Gemini, el modelo de IA de Google, acaba de dar un gran salto que promete redefinir la forma en que editamos imágenes desde nuestros dispositivos. Gracias al trabajo de la división de IA de la compañía (DeepMind) y a la integración de un modelo de edición de imágenes considerado de los más avanzados del mundo (Nano Banana), ahora es posible modificar fotografías con gran realismo, conservando la esencia de los protagonistas mientras experimentas con los escenarios, estilos y objetos de manera casi ilimitada.

Lo más llamativo es que estas funciones están disponibles de forma gratuita para todos los usuarios de la app, sin necesidad de contar con una suscripción de pago, aunque con límites diarios en la cantidad de imágenes que pueden generarse

De las ediciones básicas a la manipulación avanzada

Hasta hace poco, las herramientas de edición de imágenes con IA estaban centradas en la generación desde cero o en realizar modificaciones relativamente simples: borrar elementos, cambiar fondos o aplicar filtros. Con la nueva versión de Gemini, la diferencia está en el nivel de detalle y coherencia visual que consigue. Así, por ejemplo:

• Puedes tomar una foto en la Torre Eiffel de día y pedirle que la transforme en una escena nocturna.
• Si quieres añadir un personaje ficticio como Superman a una foto grupal, lo hará sin alterar el aspecto de las demás personas que aparecen en la misma.
• Incluso es capaz de adaptar prendas reales: basta con subir una foto de unas gafas de sol y Gemini las ajustará al rostro de alguien como si hubieran estado ahí desde un primer momento.

Ediciones que mantienen la identidad

Uno de los mayores desafíos de la edición con IA es que, al modificar una foto, los protagonistas pierdan su identidad: un rostro similar, pero ligeramente distinto, ya no "es" la misma persona. Aquí entra la innovación clave: Gemini respeta los rasgos originales y garantiza consistencia entre múltiples ediciones.

Así, si pruebas un peinado sesentero, cambias el fondo a una calle de Tokio iluminada con neones, o incluso vistes a tu perro con un tutú, la IA mantendrá intacta la esencia de las personas y mascotas.

En Genbeta

Esta empresa se ha propuesto acabar con el gran problema de las imágenes creadas con IA: ese "no sé qué" que las hace falsas

Funciones destacadas

La actualización no solo potencia el realismo, sino que abre un abanico de posibilidades creativas:

• Cambio de escenario y vestimenta: prueba distintos atuendos, profesiones o décadas sin alterar tu identidad.
• Mezcla de fotos: combina imágenes, como unir a una persona con su mascota en un retrato en una cancha de baloncesto.
• Edición por pasos: transforma una habitación vacía en un salón decorado, aplicando cambios de manera progresiva.
• Transferencia de estilo: aplica los colores o texturas de una imagen (como pétalos de flores) a otra (por ejemplo, unas botas o un vestido).
• Transformaciones radicales: convierte una foto casual en un retrato artístico o en una escena cinematográfica.

Además, todas las imágenes editadas incluyen dos tipos de marcas de agua: una visible, para indicar claramente su origen, y otra invisible (SynthID), que asegura la trazabilidad de las imágenes creadas por IA y evita confusiones.

Un paso hacia la democratización de la creatividad digital

Con esta actualización, Gemini se posiciona como mucho más que un generador de textos o un asistente de productividad, y da el salto a la categoría de herramienta creativa integral. La facilidad de uso —subir una foto, describir lo que se quiere y obtener el resultado en segundos— democratiza el acceso a ediciones que antes requerían habilidades profesionales en Photoshop u otros programas complejos.

Imagen | Marcos Merino mediante IA

En Genbeta | Esta web para escalar imágenes pequeñas con IA se ha convertido en esencial para mí: es fácil, gratis y no hay ni marcas de agua

Cuando se lanzaron DALL-E 2 y MidJourney, muchos ya nos quedamos con la boca abierta. Y, sin embargo, desde hace unos meses la generación de imágenes mediante IA ha alcanzado una calidad técnica asombrosa: manos coherentes, objetos bien proporcionados, inserción de tipografía precisas... Sin embargo, junto a todos estos logros (o, quizá, a causa de ellos) ha aparecido también un fenómeno incómodo y omnipresente: el "aspecto de IA".

Este estilo característico —piel cerosa, fondos borrosos con exceso de efecto bokeh, colores brillantes, pero poco naturales y composiciones planas— es lo bastante reconocible como para delatar que una imagen fue creada por una IA. El resultado es que, aunque las imágenes sean técnicamente correctas, carecen de la autenticidad y diversidad estética que buscamos en el arte o la fotografía real.

