23 Introducción a Midjourney, Dall-E y Stable Diffusion 3m454b

La Escuela Viva de Periodismo presenta Ingeniería de Prompts para Inteligencia Artificial.

Módulo 5.

Ingeniería de Prompts para Imagen.

Hola, hola, bienvenido, bienvenida a esta nueva clase del curso de Ingeniería de Prompts.

Hoy nos toca cambiar de plano, vamos a dar un paso más allá de la generación de texto y nos vamos a sumergir en el universo fascinante de la creación de imágenes a partir del lenguaje natural.

Porque sí, aunque llevamos muchas clases trabajando con palabras que generan más palabras, hoy vamos a hablar de palabras que generan imágenes.

Y para ello, vamos a introducirnos en tres de las plataformas más poderosas que existen en la actualidad para este tipo de generación visual.

Mid Journey, DALI y Stable Diffusion.

Pero más allá de conocerlas como herramientas, el objetivo de esta clase es que comprendas cómo funcionan, en qué se diferencian y cómo puedes aplicar tus conocimientos de Ingeniería de Prompts para sacarles el máximo partido.

Porque sí, el prompt es el pincel, la cámara y el guión en estas plataformas.

Y cuanto más sepas diseñarlo, mejor será la imagen que la IA te devuelva.

Prepárate, porque esta clase te va a abrir los ojos y, quizá, también la imaginación.

Cuando hablamos de generar imágenes con texto, nos referimos al proceso en el que un modelo de inteligencia artificial es capaz de interpretar una descripción escrita y convertirla en una imagen visual.

Este proceso se conoce como Text-to-Image y, aunque puede sonar a ciencia ficción, es una realidad plenamente operativa hoy.

Un ejemplo simple.

Yo le digo, créame una imagen de un gato llevando gafas, sentado en lo alto de una pila de viejos libros al estilo de un cuadro vintage.

La IA lee eso y genera una imagen.

No una búsqueda, no una combinación de imágenes ya existentes, sino una nueva imagen sintetizada basada en millones de datos visuales con los que ha sido entrenada.

La clave aquí es entender que el texto es una herramienta de diseño.

Tus palabras se convierten en formas, luces, colores, emociones...

Y, por eso, la ingeniería de PROMPTS es absolutamente fundamental también en este contexto.

Vamos a ver explicado con sencillez cómo funciona esto técnicamente, sin entrar en tecnicismos complejos.

Lo que debes saber es que estos modelos funcionan combinando dos tipos de redes.

Primera, un modelo de lenguaje que interpreta lo que escribes, como si fuese chat GPT, por ejemplo.

Y, después, un modelo de imagen basado en difusión, se llama Diffusion Models, que construye una imagen desde ruido guiada por el texto interpretado.

La generación de imágenes funciona en varias fases.

Primero, se interpreta el PROMPT.

Luego, se transforma esa interpretación en una representación visual abstracta.

Y, después, mediante un proceso llamado difusión inversa, se genera, progresivamente, una imagen desde una nube de ruido hasta obtener el resultado final.

La magia está en que todo empieza con palabras, y el modo en que construyas esas palabras determinará si tu imagen es confusa o asombrosamente nítida y coherente.

Mid Journey es, probablemente, el modelo más querido por artistas visuales, diseñadores y creadores de contenido, por su estilo artístico, expresivo y profundamente estético.

Mid Journey no se accede desde una app ni desde una web tradicional, sino desde un servidor de Discord.

Se escribe el PROMPT en un canal precedido por el comando barra imagen, y la IA responde con una cuadrícula de cuatro imágenes.

Es, quizá, el modelo más complicado de poder acceder, pero ya verás que lo vamos a hacer súper sencillo.

¿Qué hace único a Mid Journey? Pues tiene una identidad visual muy marcada, colores intensos, iluminación cinematográfica, texturas sofisticadas… Produce imágenes altamente detalladas.