Por qué las imágenes de IA fallan al contar y cómo pedir multitudes que funcionen
Pides exactamente tres cosas y salen cinco. Por qué los modelos de imagen cuentan mal y cinco formas de lograr la multitud, la fila o el conjunto que querías.
Escribiste «tres velas en el alféizar» y salieron cuatro. Probaste con «exactamente tres», salieron dos y luego cinco. Nada está roto. Contar es algo en lo que los modelos de imagen son malos por su propia estructura, y cuando entiendes por qué, puedes dejar de pelear contra ello y empezar a esquivarlo.
Por qué el número se desvía
Un modelo de imagen no construye la imagen objeto por objeto para comprobar el total después. Refina todo el lienzo a la vez, acercando cada zona a «lo que suele parecer una imagen que encaja con estas palabras». La palabra «tres» es un empujón débil entre decenas de palabras, y en las imágenes de entrenamiento casi nunca se indicaba cuántas velas había junto a la palabra «velas».
Los números pequeños, uno y dos, son los más fáciles porque son patrones comunes: un sujeto, una pareja. A partir de ahí el modelo se apoya en la textura y el ritmo en lugar de la aritmética. Una hilera de ventanas parece correcta cuando el espaciado lo parece, no cuando hay siete. Por eso «unas cuantas» funciona mejor que una cifra que no puede cumplir.
Dónde importa y dónde no
Divide tu escena en dos tipos. En una multitud, un bosque o un frutero nadie cuenta, y un error de dos pasa desapercibido. En una foto de producto, un diagrama, un juego de iconos o un juego de mesa, el espectador cuenta al instante y un número equivocado parece un fallo. Gasta tu esfuerzo solo en el segundo tipo.
Cinco formas de conseguir el número que querías
1. Pide menos y nombra el grupo
Los modelos manejan mejor «una pareja» y «un trío» que un numeral suelto, porque son conceptos únicos y no aritmética. «Un trío de velas, alta, mediana y baja» da a cada una una identidad, y las identidades son más fáciles de mantener que un total.
2. Describe cada elemento por su posición
En lugar de un número, dale a cada elemento un lugar. El modelo es bueno con izquierda y derecha, primer plano y fondo, y cuesta añadir una cuarta vela cuando la frase ya ocupó la izquierda, el centro y la derecha del alféizar.
Un alféizar al atardecer, una vela blanca alta en el extremo izquierdo, una vela ámbar baja en el centro, una vela mediana en vidrio ahumado a la derecha, la ventana detrás suave y desenfocada, luz cálida, encuadre vertical 4:53. Genera en pequeño y compón después
Para un conjunto que debe ser exacto, como cinco iconos o seis cartas, genera cada pieza como una imagen aparte y organízalas en tu propio editor. Cuesta unas renders más, pero cada una es un trabajo de un solo sujeto, el más barato de acertar. Haz los borradores en Still Lite, desde €0.30 por render, y termina solo las elegidas en Still.
4. Deja la multitud vaga a propósito
Para personas u objetos de fondo, describe la densidad, no el número: «una multitud escasa», «dispersos», «hombro con hombro». Los modelos son buenos con la densidad porque es una textura. Añadir un número solo les da algo en lo que equivocarse de forma visible.
5. Corrígelo después en vez de repetir
Si la imagen está bien salvo por un objeto de más, no tires otra vez los dados. Adjunta el render como referencia y pide la misma escena «sin la cuarta vela». El modelo conserva la paleta y la composición y solo tiene que cambiar una cosa, una apuesta mucho mejor que un intento nuevo.
Lo que el estudio no puede hacer
Ninguna herramienta del estudio puede prometer un número exacto, ni tampoco ningún otro generador de imágenes hoy. Más calidad afina el detalle, no enseña aritmética. Si un número en la página es un requisito duro, arma el conjunto con imágenes separadas, o dibuja tú el diseño final y usa el render para el aspecto. Lo mismo vale para el texto legible, que falla por motivos parecidos; la guía de manos y texto lo explica.
Una rutina rápida
- Decide si alguien va a contar. Si no, olvídate del tema.
- Si van a contar, describe los elementos por posición y dale a cada uno su propio adjetivo.
- Genera un lote pequeño de borradores baratos y descarta de un vistazo los que tengan mal el número.
- Corrige un fallo leve desde una referencia en lugar de empezar de nuevo.
- Para conjuntos exactos, genera las piezas por separado y móntalas tú.
Combínalo con los hábitos del post sobre el impuesto de la repetición y casi todos los renders desperdiciados desaparecen, porque los errores de conteo están entre las repeticiones más caras. Puedes ver el precio actual de cada modelo en la página de modelos antes de pulsar Generate.
Preguntas
¿Por qué la IA añade dedos u objetos de más?
El modelo refina toda la imagen a la vez y copia patrones locales, no totales. Los dedos, las ventanas y las velas se repiten, así que sigue repitiéndolos hasta que la zona parece llena, y el número exacto no es algo que controle.
¿Un modelo mejor arregla el conteo?
Ayuda con números pequeños, de uno a tres, y con lo limpio del resultado. Ningún modelo actual cuenta de forma fiable más allá, así que los métodos de posición y de montar tú mismo siguen valiendo.
¿Sale más barato repetir o editar desde una referencia?
Cuando la imagen está bien salvo por un objeto, editar desde una referencia suele ser más barato, porque conservas todo lo bueno y cambias una cosa. Repetir tira las partes buenas junto con las malas.