¿Qué provoca el "aspecto IA"?

No se trata de un simple capricho visual: es una consecuencia directa de cómo se entrenan y evalúan los modelos de imágenes. Básicamente, los sistemas están aprendiendo a generar imágenes correctas, no atractivas. Y eso deja una huella muy reconocible. Podemos resumir sus causas principales en cuatro puntos:

1. Excesiva obsesión con lo medible

Los investigadores se han centrado en resolver problemas que se pueden comprobar fácilmente:

• Que las manos tengan 5 dedos.
• Que el texto en la imagen sea legible.
• Que aparezca justo lo que se pidió en el prompt, en el lugar y cantidad correctos.

Para esto usan métricas muy técnicas como FID o CLIP Score, que valoran la precisión, pero no tienen en cuenta si la imagen se percibe como real o no. Así, aunque la foto sea "correcta", puede que tenga cierto brillo raro o una composición excesivamente rígida.

Ejemplos de 'Aspecto IA' proporcionados por los desarrolladores de Flux

2. Filtros estéticos que imponen un mismo estilo

Para separar las buenas imágenes de las malas durante el entrenamiento, los modelos usan 'evaluadores' automáticos como LAION-Aesthetics o Pickscore. El problema es que estos evaluadores tienen sus propios gustos, y casi siempre prefieren:

• Retratos de mujeres jóvenes.
• Fondos bastante borrosos (el ya citado abuso del efecto 'bokeh').
• Pieles perfectamente suaves, carentes de imperfecciones.
• Escenas muy iluminadas y brillantes.

¿El resultado? Acaban entrenando a la IA para que repita siempre ese mismo tipo de imagen, aunque el usuario quiera algo diferente.

3. Mezclar estilos hasta hacer un puré

En la fase de ajuste fino, se usan opiniones humanas para guiar al modelo. Pero si esas opiniones vienen de gente con gustos muy diferentes (por ejemplo, amantes de la fotografía de moda y fans de los dibujos minimalistas), el modelo termina creando un estilo promedio (mediocre) que no emociona a nadie: es como pedirle a un grupo grande que diseñe una portada y que todos tengan que estar de acuerdo: el resultado suele ser correcto… pero soso.

4. Parchear el problema no siempre funciona

Algunos usuarios avanzados intentan huir del 'aspecto IA' con prompts larguísimos y muy detallados, o entrenando modelos pequeños para estilos concretos (LoRAs). Y esto funciona, sí… pero exige tiempo y conocimientos que la mayoría de gente no tiene. Así que la gran mayoría se queda con el estilo por defecto que trae el modelo, y ahí vuelve a aparecer el temido 'aspecto IA'.

El enfoque de FLUX.1-Krea: llegan los modelos "opinados"

Krea y Black Forest Labs (la compañía creadora de FLUX) decidieron enfrentarse al aspecto de marras con una idea sencilla y clara: no intentar gustar a todo el mundo. En vez de buscar un estilo genérico que sirva para cualquier cosa, crearon un modelo con un gusto estético muy definido, lo que ellos llaman un "modelo opinado".

Es como si en vez de pedirle a un chef que cocine "algo que guste a todos", le pides que cocine su plato estrella: puede que no sea para todos los paladares, pero a quien le guste, le encantará.

El plan de Krea tiene tres pasos clave:

1. Preentrenar para aprender de todo

Aquí aprende diferentes estilos (fotografía, pintura, ilustración…), diferentes tipos de elementos (objetos, paisajes, personas, animales), e incluso ejemplos de "malas imágenes" (borrosas, deformadas, etc.). ¿Por qué enseñarle esto último? Porque así, luego, cuando le digas "evita fondos borrosos" o "no hagas piel de plástico", sabrá exactamente de qué hablas.

En Xataka

Resolviendo el talón de Aquiles de las inteligencias artificiales: por qué no saben dibujar manos humanas

2. Postentrenar para afinar el gusto

Aquí empieza el "entrenamiento con personalidad". Hay dos fases:

• Supervised Finetuning (SFT): Se le dan solo imágenes de altísima calidad que encajan con el estilo que busca Krea. Muchas son fotos reales, otras son imágenes generadas por versiones anteriores del modelo. Es como decirle: "Esto es lo que queremos, fíjate bien en cada detalle".
• RLHF (Reinforcement Learning from Human Feedback): Personas expertas revisan pares de imágenes y eligen cuál encaja mejor con la estética buscada. El modelo se va ajustando en función de esas elecciones, como si un profesor corrigiera su trabajo una y otra vez hasta que pille el estilo.

