En el post anterior armé un sistema de atajos de una palabra para crear contenido de redes con mi GPU, y lo probé con una cafetería de ejemplo. Funcionó tan bien que sospeché. Así que hice lo que hay que hacer con cualquier herramienta: probarla con marcas reales.
Tomé dos de mis proyectos:
- WeSoft, mi consultora de software: oscura, de vidrio, con degradados cian y violeta. Le habla a dueños de PyMEs.
- RuflesTv, que vende cajas para convertir cualquier tele en Smart TV: naranja, negro y lima, con una mascota, el Tigre Rufles. Le habla a familias.
Les hice su ficha de marca y les pedí piezas reales. Salieron tres errores, y los tres enseñan algo sobre cómo funcionan estos modelos.
Este es el resultado final, ya corregido. La mascota oficial de RuflesTv, animada en mi PC a partir de una sola foto:
animar rufles reels: el tigre saluda y dice "¡Hola! Soy Rufles. Cualquier tele, ahora Smart TV." · 704×1280 · 5 s con voz · ~4 min en una RTX 5070 Ti.
TL;DR
- El modelo no sabe escribir palabras largas. En 7 de 7 intentos, “Transformamos ideas en proyectos” salió mal escrito. Ahora la imagen se genera sin letras y el título se rotula encima con la tipografía de la marca.
- Nombrar lo prohibido lo invoca. Escribir “no niños, no billetes” en el prompt hizo que aparecieran niños y billetes. Con estos modelos rápidos (CFG 1) no existe el prompt negativo, así que todo se describe en positivo.
- El video le pone subtítulos a los diálogos y pronuncia mal los nombres propios. Se arregló pidiendo un cuadro limpio y con un léxico de pronunciación en la ficha (Rufles → “Rúflez”).
1. WeSoft: el modelo no sabe escribir “Transformamos”
La ficha de WeSoft describe su estilo: oficina oscura, paneles de vidrio flotantes estilo visionOS y brillos cian, azul y violeta. Le pedí un post para LinkedIn con la frase de la marca dentro del panel:
post wesoft li: dueño de negocio frente a un dashboard de vidrio con "Transformamos ideas en proyectos"
El estilo quedó perfecto. El texto, no. Salió “Transformemos”, “Transformmos”, “Transformados” y “progectos”. Probé con un panel más limpio, con letras más grandes y repitiendo “spelled exactly”: 7 de 7 intentos mal escritos.
En el post de Z-Image el pizarrón de “El mejor café de la colonia” salió perfecto. La diferencia es que “Transformamos” es una palabra larga y poco común, y el modelo la “corrige” hacia algo que vio más veces.
La solución: no pedirle el texto al modelo. Ahora el atajo acepta texto::
post wesoft li: dueño de negocio frente a un dashboard de vidrio | texto: "Transformamos ideas en proyectos"
- La imagen se pide sin ninguna letra, dejando la zona de abajo tranquila y oscura.
- Un script en Python (Pillow) pone encima una franja degradada con el color de fondo de la marca, una barra de acento y el título con la tipografía oficial (Plus Jakarta Sans), ajustando el tamaño para que quepa en máximo tres renglones.
- Los colores y la fuente salen de la ficha: cada marca define su propio
rotulo.
Ahora el texto sale bien escrito siempre y con la tipografía real de la marca. Eso es justo lo que hace un diseñador: la foto por un lado y la tipografía por otro.
2. RuflesTv: pedí “sin niños” y salieron niños
RuflesTv tiene reglas de publicidad estrictas, porque Meta y TikTok tumban anuncios por muy poco: solo se vende la caja y el servicio, sin logos de plataformas, sin partidos, sin portadas de películas, sin billetes y sin menores. Puse todo eso en el campo evitar de la ficha, y el script lo agregaba al prompt como “Do not include: children, money bills, sports matches…”.
Resultado del primer intento:
Niños en las cuatro imágenes y un fajo de billetes en la mesa. Justo lo que estaba prohibido.
