Cómo generar imágenes consistentes con Gemini y Stable Diffusion

Mira, colega, el problema de siempre: generas un personaje chulo con Gemini, pero cuando lo pasas a Stable Diffusion para darle más calidad, parece otro. Cara distinta, colores distintos, hasta la ropa cambia. Frustrante, ¿verdad? Pues deja de tirar prompts a lo loco y usa el método que te traigo hoy. No es magia, es estructura.

El problema de base: dos modelos, dos "cerebros"

Gemini es un prodigio entendiendo lenguaje natural, pero no es un generador de imágenes nativo de alta resolución. Stable Diffusion es un caballo de batalla visual, pero es un analfabeto si no le das prompts súper específicos. La clave está en crear un puente de descripción canónica: un texto maestro que ambos entiendan.

Paso 1: Crea la "ficha de identidad" del personaje

Antes de generar nada, define el personaje en texto plano. Esto es oro puro. Por ejemplo:

PERSONAJE: "Aria"

• Género: Mujer joven, 25 años
• Cabello: Pelirrojo vibrante, rizado, hasta los hombros
• Ojos: Verdes esmeralda, grandes
• Ropa: Chaqueta de cuero negra, camiseta gris, pantalones cargo
• Detalle clave: Cicatriz fina en la mejilla derecha
• Estilo: Ilustración digital, semi-realista, iluminación dramática

Paso 2: Úsalo como prompt maestro en Gemini

Pega esa ficha en Gemini y pídele que la expanda a una descripción visual completa. Luego, usa esa salida para generar tu imagen de referencia. El prompt para Gemini sería algo así:

Actúa como un director de arte. Genera la descripción detallada de una imagen (no la imagen, solo texto) para el siguiente personaje: [PEGA AQUÍ LA FICHA]. Incluye composición, ángulo de cámara, fondo, paleta de colores y estilo artístico. Sé específico y técnico.

Paso 3: Traduce esa descripción a "prompt de Stable Diffusion"

Aquí está el truco. Stable Diffusion necesita palabras clave, no frases bonitas. Coge la descripción de Gemini y conviértela en un prompt estructurado. Así:

masterpiece, best quality, (pelirroja rizada:1.2), ojos verdes esmeralda, chaqueta de cuero negra, camiseta gris, cicatriz en mejilla, semi-realista, iluminación dramática, retrato de retrato, fondo urbano oscuro, f/2.8, 85mm, estilo digital art

Negative prompt: blurry, low quality, deformed, extra fingers, bad anatomy, watermark, text

Paso 4: Usa ControlNet (o IP-Adapter) para mantener la esencia

No, no te asustes. Si usas la interfaz de Automatic1111 o ComfyUI, configura ControlNet con el modelo OpenPose o Canny. Esto le dice a Stable Diffusion: "esta es la pose y la estructura, no te desvíes". Si la cara se te sigue yendo, usa IP-Adapter con tu imagen de Gemini como referencia de estilo. Te lo digo claro: sin esto, estás jugando a la lotería.

Paso 5: El prompt final que funciona

Aquí tienes una plantilla que he probado y que funciona de puta madre para mantener la consistencia:

[descripción de la ficha], portrait, character sheet, [estilo artístico], [luz], [entorno], high detail, sharp focus, coherent anatomy, consistent character design

Negative prompt: multiple views, different character, inconsistent face, cartoon, 3d render, ugly, deformed

Y para cambiar de escena manteniendo al personaje:

[descripción del personaje], [NUEVA ESCENA: ej. "caminando por Tokio de noche"], mismo personaje, misma ropa, misma cara, expresión [X], high quality, 8k

El flujo real: de Gemini a SD sin perder la cabeza

• Gemini: Genera la imagen base o la descripción técnica.

• Edita: Ajusta la ficha de identidad si algo no cuadra.

• Stable Diffusion: Usa ese texto como prompt, añade el negative prompt de arriba.

• ControlNet: Activa Canny con la imagen de Gemini como referencia.

• Refina: Genera 4-6 variaciones y elige la que más se parezca al original.

¿Que quieres más control? Genera en Gemini un character sheet (hoja de personaje con vistas frontal, lateral y trasera). Stable Diffusion lo tomará como referencia de pose y proporciones. Prueba este prompt en Gemini:

Genera un character sheet (hoja de personaje) de [descripción del personaje]. Muestra 3 vistas: frontal, lateral y trasera. Estilo: diseño de personaje para videojuego, fondo neutro gris, iluminación uniforme.

Luego, en SD, usa esa imagen como base para ControlNet con el preprocesador lineart.

El error de novato que debes evitar

No uses el mismo seed para todo. El seed fija el ruido aleatorio, no la identidad del personaje. La consistencia se logra con el prompt + ControlNet, no con un número mágico. Si cambias la escena, cambia el seed, pero mantén el prompt del personaje idéntico.

Y otra cosa: si usas modelos como Realistic Vision o Deliberate, la coherencia mejora muchísimo comparado con modelos genéricos. Te lo digo por experiencia.

Así que ya sabes, colega. Deja de pelearte con las herramientas y haz que trabajen juntas. Con esta estructura, tu personaje de Gemini pasará a Stable Diffusion con una identidad sólida. Y tu, ¿qué usas para mantener la consistencia en tus proyectos? Cuéntamelo en los comentarios, que yo siempre estoy dispuesto a aprender un truco nuevo.