio de imágenes que necesita ampliar cada objeto;
  3. Coeficiente adicional por reintentos y retrabajo.

El tercer punto es el que más se pasa por alto. Los reintentos por fallo, las nuevas ejecuciones por insatisfacción con la calidad y el procesamiento repetido de la misma imagen por distintos flujos hacen que el número real de imágenes supere lo previsto por el negocio. Registra estos tres puntos por separado y podrás calcular y gestionar el coste según el volumen de llamadas.

Algunos medios para controlar el volumen de llamadas

  • Deduplicación. Amplía cada imagen (identificada por hash de contenido) una sola vez y guarda el resultado en la base de datos para reutilizarlo. En escenarios donde un mismo material se referencia desde varios sitios de la biblioteca de contenido, esto suele ahorrar un porcentaje considerable.
  • Evaluar antes de ampliar. Si el tamaño de la imagen de origen ya cumple los requisitos de visualización, no hace falta ampliarla; basta con añadir una comprobación de tamaño para bloquear llamadas innecesarias.
  • Procesamiento por lotes y asíncrono. En escenarios no en tiempo real, usa colas y saca la ampliación de la ruta de la solicitud del usuario; así se pueden agrupar reintentos y se evitan envíos duplicados por timeouts.
  • Estrategia por niveles. Amplía en posiciones de alto valor como portadas y primeras pantallas; para las miniaturas de listas usa la imagen original, concentrando el presupuesto donde se ve.
  • Barreras de presupuesto. Define límites diarios o semanales de llamadas con alertas para evitar que un bucle con bug agote la cuota; este tipo de incidentes tiene un coste muy directo en modelos facturados por imagen.

Haz primero una estadística sobre una muestra completa y luego decide qué ampliar y cuánto; es mucho más fiable que fijar factores a ojo.

Usos típicos y combinación en flujos de trabajo

La ampliación rara vez existe por sí sola; normalmente es un eslabón de un flujo de trabajo. Estos son algunos escenarios adecuados para integrarla.

Posprocesamiento de materiales

Las imágenes subidas por usuarios o por operaciones pasan por una ampliación uniforme antes de ingresar en la biblioteca, de modo que la línea base de tamaños del contenido sea consistente. Así el frontend no tiene que adaptarse a cada imagen y el diseño puede entregarse con tamaños fijos.

Cadena de reparación de imágenes antiguas y de baja calidad

Para capturas de contenido histórico e ilustraciones con compresión excesiva, primero se hace una limpieza básica (recorte, unificación de formato) y luego se entregan a crisp-upscale para ampliar; por último, se recortan al tamaño objetivo para la entrega. Atención al orden: primero reparar, luego ampliar; resuelve antes de la ampliación los problemas que se puedan reparar.

Remate después de la generación

Cualquier cadena de generación o edición de imágenes puede llevar un paso de ampliación al final para llevar el resultado de tamaño intermedio al tamaño de entrega. La ventaja de esta cadena es el desacoplamiento: se cambie o no el modelo de generación, el paso de ampliación no necesita modificarse.

Estructura del flujo de trabajo

Subida → validación (formato, tamaño, deduplicación por hash) → llamada de ampliación → muestreo de calidad → almacenamiento → distribución por CDN. El muestreo de calidad puede ser una revisión manual por muestras o solo un monitoreo automático de métricas sobre los materiales principales; en cualquier caso, hay que dejar una salida para «devolver si no cumple».

Dos recordatorios de ingeniería: el paso de ampliación debe ser idempotente (misma entrada, misma salida; resultado cacheable); los fallos deben poder reintentarse de forma independiente, sin volver a ejecutar toda la cadena.

Errores comunes y lista de verificación

Estos son problemas que aparecen repetidamente durante la integración; la mayoría se pueden evitar de una vez antes de salir a producción.

Errores comunes

  • Usarlo como modelo de generación. Esperar que complete contenido ausente o cambie la imagen lleva inevitablemente a la decepción. Hay que alinear primero los límites de capacidad.
  • Validar con imágenes retocadas. La muestra se ve muy bien, pero al salir a producción con materiales de baja calidad se produce el fallo. Las muestras de validación deben provenir de la distribución real del negocio.
  • Timeout demasiado corto. El procesamiento de imágenes grandes tarda más; un timeout por defecto puede provocar un doble cobro por «en realidad se completó, pero el cliente abandonó».
  • Sin deduplicación. El mismo material se amplía repetidamente y el crecimiento de la factura no es proporcional al crecimiento del negocio.
  • Suponer niveles de salida no publicados. En la solicitud no se puede especificar el tamaño de salida; si se maqueta según cierta resolución con nombre, puede que haya que rehacer todo lo posterior.
  • Reintentos en bucle sin límite. Reintentar ante cualquier fallo sin límite puede consumir el presupuesto de todo un día en un solo incidente.

Lista de verificación antes de salir a producción

  1. Hacer funcionar toda la cadena con una muestra pequeña de la distribución real del negocio (incluida la imagen de peor calidad);
  2. Registrar y confirmar el comportamiento real de las especificaciones de entrada y del tamaño de salida;
  3. Verificar la correspondencia entre cada llamada y cada cobro, y confirmar que no hay llamadas duplicadas ocultas;
  4. Verificar la tasa de aciertos de la caché de deduplicación;
  5. Verificar las políticas de timeout, reintento y fusible;
  6. Establecer alertas de presupuesto diario y un panel de volumen de llamadas;
  7. Hacer un despliegue gradual con poco tráfico, comparar la calidad visual subjetiva y las métricas posteriores antes y después de la ampliación, y luego cambiar al 100%.

La ganancia de la ampliación es gradual y el riesgo también: si este paso de comparación con muestras pequeñas se hace bien, la integración a gran escala posterior es básicamente trabajo de operación y mantenimiento.

Empieza por hacer funcionar una imagen, define las tres cosas —especificaciones, facturación y deduplicación— y crisp-upscale se convertirá de forma estable en ese eslabón de tu flujo de imágenes que no hace ruido pero siempre está trabajando.

Artículos relacionados

Ver todos los artículos →

Empieza a crear con artefactos de IA persistentes

Consigue tu API key y llama a modelos de imagen, vídeo y audio a través de una única API basada en tasks.

Leer la documentación de la API