Foto real / Imagen generada por ChatGPT / Imagen generada por FLUX-Krea (por Drew Breunig)

3. Apostar por un estilo claro y no mezclarlo con otros

Aquí está la clave: Krea no mezcla mil gustos diferentes en el mismo entrenamiento. Si lo hiciera, el resultado sería un estilo aguado, sin fuerza. En vez de eso, se centra en un tipo de estética muy definida, casi como si fuera la "firma" de un fotógrafo.

Esto tiene una ventaja enorme: incluso con prompts cortos o genéricos, el modelo ya produce imágenes con ese toque especial, sin necesidad de trucos, comandos complicados o retoques posteriores.

En resumen, el truco del modelo FLUX.1-Krea es entrenar con todo para aprender bien, pero afinar con un gusto concreto para evitar el "aspecto IA" y dar a las imágenes carácter propio. El resultado es un modelo que genera imágenes que se 'sienten' menos prediseñadas.

Comparando con GPT-4.1

En pruebas comparativas, GPT-4.1 y FLUX.1-Krea recibieron las mismas descripciones detalladas. Los resultados fueron reveladores:

• GPT-4.1 producía imágenes “correctas” pero con el brillo, suavidad y bokeh del "aspecto IA".
• FLUX.1-Krea, en cambio, generaba retratos más naturales, escenas urbanas más creíbles y composiciones con sensación de instantánea real.

Así, la tendencia que ejemplifica Krea apunta hacia una era de modelos de IA opinados: sistemas entrenados con una estética o identidad concreta, ya sea para un estudio de animación, una marca de moda o un fotógrafo.

Esto no solo aumentará la calidad visual, sino que devolverá a la IA generativa algo que había perdido: la diversidad creativa. Tal y como se prevé en el ámbito del texto y los chatbots, la especialización y la personalización serán claves para mejorar tareas cualitativas.

Vía | dbreunig.com

Imagen | Marcos Merino mediante IA

En Genbeta  | "Es un montón de basura": el 'padrino de la IA' habla claro sobre una técnica que están usando OpenAI y otras grandes del sector

Durante años, Photoshop ha sido la herramienta de referencia para la edición fotográfica profesional y semiprofesional, sobre todo a la hora de emprender tareas como la eliminación de elementos no deseados en una imagen. Sin embargo, con el auge de la inteligencia artificial (IA), ya integrada directamente en aplicaciones más accesibles, el panorama está cambiando.

Uno de los casos más sorprendentes es el del nuevo borrador con IA generativa integrado en la app Fotos de Windows 11. Lo he probado y me atrevo a decir que ya no necesitamos Photoshop para eliminar, con apenas unos clic, objetos e imperfecciones de nuestras imágenes.

¿Qué es el borrador con IA generativa?

Se trata de una nueva función disponible en la app Fotos de Windows 11 (concretamente desde su modo integrado de edición) desde qu se actualizó a principios de año. Inspirado por herramientas similares como el "Relleno Generativo" de Photoshop o el "Magic Eraser" de Google, este borrador permite eliminar objetos, personas o imperfecciones de una imagen y rellenar automáticamente el hueco con contenido visual coherente.

La diferencia con respecto a ediciones anteriores es que ahora no se trata de una mera clonación de píxeles, sino de una reconstrucción inteligente del fondo, texturas y patrones. Además, ahora la alteración se ejecuta localmente en el dispositivo, de modo que nuestras fotos no salen de nuestro equipo y se garantiza la privacidad de los datos.

En Genbeta

Los nueve mejores editores de fotografía con inteligencia artificial online y gratis que puedes usar

Cómo funciona: una experiencia directa

La herramienta es extremadamente fácil de usar, lo cual ya supone una ventaja frente a Photoshop, cuya curva de aprendizaje puede ser intimidante. Basta con abrir una imagen en la app Fotos de Windows 11, hacer clic en el icono de edición y seleccionar el nuevo botón de "Borrador generativo". A partir de ahí, el proceso es tan sencillo como pintar sobre el objeto que se quiere eliminar.

Al realizarse en el propio equipo y basarse en IA generativa, la rapidez de este proceso de edición dependerá de la potencia gráfica de tu equipo, aunque está bastante optimizado, eso sí.

Ha habido un cambio en Matrix.