Por qué pasa
Los modelos “turbo” o destilados (Z-Image Turbo y FastH3) generan con CFG = 1. Eso los hace rápidos, pero tiene un costo: no usan prompt negativo. Todo lo que escribes, aunque sea en una frase que dice “no incluyas”, empuja la imagen hacia esas palabras. Escribir children activa la idea de niños, con o sin el “no” delante.
La solución
- La lista
evitarya no entra al prompt. Ahora es una lista de revisión: el script la imprime al terminar y la guarda en el registro de la pieza, para revisarla al mirarla. - Lo que sí debe aparecer se describe en positivo dentro del estilo de la marca: “only adults in the scene”, “the TV screen displays simple abstract orange, black and lime shapes”, “tidy coffee table with a cup and a remote”.
Mismo atajo, después del cambio:
Solo adultos, sin billetes y con la tele mostrando formas abstractas en la paleta exacta de la marca (naranja, negro y lima). Los rótulos “Cualquier tele, ahora Smart TV” y “Adiós anuncios y popups” usan los colores de RuflesTv.
3. El Tigre Rufles: subtítulos basura, futbol y “Ruflils”
La mascota era la prueba más difícil, porque un modelo de texto a imagen no puede mantener a un personaje igual de una imagen a otra. Por eso el atajo animar parte de una foto oficial del personaje (de su hoja de 14 ángulos) y la convierte en video con voz usando MiniMax H3 en modo imagen → video.
El script ajusta la foto al formato vertical de Reels sin recortar al personaje: rellena los lados con el color del fondo y lo pega abajo, para que los pies queden en el piso.
El primer intento tenía tres problemas:
- Subtítulos inventados. H3 lee la frase entre comillas y la escribe en pantalla, con una palabra basura (“Tieole”) encima.
- Un partido de futbol en la tele de fondo, justo lo que las reglas de anuncios prohíben.
- Pronunciación: Whisper oyó “Soy Ruflils”.
Las tres correcciones
- Para clips y videos animados, el script agrega “the dialogue is only spoken aloud; the frame stays clean, free of subtitles”. También va en positivo: describo cómo debe verse el cuadro.
- El estilo de video de la ficha ahora dice qué muestra la tele: “only slow abstract orange and black shapes”.
- Agregué a la ficha un léxico de pronunciación:
{"Rufles": "Rúflez"}. El script lo aplica solo al diálogo. El modelo lee “Rúflez” y lo pronuncia como se debe.
El resultado es el video del inicio: sin subtítulos, sin futbol, con el conjunto naranja, los lentes de carey y los ojos verdes de la versión oficial. Whisper transcribe "¡Hola! Soy Rufles, cualquier tele, ahora Smart TV".
4. Lo que cambió en el sistema
| Antes | Ahora |
|---|---|
| El modelo escribe el texto | Imagen sin letras + rótulo con la tipografía de la marca |
evitar dentro del prompt |
evitar = lista de revisión; el prompt solo describe en positivo |
| El diálogo entre comillas | Diálogo hablado + “cuadro limpio, sin subtítulos” |
| Nombres propios como se escriben | Léxico de pronunciación por marca |
| Mascota generada desde texto | Mascota animada desde su foto oficial (animar) |
Cada ficha de marca creció con tres campos: rotulo (fuente y colores del título), lexico (cómo se pronuncian sus nombres) y mascota (las fotos oficiales para animar).
Cierre
La cafetería de ejemplo me había hecho creer que todo estaba listo. Las marcas reales encontraron los huecos en una tarde. Las tres lecciones sirven para cualquier modelo rápido, no solo para los míos:
- El texto importante se rotula; no se le pide al modelo.
- Con CFG 1, lo que nombras aparece, aunque escribas “no”. Describe en positivo lo que sí quieres.
- Revisa cada pieza mirándola: los cuadros del video y el audio pasado por Whisper. Los tres errores los encontré así, no leyendo los logs.
