Cómo arreglar manos y caras en imágenes con IA: lo que funciona

Todo en el encuadre es precioso salvo la mano, que tiene cinco dedos y medio y un pulgar que apunta hacia donde no debe. O la cara es bonita, pero no es la cara de tu personaje. Son los dos fallos clásicos de los modelos de imagen por difusión, no van a desaparecer con un adjetivo mejor, y la respuesta práctica no es la que casi todo el mundo busca primero.

Por qué las manos son lo difícil

Un modelo de difusión no tiene esqueleto. No sabe que una mano tiene cuatro dedos y un pulgar, que los dedos no se atraviesan entre sí ni que una muñeca se une exactamente a una mano. Sabe cómo se ven las manos en una cantidad enorme de imágenes, y reconstruye algo con ese sabor estadístico.

Las manos son el peor caso para ese enfoque en todos los ejes a la vez. Son pequeñas en el encuadre, así que reciben la menor parte del presupuesto de atención del modelo. Se tapan a sí mismas constantemente. Aparecen en poses muy variadas, así que el promedio de todas las manos que ha visto el modelo es un borrón de números de dedos posibles. Y somos buenísimos detectando una mano mal hecha: la misma imagen con un codo ligeramente raro pasa por correcta.

Los rostros fallan de otra manera. Una cara se renderiza de forma convincente y simplemente es una cara distinta cada vez, porque nada en un prompt de texto fija la identidad. «Una mujer de treinta y tantos con el cabello oscuro» describe a un millón de personas, y en cada tirada te toca una diferente.

Saca el problema del encuadre

La solución más rápida es de composición, no técnica. Dales a las manos una tarea que las oculte, o sácalas del todo del encuadre.

Manos que sostienen una taza, metidas en los bolsillos, agarradas a una correa, detrás de la espalda, cortadas por debajo del codo por el encuadre: todo esto elimina el fallo sin eliminar la imagen. No te cuesta nada; un retrato que funciona es un retrato que funciona.

Una mujer de poco más de treinta años apoyada en la barra de una cafetería, con ambas manos alrededor de una taza caliente, el cabello oscuro peinado hacia atrás, fotografiada a la altura del pecho con lente de retrato a f/1.4, luz de ventana desde la izquierda, un ambiente tranquilo de media mañana.

Ese prompt tiene manos, y están haciendo una sola cosa legible alrededor de un objeto sólido. Compáralo con «una mujer que gesticula mientras habla», que es una invitación a renderizar siete dedos.

Los dos controles que sí tienes

Los tres modelos de imagen (Image One, Image Anime e Image Art) aceptan un prompt negativo y una escala CFG, y esos son los controles reales.

El prompt negativo es donde va la anatomía. «extra fingers, fused fingers, deformed hands, extra limbs, distorted face» (dedos de más, dedos fusionados, manos deformadas, extremidades de más, cara distorsionada) es aburrido y funciona mejor que cualquier cantidad de descripción positiva, porque te alejas de una zona en lugar de esperar caer en otra.

La CFG va de 1 a 20 y fija con qué literalidad sigue el modelo tu texto. Los valores bajos divagan y a menudo se ven mejor; los altos obedecen y a menudo se ven rígidos y sobrecocinados. Si el modelo está ignorando tu prompt, súbela un poco. Si la imagen se ve quemada y plástica, bájala. No hay un valor correcto, solo un valor que le va bien a este prompt.

Lo que fija un rostro es una foto de referencia

El texto no puede fijar una identidad. Una imagen de referencia, sí. Adjunta hasta cuatro y la cara volverá reconociblemente igual de un render a otro.

Dos comportamientos que conviene conocer antes de confiar en ello. Con exactamente una referencia, el motor pasa a un modo de edición construido alrededor de esa foto; eso es precisamente lo que fija la identidad, y también la razón por la que la foto de origen define el encuadre y la relación de aspecto que elegiste se ignora en ese render. Con dos o más referencias, estas orientan el resultado en lugar de dirigirlo, y el formato que elegiste se aplica con normalidad.