¿Qué implica esto para el usuario de a pie que requiere retoques sencillo?

Para quienes editan fotos ocasionalmente —ya sea para redes sociales, presentaciones, álbumes familiares o trabajos escolares— el nuevo borrador de Fotos puede ser más que suficiente. Además, no requiere instalar software adicional ni pagar licencias (aunque sí contar con una cuenta de Microsoft).

En cambio, Photoshop sigue siendo imbatible cuando se trate de casi cualquier otra cosa más compleja.

¿Es perfecta esta herramienta?

Nótese que, en este caso, seleccionamos únicamente a la mujer que está en primer plano, pero excluimos al hombre que está detrás de ella

Ha habido un 'bug' en Matrix.

El mismo experimento, realizado desde un smartphone de Samsung

No; como toda herramienta basada en IA, dista aún mucho de ser infalible. Algunas de las limitaciones observadas durante las pruebas son:

• En caso de querer borrar sólo un objeto cuando éste limita con otros, o cuando se dan fondos muy complejos o con patrones geométricos, el relleno puede parecer artificial.
• A veces es necesario repetir el borrado para obtener un resultado más natural.

Aun así, estos detalles apenas empañan la experiencia general, especialmente considerando que se trata de una función gratuita y accesible.

Imagen | Marcos Merino mediante IA

En Genbeta | En esta web puedes eliminar el fondo de cualquier imagen en un click y gratis

Si Canva ya es vista como la plataforma que ha democratizado el diseño gráfico, pero con su nuevo anuncio está dando un paso de gigante en esa dirección: acaban de presentar Visual Suite 2.0, una actualización que promete redefinir cómo trabajamos con contenido visual, y consolidar a Canva como el "sistema operativo creativo" por excelencia, integrando herramientas de diseño, datos e IA en un mismo entorno.

Un ecosistema creativo unificado

Con más de 230 millones de usuarios activos mensuales, más de 3.000 millones de dólares al año en ingresos y presencia en el 95 % de las empresas Fortune 500, Canva ya es una herramienta esencial en sectores como la educación y los negocios. Ahora, con Visual Suite 2.0, la plataforma amplía su alcance al permitir que todos los formatos de diseño —presentaciones, documentos, sitios web, productos impresos, vídeos...— coexistan sin necesidad de andar cambiando entre aplicaciones.

Esta integración permite a los usuarios emprender tareas como la creación de campañas de marketing completas, la colaboración en tiempo real, la gestión de redes sociales o la creación de sitios web personalizados pretende revolucionar la productividad visual.

Las nuevas herramientas basadas en IA

Editor de fotos con IA

"Ahora, hacer cambios profesionales con IA es pan comido". El nuevo editor nos permitirá, con sólo un clic, modificar elementos con precisión, generar fondos que tienen en cuenta la iluminación y la composición, o una sencilla eliminación o sustitución de objetos.

Canva AI

Uno de los pilares de esta actualización es Canva AI, un chatbot que permite a cualquier usuario generar un diseño, imagen, documento o incluso código con sólo escribir una idea. Esta herramienta no solo genera el contenido, sino que lo hace editable y adaptable para ajustarse a necesidades específicas.

Canva Sheets

Otra de las novedades destacadas es Canva Sheets, una herramienta de hojas de cálculo que convierte el trabajo con datos en una experiencia más visual e intuitiva (y vitaminada gracias a la IA), permitiendo:

• Generar tablas automáticamente con Magic Write.
• Interpretar datos mediante Magic Insights.
• Utilizar fórmulas inteligentes a través de Magic Formulas, que eliminan la complejidad de fórmulas tradicionales como VLOOKUP.

Además, esta herramienta se integra perfectamente con otros formatos de diseño, permitiendo insertar visualizaciones y gráficos dinámicos en presentaciones, documentos o sitios web.

En Genbeta

Canva quiere ser el nuevo Adobe, y acaba de comprar al mejor rival de Photoshop. Sus usuarios están preocupados

Estudio Mágico a gran escala

Con Visual Suite 2.0, ahora existe la posibilidad de crear contenido a gran escala en unos pocos clics, ideal para campañas de marketing que requieren múltiples versiones, adaptaciones por idioma o por canal de distribución. La integración entre Canva Sheets y Magic Studio resulta clave para esto.

Gráficos Mágicos

Gracias a su integración con Flourish, Canva introduce Magic Charts, una herramienta que permite conectar datos en tiempo real desde plataformas como Google Analytics o Salesforce, y crear gráficos interactivos con un solo clic. Esto facilita la toma de decisiones basada en datos mediante representaciones visuales claras y atractivas.

