Cómo conseguir fotos con IA de ti mismo coherentes en cada generación

La primera vez que alguien lanza más de una generación con IA a partir de la misma foto de cara, lo nota de inmediato: la foto uno se le parece, la foto dos parece un primo suyo y, para la quinta, el parecido ha derivado lo suficiente como para que publicarlas todas juntas parezca una rueda de reconocimiento de personas distintas. Por separado, cada imagen puede quedar estupenda. Una al lado de otra, la incoherencia es lo primero que ve todo el mundo.

No es un defecto que haya que aceptar. Es una carencia concreta y corregible en la forma en que la mayoría escribe sus prompts, y corregirla es lo que separa una foto con IA suelta de una serie de contenido de verdad.

Por qué se rompe la coherencia

Desde el punto de vista del modelo, cada generación es un evento independiente. Si no vuelves a anclar explícitamente los mismos detalles cada vez, el modelo no guarda memoria de lo que renderizó justo antes: reinterpreta tu foto de referencia desde cero, con la aleatoriedad que el proceso de muestreo introduce en esa ejecución concreta. Las pequeñas ambigüedades de tu prompt se resuelven de forma distinta cada vez: anchura de la mandíbula, separación de los ojos, el tono exacto de la piel, cuánto se percibe el largo del pelo. Ninguna es incorrecta por sí sola. Simplemente no coinciden entre sí.

La solución no es un ajuste especial, sino escribir prompts lo bastante precisos como para dejarle al modelo menos margen para improvisar de forma distinta entre ejecuciones.

Fija la descripción de la cara, no solo la foto

La mayoría sube una foto de referencia y da por hecho que eso basta para garantizar coherencia. Ayuda, pero trabaja mucho menos de lo que crees: el modelo sigue rellenando los detalles ambiguos con su propio criterio cada vez. La solución es describir la cara en el propio prompt, cada vez, con las mismas palabras:

*"mismo sujeto: barba corta y oscura, mandíbula marcada, tono de piel moreno medio, corte degradado corto"*

Reutiliza exactamente esa fórmula en todos los prompts de la serie. No la reescribas ni la "mejores" entre generaciones: la coherencia viene precisamente de la repetición, no de dar con una formulación mejor. Trátala como una variable bloqueada, no como una frase que tengas permiso para editar.

Fija la complexión y las proporciones igual

La cara se lleva casi toda la atención, pero la incoherencia de complexión se nota igual en los planos abiertos: anchura de hombros, altura respecto a un coche o a una puerta, figura general. Si tu serie mezcla primeros planos y planos enteros, añade también un descriptor de complexión a la fórmula bloqueada:

*"complexión atlética, 1,83 m, hombros anchos"*

Sin esto, un primer plano recortado y un plano entero de la misma "persona" pueden leerse como dos tipos de cuerpo distintos, y eso rompe la ilusión más rápido que una mandíbula ligeramente diferente.

Una sola foto de referencia, no un juego rotatorio

Si estás construyendo una serie, resiste el impulso de subir una foto de referencia distinta para cada escena nueva. Ángulos distintos, luz distinta y expresiones distintas en tus fotos de origen le dan al modelo información distinta, y esa varianza aparece en el resultado. Elige una foto de referencia limpia, bien iluminada y de expresión neutra, y reutilízala en toda la serie: cuantas más entradas se mantengan fijas, más fijas se mantendrán las salidas.

Si solo tienes fotos favorecedoras de ocasiones distintas, el remedio es la misma fórmula bloqueada de arriba: compensa la varianza de las fotos de referencia dándole al modelo un texto explícito en el que apoyarse en lugar de adivinar desde un ángulo ligeramente distinto cada vez.

Mantén fijas también las variables que no son la cara

La coherencia no va solo de la cara. Si una serie debe parecer una única sesión continua —digamos cinco fotos del mismo "día"—, fija también el vestuario y el etalonaje:

*"lleva el mismo abrigo de lana antracita, camiseta blanca, el mismo grano cálido de película, el mismo etalonaje de hora dorada"*

Varía solo lo que deba cambiar entre tomas: el entorno, la pose, el ángulo de cámara. Todo lo demás se mantiene fijo. Es el mismo principio por el que los prompts de estilo de vida de lujo se leen como un conjunto cohesionado en vez de como un revoltijo de imágenes inconexas: el entorno aporta la variedad y el sujeto permanece anclado.

Genera en una tanda apretada, no repartida en días

Esto es flujo de trabajo, no prompt, pero importa: si estás construyendo un conjunto a juego, lanza todas las generaciones en la misma sesión, una detrás de otra, con la misma subida de referencia y el mismo texto de descripción bloqueado pegado de nuevo en cada prompt. Volver tres días después y reescribir la descripción de memoria es exactamente el tipo de pequeña varianza que reintroduce la deriva que intentas eliminar. Copia la fórmula que funciona, guárdala en algún sitio desde donde puedas pegarla y reutilízala palabra por palabra durante toda la vida de esa serie.

Qué hacer cuando una generación se desvía igualmente

Incluso con todo esto bloqueado, de vez en cuando obtendrás en la tanda un resultado que no encaja: una cara que se acerca pero que está desviada de un modo que no sabes nombrar del todo. No intentes salir de una sola generación mala a base de prompt engineering. Vuelve a generarla con el prompt idéntico al que funcionó en las que sí salieron. Como el modelo reintroduce aleatoriedad en cada ejecución por muy cerrado que esté el prompt, un segundo intento con el mismo texto bloqueado suele resolverlo sin tocar nada más de la serie.

Dónde encaja PROMPTMVSTR

Los prompts del archivo están escritos con esta misma disciplina de descripción bloqueada ya incorporada: en parte por eso una categoría como coches exóticos o viajes de lujo se sostiene como conjunto en lugar de parecer piezas sueltas sin relación. Si estás construyendo tu propia serie desde cero, Cómo generar fotos de lujo con IA que parezcan realmente reales cubre la mecánica de prompt sobre la que se apoya esta técnica, y el Virtual Photoshoot gestiona automáticamente la subida y la reutilización de la foto de referencia a lo largo de toda una tanda, de modo que el mismo descriptor de cara y complexión se arrastra a cada generación sin que tengas que reescribirlo.