Si necesitas la misma cara en toda una sesión y no en un solo render, crea un Personaje una vez. Lleva un nombre, una personalidad y sus fotos de referencia, lo invocas en un prompt con una @mención, y el mismo reparto funciona también en el estudio de video.

Genera cuatro en lote y quédate con una

El flujo honesto para las manos es el volumen. Cada imagen cuesta 10 créditos, el control de lote llega hasta cuatro y el lote entero se cobra al enviarlo: un lote de cuatro es un único cargo de 40 créditos, y cualquier toma que no llegue a renderizarse se reembolsa por separado. Cuatro tiradas del mismo prompt suelen dar al menos un par de manos limpio, y elegir la buena lleva cinco segundos.

Son unos $0.40 con la tarifa del paquete de entrada, por una serie entre la que eliges. Presupuesta en tomas, no en imágenes; hay más sobre la aritmética en tomas en lote sin quemar créditos.

Dos reglas hacen que el lote valga la pena. Cambia exactamente una cosa entre lotes, o no sabrás qué ayudó. Y escribe el prompt negativo antes del primer lote, no después del tercero: es la variable con más efecto sobre la anatomía y la que menos cuesta ajustar.

No hay paso de reparación, así que cuenta con volver a renderizar

Esta es la parte que otras guías esconden. Aquí no hay inpainting, ni reescalador, ni intercambio de rostros: no puedes seleccionar la mano mala y regenerar solo esa zona. Adjuntar la imagen defectuosa como referencia vuelve a renderizar todo el encuadre a partir de ella, lo que es una toma nueva y no una reparación. La solución para una mano rota es otro render, siempre.

Eso define todo el flujo de trabajo. Significa encuadrar a la defensiva en lugar de arreglar después, trabajar en lotes en lugar de perfeccionar una sola tirada, y conservar la receta. Cada render se guarda automáticamente en tu Biblioteca con todos sus ajustes, y Remix vuelve a cargar esa receta en la herramienta para que cambies una palabra y lo intentes de nuevo. En eroq las imágenes no tienen semilla, así que la receta guardada es tu mecanismo de reproducibilidad, no un número que anotas.

Si una imagen de verdad necesita retoque, descárgala y retócala en la herramienta que ya tienes. Es una respuesta razonable, y más honesta que fingir que un prompt puede hacerlo.

Abre el estudio de imagen y lanza tu próximo prompt como un lote de cuatro con un prompt negativo de verdad.

Preguntas frecuentes

¿Un prompt negativo de verdad arregla las manos?

Ayuda más que cualquier otra cosa que puedas escribir, porque aleja al modelo de la zona donde vive la anatomía malformada en lugar de confiar en salir de ahí a base de descripciones. Espera que suba tu tasa de aciertos en un lote, no que garantice un render concreto. Combínalo con una composición que les dé a las manos una tarea clara.

¿Por qué cambia la cara entre dos renders del mismo prompt?

Porque el texto no fija la identidad: tu prompt describe una categoría de persona, y el modelo elige cada vez a un miembro distinto de esa categoría. Adjunta una foto de referencia, o crea un Personaje con fotos de referencia, y la cara volverá a salir igual. Es el único mecanismo de aquí que fija un rostro.

¿Puedo reescalar o retocar un render dentro de eroq?

No. No hay reescalador, ni inpainting, ni intercambio de rostros, así que un render defectuoso se arregla volviendo a renderizar, no parcheando una zona. Volver a pasar la imagen como referencia produce una toma nueva a partir de ella, que es otra cosa. Descarga el archivo y retócalo en tu propio editor cuando necesite una reparación real.

¿Cuántas tomas debo presupuestar por cada imagen utilizable?

Cuatro es el valor práctico por defecto para cualquier cosa con manos, y por eso el control de lote se detiene ahí. A 10 créditos por imagen, son 40 créditos por una serie entre la que eliges, y los fallos dentro de un lote se reembolsan solos. Para un retrato sencillo con las manos fuera de cuadro, una o dos suelen bastar.