Canva Programación

En un esfuerzo por democratizar el desarrollo web, Canva lanza esta herramienta que convierte simples indicaciones en widgets interactivos como cuestionarios, mapas o calculadoras. Con solo describir lo que se quiere crear, el sistema genera automáticamente el código y lo inserta en un diseño editable.

Según la compañía, esta función ha sido probada con éxito incluso por niños en edad escolar, lo que demuestra su simplicidad de cara a los usuarios sin conocimientos técnicos.

Un nuevo jugador

Deberemos esperar para saber si los usuarios profesionales abandonan sus antiguas herramientas 'de nicho' para apostar por esta navaja suiza del diseño gráfico (y, a estas alturas, también de la ofimática). Adobe y Microsoft están a la espera de la respuesta.

Imágenes | Canva

En Xataka | Canva, de democratizador del diseño a gigante tecnológico: "Nos impulsa la comunidad, no la competencia" 

OpenAI acaba de anunciar la integración de la funcionalidad de generación de imágenes directamente en ChatGPT a partir de hoy: los usuarios que recurran al modelo multimodal GPT-4o podrán generar imágenes dentro del mismo, en lugar de (como venía ocurriendo hasta ahora) utilizar ChatGPT como mero intermediario del modelo especializado DALL-E 3.

El cambio está disponible para todos los usuarios de ChatGPT (en los planes Plus, Pro, Team y gratuito), así como en la plataforma de vídeo Sora, y próximamente vía API para desarrolladores.

¿Qué es GPT-4o y qué lo hace diferente?

Lanzado inicialmente en mayo de 2024, GPT-4o es un modelo "omnimodal" —capaz de procesar y generar texto, imágenes, audio y vídeo— entrenado para entender e interrelacionar múltiples formatos de información... sin embargo, su capacidad para generar imágenes no se encontraba habilitada para el público general.

¿Qué ha cambiado al dejar atrás DALL·E 3?

Anteriormente, ChatGPT utilizaba DALL·E 3 como generador de imágenes, un modelo de difusión que reconstruía imágenes eliminando ruido desde los píxeles. GPT-4o rompe con esta técnica y adopta un enfoque autorregresivo, generando imágenes de forma secuencial (de izquierda a derecha y de arriba a abajo), lo cual permite una mayor coherencia y precisión, especialmente al integrar texto o múltiples objetos en una escena.

En Genbeta

Sora nos acerca más a la 'IA general'... pero no por generar vídeos, sino por simular mundos

Entonces... ¿DALL·E ha muerto? - Aunque GPT-4o reemplaza ahora a DALL·E como generador de imágenes predeterminado en ChatGPT, los usuarios nostálgicos aún podrán seguir accediendo a DALL·E 3 a través de un GPT personalizado.

Capacidades clave de la generación de imágenes con GPT-4o

Renderizado preciso de texto (adiós a uno de los grandes problemas de la IA generativa de imágenes)

OpenAI

Una de las mejoras más aclamadas es la capacidad del modelo para incrustar texto legible y correctamente posicionado dentro de imágenes. Esto permite crear carteles, menús, infografías o invitaciones con calidad profesional. Funciona a la perfección en ejemplos como el superior, y muestra hasta qué punto la evolución de los modelos pone solución a sus grandes problemas: primero eran manos poco humanas que más o menos se han ido arreglando, pero los textos deformes e ininteligibles seguían presentes en muchas imágenes generadas por IA. No en las de GPT-4o.

Comprensión contextual y refinamiento conversacional

OpenAI

Como parte nativa de ChatGPT, GPT-4o puede generar imágenes basadas en el historial de conversación, ajustar detalles bajo pedido y mantener coherencia visual en múltiples iteraciones. Por ejemplo, un personaje de videojuego puede conservar su estilo visual a lo largo de diferentes versiones.

Mayor capacidad de manejo de objetos

OpenAI

Mientras que otros modelos se limitan a representar con precisión entre 5 y 8 objetos, GPT-4o puede manejar entre 10 y 20 elementos distintos con atributos complejos (colores, formas, posiciones), gracias a una mejora significativa en el "binding" o asociación de características.

Adaptación de estilo y realismo fotográfico

OpenAI

OpenAI

El modelo puede generar imágenes en una gran variedad de estilos: desde bocetos a mano hasta fotografías hiperrealistas. Incluso es capaz de transformar imágenes subidas por el usuario para adaptarlas a un nuevo estilo o contexto.

