Cómo configurar prompts negativos, escala de orientación (CFG) y pasos de muestreo en Dezgo

Generar imágenes de nivel profesional mediante inteligencia artificial exige mucho más que escribir una descripción elocuente. Al utilizar Dezgo —plataforma de generación en línea y API REST compatible con modelos de la familia Stable Diffusion, SDXL y Flux—, los creadores se enfrentan con frecuencia a problemas habituales: manos deformadas, colores sobresaturados, ruido digital excesivo o composiciones que ignoran las instrucciones del texto.

Para solucionar estos defectos y obtener un control riguroso sobre el resultado, Dezgo reúne tres parámetros clave dentro de su panel More options (Más opciones) y en su interfaz de programación: los prompts negativos (Negative Prompts), la escala de orientación o escala de guía (Guidance Scale / CFG) y los pasos de muestreo (Sampling Steps). Comprender cómo interactúan estos controles permite diagnosticar fallos visuales de forma metódica, mejorar la fidelidad del renderizado y optimizar tanto el tiempo de procesamiento como el consumo de créditos.

Dónde se encuentran los parámetros principales en Dezgo

Tanto en la versión web gratuita de Dezgo como en su modalidad de prepago Power Mode o en las peticiones a su API REST (POST https://api.dezgo.com/text2image), los controles se configuran de manera uniforme:

1. Interfaz web: En la página de generación (como Text-to-Image SD1 o Text-to-Image XL), despliega el menú colapsable More options ubicado justo debajo del cuadro de prompt principal. Allí encontrarás el campo de texto para el prompt negativo, así como los deslizadores y selectores numéricos para Guidance y Steps.
2. Carga útil de la API (Payloads): Al invocar Dezgo mediante código, se transmiten los parámetros negative_prompt (cadena de texto de hasta 1000 caracteres), guidance (número decimal, rango de -20 a 20) y steps (número entero, rango de 10 a 150).

Conocer el propósito exacto de cada variable evita el desgaste del ensayo y error a ciegas.

1. Prompts negativos: Eliminación de anomalías y estilos no deseados

Mientras que el prompt positivo detalla qué objetos, iluminación y texturas deben materializarse en el espacio latente, el prompt negativo le indica al modelo de difusión qué elementos visuales, anomalías estructurales y estilos indeseados debe reprimir de forma activa durante el proceso de eliminación de ruido.

Plantilla de referencia estándar

Para los modelos clásicos de Stable Diffusion 1.5 disponibles en Dezgo (como Absolute Reality o Realistic Vision), la plataforma integra un prompt negativo predeterminado muy efectivo:

ugly, tiling, poorly drawn hands, poorly drawn feet, poorly drawn face, out of frame, extra limbs, disfigured, deformed, body out of frame, blurry, bad anatomy, blurred, watermark, grainy, signature, cut off, draft

Esta base actúa como una red de seguridad contra extremidades duplicadas, falta de enfoque o marcas de agua. No obstante, en proyectos de diseño comercial conviene adaptarla: si se busca fotografía documental realista, conviene excluir cartoon, 3d render, anime; si se diseña una ilustración vectorial plana, se debe descartar photorealistic, oversaturated.

Sintaxis de ponderación de prompts en Dezgo

Cuando un elemento no deseado persiste en la imagen generada (como dedos adicionales o firmas rebeldes), Dezgo permite utilizar una sintaxis de ponderación específica:

• Aumentar la supresión (+): Añade uno o más signos de suma al final de una palabra para acentuar el filtro, por ejemplo watermark+ o (extra fingers)++.
• Disminuir la supresión (-): Si un término negativo elimina texturas que deseas conservar, atenúalo con un signo de resta, como grain-.
• Agrupación de frases: Encierra varias palabras entre paréntesis antes de aplicar la ponderación: (poorly drawn hands)+.
• Multiplicador numérico: Dezgo admite valores numéricos explícitos entre 0 y 2 (siendo 1.0 el valor estándar), ya sea con dos puntos o sufijo: (bad anatomy:1.2) o (bad anatomy)1.2.

Error habitual

Evita copiar listas indiscriminadas de cientos de términos negativos genéricos. La saturación de tokens negativos diluye la capacidad de atención del modelo, provocando tonos lavados, pérdida de contraste dinámico y fondos artificialmente empastados. Mantén los términos negativos estrictamente enfocados en los defectos que detectes en la escena.

2. Escala de orientación (Guidance Scale / CFG): El equilibrio entre fidelidad y naturalidad

La escala de orientación (conocida técnicamente como Classifier-Free Guidance o escala CFG) determina con qué rigidez debe ceñirse el modelo a las instrucciones del prompt frente a la libertad de explorar trayectorias latentes aleatorias.

En Dezgo, el parámetro guidance admite valores entre -20 y 20, estableciendo su valor predeterminado en 7.

