Trece rondas de prompts de imagen para acabar dibujando una hoja de referencia
Un log de trece iteraciones describe cómo el autor dejó de describir letras con palabras y dibujó un alfabeto de referencia; los problemas de forma, brillo y extrusión cayeron en una sola generación.
Trece rondas de prompts, una tarde y una palabra: ONLINE dibujada con un estilo de dibujo animado grueso. Ninguna reformulación funcionó. Lo que desatascó el asunto fue dibujar a mano una hoja de referencia con el alfabeto completo, letras y dígitos, en el estilo buscado, y dejar el prompt reducido a una frase que apunta a ella.
El evaluador decía que todo iba bien
Había un marcador estético en el bucle. En cada ronda devolvía entre 8,5 y 9,0. La valoración del propio autor sobre esas mismas imágenes arrancó en 3 y terminó cerca de 9. La ronda 1 puntuó 8,5: había pedido muescas rasgadas en las puntas de los trazos y recibió grietas por todo el cuerpo de cada letra, más un brillo que nunca mencionó. El marcador no estaba averiado, la imagen era decente. Contestaba a «¿esto está bien?» cuando la pregunta era «¿esto es lo que describí?». Si hubiera dejado que la nota decidiera, habría entregado en la primera ronda.
Hay un error anterior y bastante incómodo. El autor miró su referencia en miniatura, como palabra entera, y la leyó como letras redondeadas con picos rotos. Se pasó tres rondas describiendo esos picos. Al recortar letras sueltas y ampliarlas, los trazos resultaron ser polígonos de caras planas, y lo que parecían picos eran solo esquinas donde se juntan dos aristas rectas. Tres rondas de cirugía fina sobre el prompt, apuntando a un defecto de su propia vista.
Las palabras pelean contra el prompt
El caso caro se repitió tres veces con tres términos distintos. Escribir «chaflán» para pedir una esquina plana devolvía un bisel en 3D con caras laterales iluminadas. Prohibir el 3D, el bisel y las caras laterales no sirvió de nada: una pila de negaciones no gana al sustantivo que las provoca. Cuando una restricción pierde una y otra vez, hay que dejar de reforzarla y buscar contra qué está perdiendo.
La segunda lección es describir el resultado y no cómo se hizo. «Esquinas cortadas en ángulos irregulares» traía marcas de corte y costuras dentro del cuerpo de las letras; «la silueta exterior de cada letra es un polígono irregular con aristas rectas que se juntan en esquinas de longitud variable» daba la forma y se detenía. La hipótesis del autor es que un verbo nombra un suceso, y las imágenes de sucesos llegan con los restos que deja el suceso.
También hay fugas entre las dos mitades del prompt. El vocabulario de material en la mitad de escena —borde, núcleo, profundidad, plástico, juguete, ladrillo— se filtra al sujeto: las letras planas ganan extrusión o se redondean. Acabó prohibiendo las palabras de material en la mitad de escena y dejando solo objetos, espacio y luz. El deslizamiento se detuvo.
Dibujar la hoja costó trabajo. Menos que once rondas, y la hoja sigue existiendo. Fija la forma, y eso significa también que ya no se puede cambiar. Pedir un acabado más brillante en una sola frase arrastraba el 3D de vuelta; repartido en dos frases, una que congela la silueta y otra que pide el acabado, se comportó. La referencia es una restricción dura, y como toda restricción dura, hay que negociarla por partes.
