Guía de prompts de Seedream 4.5: patrones que funcionan

Seedream 4.5 trata tu imagen de entrada como la base y tu prompt como la diferencia. Ese único hecho decide cómo conviene escribir. Nombra lo que cambia. Describe lo que se mantiene solo cuando no es obvio por el contexto. En cuanto vuelves a describir toda la escena, invitas al modelo a regenerar cosas que querías intactas.

Lo probamos directamente, edición frente a redescripción, y la diferencia no fue sutil: "keep the product, change only the background" (conserva el producto, cambia solo el fondo) conservó la fuente mucho mejor que una descripción nueva de la misma escena. La versión redescrita se veía plausible por sí sola. Junto a la fuente, el producto se había desviado.

Cuando no hay imagen de entrada, construye el prompt por capas, en este orden: primero sujeto y pose, luego estilo y paleta de color, luego escenario e iluminación, y por último el encuadre de cámara. El orden importa porque refleja lo que el modelo pesa más. Una indicación de cámara metida al principio te cuesta fidelidad del sujeto al final.

Este es el mismo prompt construido capa por capa. Sujeto: "a woman in her 30s mid-laugh, head tilted back" (una mujer de unos 30 años en plena risa, con la cabeza echada hacia atrás). Estilo: "shot like a premium lifestyle editorial, warm muted palette" (fotografiada como un editorial lifestyle premium, paleta cálida y apagada). Escenario: "in a sunlit kitchen, late afternoon light through the window" (en una cocina soleada, luz de última hora de la tarde por la ventana). Cámara: "waist-up framing, shallow depth of field" (encuadre de cintura para arriba, poca profundidad de campo). Cada capa acota el espacio sin chocar con la anterior.

Mantén un solo punto focal. Si necesitas texto legible o un rostro nítido en la imagen, dilo con claridad y dale espacio. Los puntos focales que compiten son el lugar donde el famoso renderizado de texto y rostros de este modelo empieza a tambalearse.

Indica de forma explícita qué aporta cada entrada: qué imagen pone el sujeto, cuál pone un accesorio o un estilo, y cómo se colocan juntos en la nueva composición. El modelo responde a instrucciones precisas y por capas, y la fusión es donde esa disciplina rinde más.

Pocas imágenes limpias valen más que muchas mediocres. Dos o tres imágenes nítidas que aportan un elemento cada una se fusionan con más fiabilidad que un montón donde varias casi no contribuyen. Mantén también una iluminación razonablemente pareja entre las entradas: una foto de estudio junto a una foto oscura de móvil obliga al modelo a reconciliar dos calidades de material, y ahí es donde las fusiones parecen ensambladas en lugar de fotografiadas como una sola escena.

Cuando un elemento de la fusión se ve mal y el resto está bien, no reescribas todo el prompt. Revisa primero la imagen fuente de ese elemento y afina solo la instrucción que se refiere a él.

Pedir dos personajes concretos en una sola imagen es un problema distinto de la fusión, y falla de una manera característica: el modelo los promedia. Pides dos personas y obtienes el mismo rostro dos veces, o una pareja que comparte un color de pelo que pertenece solo a uno. El nombre técnico es attribute bleed (contaminación de atributos), y ocurre porque el modelo mantiene ambas descripciones en el mismo presupuesto de atención sin un motivo fuerte para separarlas.

La solución es darle ese motivo. Ancla cada personaje a una posición distinta del encuadre y descríbelo como una unidad, en lugar de listar todos los rasgos de ambos esperando que caigan en el sujeto correcto. "On the left, a tall woman with short black hair in a red jacket; on the right, a shorter man with blond curls in a grey coat" (a la izquierda, una mujer alta de pelo negro corto con chaqueta roja; a la derecha, un hombre más bajo de rizos rubios con abrigo gris) le da al modelo dos huecos espaciales para rellenar por separado. La misma descripción escrita como lista plana de cinco rasgos le da un solo montón mezclado.

Las LoRA de personaje lo empeoran en lugar de ayudar. Cargar dos LoRA de personaje a la vez es la forma más fiable de obtener una mezcla de ambos, porque cada una tira de toda la imagen hacia su propio sujeto. Si necesitas dos personajes entrenados concretos juntos, generarlos por separado y componerlos después suele dar menos trabajo que pelear con la mezcla.

La calidad de la propia LoRA importa aquí más de lo que la mayoría espera. Una LoRA de baja calidad renderiza peor a su sujeto y, encima, degrada activamente la capacidad del modelo para seguir el resto del prompt. Los detalles de los dos personajes se mezclan entre sí, y las instrucciones que normalmente se cumplen bien empiezan a fallar. Una LoRA bien entrenada mantiene a su sujeto y deja que el resto del prompt se comporte con normalidad; una débil se contagia a todo lo que la rodea.

Un resultado borroso o con pocos detalles en una edición suele deberse a la imagen de entrada, no a la redacción. El modelo puede afinar y cambiar el estilo, pero no puede inventar un detalle que no existe en ningún lugar de la fuente. Antes de reescribir un prompt por cuarta vez, mira con atención lo que le diste.

Pasa lo mismo con los rostros en la fusión: si el rostro de origen es pequeño, está borroso o medio de perfil, ninguna redacción lo salva. Cambia la entrada por una más limpia y el "problema de prompt" suele desaparecer.