Aplicaciones prácticas

La nueva funcionalidad de GPT-4o no se limita al arte por arte. Su verdadero poder radica en sus aplicaciones prácticas:

• Diseño gráfico y branding: creación de logotipos, banners y anuncios personalizados.
• Educación: diagramas científicos, ilustraciones históricas y material didáctico visual.
• Desarrollo de videojuegos: iteración visual coherente de personajes y escenarios.
• Marketing digital: contenido para redes sociales, presentaciones y promociones.

Además, es posible personalizar las imágenes indicando proporciones, esquemas de color (incluso con códigos hexadecimales), fondos transparentes y mucho más.

Correlación 'prompt' / imagen resultante // OpenAI

Limitaciones actuales

A pesar de sus avances, el sistema no es perfecto. Algunas de las limitaciones observadas por ahora incluyen:

• Recortes no deseados en imágenes verticales largas (como pósteres).
• Problemas con caracteres no latinos.
• Texto muy pequeño que puede volverse ilegible.
• Dificultad para editar partes específicas sin afectar otras.

OpenAI afirma estar trabajando activamente para superar estos problemas en futuras actualizaciones.

Medidas de seguridad y ética

GPT-4o incorpora varias medidas de seguridad para prevenir el uso indebido de la generación de imágenes:

• Metadatos C2PA: todas las imágenes generadas incluyen etiquetas que certifican su origen en IA.
• Moderación de contenido: bloqueo automático de solicitudes que impliquen violencia, pornografía, deepfakes, o contenido nocivo.

OpenAI ha optado por una política más permisiva en cuanto a la representación de figuras públicas adultas, siempre que no se viole ninguna política de contenido. Los personajes públicos que lo deseen pueden solicitar que no se genere su imagen, lo que abre un espacio para usos positivos como la educación, la sátira o contenido histórico.

Imagen | Montaje por Marcos Merino a partir de imágenes de OpenAI mediante IA

En Genbeta | Esta IA de Google genera imágenes sin que tengamos que definirlas en texto: Whisk ya está disponible en más de 100 países 

En 2025, la generación de imágenes mediante IA ha dejado de ser un concepto novedoso... pero la tecnología sigue avanzando a pasos agigantados. Y Google ha sabido convertirse en protagonista de uno (o varios) de estos pasos con el lanzamiento de Gemini Flash 2.0, una herramienta que cambia las reglas del juego en lo que respecta a la edición de imágenes.

A pesar de que existen otros productos en el mercado que ya ofrecen resultados impresionantes (MidJourney, Flux, etc.), lo que distingue a Gemini Flash 2.0 es su versatilidad, mucho más allá de la mera generación.

La revolución de la multimodalidad

Y es que, en un panorama donde la mayoría de las herramientas de generación de imágenes están centradas en la creación de las mismas desde cero a partir de un texto (o 'prompt'), el modelo Gemini Flash 2.0 de Google constituye un hito al ofrecer una función multimodal de forma nativa.

¿Qué significa esto? Que este sistema no solo puede generar imágenes a partir de descripciones textuales, sino que también es capaz de recibir imágenes externas como entrada para luego editarlas o combinarlas, lo que añade una capa de complejidad y creatividad sin precedentes.

Si bien OpenAI presentó un 'paper académico' con un concepto similar como función de GPT-4o, nunca habilitó el acceso público a la misma (teniéndonos que contentar con el, en comparación, limitadísimo uso del 'pincel' de DALL-E 3).

En Xataka

14 alternativas gratis a Midjourney para crear tus imágenes con inteligencia artificial

Esto ha dejado un espacio que Google ha sabido aprovechar con Gemini Flash 2.0, que se convierte así en un 'Photoshop inteligente' capaz de realizar modificaciones a nivel profesional sin necesidad de software complejo.

Ya puedes probarlo

Una de las características que hacen de Gemini Flash 2.0 una herramienta aún más atractiva es su accesibilidad. Google ha puesto a disposición del público la plataforma Google AI Studio, donde cualquier persona puede experimentar ya con esta tecnología de manera gratuita. Solo es necesario seleccionar la versión experimental con generación de imágenes del modelo 'Gemini 2.0 Flash' en la interfaz y comenzar a probar sus funcionalidades.

