Modelo de difusión

El entrenamiento avanza a la inversa de la destrucción. Se toma una gran colección de imágenes, se añade un poco de ruido a cada una, luego más, hasta que solo queda una neblina. Una red neuronal aprende entonces a mirar una imagen con ruido y a predecir el ruido que se le añadió, para cada nivel de degradación. Cuando lo consigue de forma fiable, puede funcionar en sentido contrario: partir de ruido puro y limpiarlo, paso tras paso, hasta obtener una imagen que no existía.

Tu texto orienta esa limpieza. Un codificador de texto convierte la descripción en números, y en cada paso la red se ve empujada hacia imágenes que encajen con esos números. Un ajuste llamado guía decide con cuánto rigor te sigue. Muchos modelos trabajan en un espacio comprimido en lugar de sobre píxeles a tamaño completo, lo que abarata cada paso. Los muestreadores, con nombres como Euler o DPM, cambian velocidad por suavidad. El número de pasos cambia tiempo por detalle, y algunos modelos están destilados para dar un buen resultado en muy pocos pasos, de ahí que existan generadores muy rápidos.

De esto se derivan dos consecuencias prácticas. La primera: el ruido inicial lo fija una semilla; la misma descripción, los mismos ajustes y la misma semilla devuelven la misma imagen, y una semilla nueva da una variante. La segunda: el modelo dibuja lo que ha aprendido a considerar plausible, no lo que es verdad; las letras, las manos y las escenas cargadas pueden salir mal, y la redacción importa. Resultados típicos: ilustraciones, maquetas de producto, dibujos conceptuales, texturas y storyboards. Un modelo de difusión es una herramienta distinta de un modelo de lenguaje, que escribe texto token a token, aunque una aplicación suela combinar ambos.

Z-Image Turbo es el modelo de texto a imagen que NeverNo pone por defecto en su Studio. Es un modelo abierto de Tongyi, incluido en todos los planes, también el gratuito, y una imagen corriente de un megapíxel tarda unos 3 segundos, medidos en Runware, nuestro proveedor de imágenes. Como la espera es tan corta, pedir varias variantes y cambiar una palabra se vuelve una forma natural de trabajar. Lo sirve el proveedor de imágenes propio de NeverNo, sin la moderación de un laboratorio externo entre tú y la imagen, y las imágenes creadas permanecen cifradas en tu navegador.

En el Studio escribes una descripción de 1 500 caracteres como máximo, eliges uno de los quince estilos predefinidos y uno de los ocho formatos, y pides hasta cuatro variantes por solicitud. La página del generador de imágenes describe el enfoque: sin rechazos arbitrarios y sin marca de agua. Los límites absolutos de NeverNo se aplican igualmente y se comprueban antes de dibujar nada: nada que implique a menores, y ninguna imagen de personas reales identificables sin su consentimiento.