Rangos de orientación y comportamiento visual

Consideraciones según la arquitectura del modelo

• Modelos estándar SD 1.5 y SDXL: Su rendimiento óptimo se sitúa firmemente entre 6 y 9.
• Modelos SDXL Lightning (como dreamshaperxl_lightning_1024px o juggernautxl_9_lightning_1024px): Al tratarse de modelos destilados para ultravelocidad, reaccionan con extrema sensibilidad al CFG; deben configurarse con una guía muy reducida (típicamente entre 1.5 y 2.5) para no destrozar el contraste.
• Modelos Flux (como flux_1_schnell): Gracias a su arquitectura de coincidencia de flujo, interpretan el lenguaje natural de forma intuitiva sin necesidad de forzar valores altos de orientación.

3. Pasos de muestreo (Sampling Steps): Profundidad de detalle frente a coste

Los modelos de difusión generan la imagen a través de sucesivas iteraciones de eliminación de ruido sobre un lienzo inicial caótico. El parámetro Sampling Steps define cuántas rondas de cálculo ejecuta el algoritmo de muestreo.

Dezgo permite elegir entre 10 y 150 pasos. Aunque más iteraciones dan margen al muestreador para definir microtexturas, la ganancia visual obedece a una rigurosa ley de rendimientos decrecientes.

Umbrales prácticos y curva de rendimiento

• 10 – 15 pasos (Borrador veloz): Idóneo para comprobar rápidamente la composición, la perspectiva de cámara y el balance general de color. Los elementos minuciosos (pestañas, tejidos intrincados, follaje distante) se aprecian borrosos o incompletos.
• 20 – 30 pasos (Estándar de producción): El punto de máxima eficiencia para algoritmos modernos como Euler o DPM++. Las formas anatómicas y los materiales principales alcanzan una convergencia visual estable.
• 35 – 50 pasos (Máximo detalle textural): Recomendado cuando la imagen contiene estructuras de gran complejidad: celosías arquitectónicas, detalles capilares microscópicos, texturas de joyería o fotografía macro.
• 60 pasos o más (Rendimiento marginal nulo): Para muestreadores convencionales, superar los 50 pasos rara vez aporta mejoras apreciables a simple vista, pero prolonga el tiempo de generación y eleva el coste informático de forma lineal.

Implicaciones de coste entre el modo gratuito y Power Mode

El ajuste de pasos repercute directamente en la economía de uso de Dezgo:

• Modo gratuito (Free Mode): Dispone de topes de pasos y resolución máxima para salvaguardar la disponibilidad del servidor comunitario.
• Power Mode y API REST: Funcionan mediante un saldo de prepago en dólares donde cada petición descuenta créditos en función de los pasos, la resolución y el modelo elegido. Generar una imagen a 100 pasos cuando bastaban 25 multiplica el consumo de créditos por 3 o 4 veces sin reportar ningún beneficio visual.

Flujo de trabajo profesional: Método de refinamiento en 4 etapas

Para evitar desajustes incontrolados, no alteres las tres variables al mismo tiempo; sigue este orden de trabajo:

1. Etapa 1: Exploración de composición (Bajo coste)
   • Mantén Guidance en 7.0, Steps en 20 y utiliza el prompt negativo estándar.
   • Lanza lotes rápidos hasta encontrar una composición atractiva y anota su número de semilla (Seed).
2. Etapa 2: Corrección de fallos con el prompt negativo
   • Fija la seed para que la pose y el fondo no cambien.
   • Observa los errores: si las manos lucen deformadas, añade (poorly drawn hands)1.2 al prompt negativo; si brota texto no deseado, escribe watermark+, text+.
3. Etapa 3: Calibración de la escala de orientación
   • Si la IA omite detalles esenciales de la vestimenta o elementos clave del escenario, eleva Guidance gradualmente hacia 8.0 o 9.0.
   • Si los rostros lucen plastificados o los tonos excesivamente duros, disminuye Guidance a 6.0 o 6.5.
4. Etapa 4: Aumento de pasos para entrega final
   • Verificada la fidelidad y la estructura, sube Steps a 30 o 35 para extraer la máxima nitidez.
   • Si requieres un formato apto para impresión o pantallas de alta definición, finaliza procesando el archivo con la herramienta de escalado (Upscale) de Dezgo.

Con el prompt negativo como bisturí, la escala de orientación como guía de fidelidad y los pasos de muestreo como tiempo de pulido, lograrás resultados consistentes y de primer nivel en Dezgo.

Referencias

• Dezgo - Free Online AI Image/Video Generator, Apps & Tools
• AI Image Generator API - Flux/Stable Diffusion - Dezgo
• Prompt weighting - AI Image Generator API - Flux/Stable Diffusion - Dezgo
• Models - AI Image Generator API - Flux/Stable Diffusion - Dezgo
• Overview - AI Image Generator API - Flux/Stable Diffusion - Dezgo