Gemini Flash 2.0 destaca a la hora de permitir que los usuarios ajusten elementos concretos de una imagen sin alterar el resto (fondo, iluminación, objetos presentes en una escena...) todo a través de comandos textuales. Y las ediciones no se limitan a ajustes superficiales: esta IA nos permite modificar elementos más detallados, como la proporción de un objeto o la posición de los elementos dentro de una composición.

Usos profesionales. En el mundo del diseño y la creatividad, esta herramienta puede transformar el proceso de prototipado. Por ejemplo, un diseñador puede cargar una imagen de una habitación y experimentar con diferentes configuraciones de muebles, colores y decoraciones sin necesidad de usar software pesado o pasar por largos procesos de edición.

Limitaciones técnicas. En algunos casos, el resultado no es tan preciso como cabría esperar, mostrando la imagen resultante algunas distorsiones. No obstante, tal limitación es comprensible si se tiene en cuenta que Gemini Flash 2.0 es una versión ligera del modelo, diseñada para ofrecer resultados rápidos (es de esperar el lanzamiento futuro una versión más robusta, Gemini 2.0 Pro).

La polémica eliminación de marcas de agua

Está siendo también muy comentado un uso inesperado de esta IA en el que se ha revelado extraordinariamente competente: la eliminación de marcas de agua, como evidencia esta hilo de Reddit. Herramientas como Watermark Remover.io ya permiten eliminar marcas de agua de imágenes de empresas como Shutterstock, pero la capacidad avanzada de Gemini 2.0 Flash parece superar a las opciones previas.

Sin embargo, esto podría tener consecuencias legales: plataformas de pago como Getty Images se han basado en el uso de las marcas de agua como medio para proteger el copyright de sus activos digitales, y la capacidad de Gemini 2.0 Flash de eliminarlas podría obligar a estas empresas a replantear sus estrategias de seguridad.

Hasta el momento, Google no ha dado una respuesta clara sobre si implementará restricciones más estrictas en Gemini 2.0 Flash en materias como esta o en el de la generación de imágenes de figuras públicas. No es que dichos controles no existan (la IA en algunos casos se niega a cumplir con la solicitud del usuario de suprimir la marca de agua), pero sí es cierto que no parecen ser demasiado robustos.

Imágenes | Leonardo Da Vinci & Marcos Merino mediante IA

En Genbeta | Grok, la IA de X, casi no tiene límite: genera casi cualquier imagen que quieras. Esto tiene un grave problema detrás

Tras siete años de desarrollo, la esperada versión 3.0 de GIMP (siglas de 'GNU Image Manipulation Program') ya está disponible para descarga. Así, ya podemos constatar que el software de edición de imágenes de código abierto más popular del mercado ha experimentado una relevante renovación, no sólo en su interfaz, sino también incorporando algunas nuevas funciones largo tiempo demandadas.

GIMP ha sido durante mucho tiempo una alternativa de código abierto a editores de pago como Adobe Photoshop, y con esta actualización refuerza su posición como una de las opciones más potentes para artistas, fotógrafos y diseñadores.

Edición no destructiva: un cambio crucial

Una de las mejoras más esperadas de GIMP 3.0 es la incorporación de filtros no destructivos, una funcionalidad que cambia radicalmente el flujo de trabajo en la edición de imágenes, y pone a GIMP a la altura de programas de edición profesional como Photoshop y Affinity Photo. Pero, ¿qué son exactamente estos filtros y por qué son tan importantes?

En versiones anteriores de GIMP (hasta la 2.10), aplicar un filtro significaba que los cambios se realizaban directamente sobre la capa en la que se trabajaba. Esto se conoce como edición destructiva, ya que una vez aplicado el filtro, la imagen se modificaba permanentemente, y si el usuario quería hacer ajustes posteriormente, debía deshacer varias acciones e incluso volver a aplicar el filtro desde cero.

Con los filtros no destructivos, los efectos aplicados a una imagen no alteran los píxeles originales de manera permanente. En su lugar, los filtros se aplican como capas de efectos, permitiendo que el usuario pueda:

1. Activar o desactivar un filtro en cualquier momento. Antes, una vez aplicado un desenfoque, por ejemplo, no había vuelta atrás sin deshacer pasos. Ahora, simplemente puedes encender o apagar el filtro según lo necesites.
2. Modificar los parámetros de un filtro sin perder calidad. Si aplicaste un ajuste de brillo y contraste, pero luego necesitas cambiar los valores, puedes hacerlo sin necesidad de volver a procesar la imagen desde cero.
3. Eliminar un filtro sin afectar otros cambios. En versiones previas de GIMP, si querías deshacer un filtro sin tocar otras modificaciones, era un problema. Ahora, puedes quitar un solo filtro sin perder el resto de los ajustes hechos en la imagen.
4. Guardar y compartir archivos con filtros editables. Los filtros no destructivos se almacenan dentro del archivo de proyecto en formato XCF, lo que significa que si envías un archivo a otra persona con la misma versión de GIMP, podrá ver y modificar los efectos aplicados.

En Genbeta

Photoshop dejará de mostrar miles de colores a no ser que pagues (más): si no pagas, solo verás negro

Mejoras notables en la gestión de capas

Uno de los aspectos que ha recibido mejoras significativas en GIMP 3.0 es la gestión de capas, un elemento central en cualquier software de edición de imágenes. Estas mejoras permiten a los usuarios trabajar con mayor comodidad y eficiencia:

• Introducción de 'layer sets': Hasta la versión 2.10 de GIMP, las capas podían organizarse en grupos de capas, pero con una funcionalidad algo limitada. Ahora, con la introducción de esta nueva funcionalidad, los usuarios pueden organizar y gestionar capas de una forma más avanzada, agrupándolas en conjuntos, de forma similar como funciona en Photoshop.
• Selección múltiple de capas, canales y rutas: En versiones anteriores de GIMP, si un usuario necesitaba mover, escalar o transformar varias capas, debía hacerlo una por una, lo que era un proceso tedioso. GIMP 3.0 introduce la selección múltiple de capas, una funcionalidad que ahorra tiempo y facilita el manejo de proyectos grandes.
• Expansión automática de capas en el lienzo: Una característica innovadora en GIMP 3.0 es la capacidad de expandir automáticamente los límites de una capa cuando se dibuja fuera de sus bordes. Esto es especialmente útil en ilustración digital y pintura digital, donde los artistas suelen modificar su lienzo a medida que avanzan en su obra.
• Mejoras en la alineación y ajuste de capas: El sistema de alineación y ajuste de capas ha sido renovado para mayor precisión y rapidez en GIMP 3.0. Las guías y reglas ahora se integran mejor con las capas, mostrando alineaciones sugeridas para objetos cercanos. Y los a ajustes de alineación pueden aplicarse a múltiples capas seleccionadas a la vez.

Avances en gestión del color y compatibilidad con formatos modernos

GIMP 3.0 amplía sus capacidades en gestión del color, un aspecto esencial para profesionales de la imagen. Ahora admite una mayor variedad de perfiles RGB, incluyendo AdobeRGB, y sienta las bases para el soporte completo de CMYK y LAB, dos modelos de color ampliamente utilizados en impresión y diseño.

El programa también ha mejorado la funcionalidad de soft-proofing, permitiendo a los usuarios previsualizar cómo se verán sus imágenes en distintos dispositivos y medios impresos, gracias a la integración con la biblioteca de color babl.

En cuanto a los formatos de archivo, GIMP 3.0 amplía su compatibilidad con una serie de nuevos estándares:

• Soporte para JPEG-XL y DDS con compresión BC7.
• Compatibilidad con archivos PSD en 16 bits por canal en modo LAB.
• Importación y exportación de imágenes en formatos ICNS (macOS) y CUR/ANI (Windows).
• Compatibilidad con el formato QOI, un nuevo estándar de compresión de imágenes.

Renovación total con GTK3 y una interfaz más intuitiva

Otro de los cambios a destacar en GIMP 3.0 es la migración de su interfaz a la biblioteca multiplataforma GTK3, una actualización que mejora el rendimiento, la estabilidad y la experiencia de usuario. Este cambio trae consigo varias mejoras clave:

• Mejor escalado en pantallas HiDPI: La interfaz ahora se adapta automáticamente a diferentes resoluciones de pantalla, haciendo que los iconos y herramientas sean más nítidos y accesibles.
• Mayor integración con tabletas gráficas: Se ha optimizado la compatibilidad con tabletas digitalizadoras, permitiendo una experiencia de dibujo más fluida.
• Nuevos temas y personalización: GIMP 3.0 introduce un sistema de temas basado en CSS, lo que facilita la personalización de la apariencia del programa.
• Compatibilidad con Wayland: En entornos basados en Unix, ya es totalmente compatible con el servidor gráfico Wayland, lo que mejora la estabilidad y seguridad en entornos Linux modernos.

Además, la interfaz de usuario se ha renovado con un nuevo cuadro de bienvenida, que permite a los usuarios configurar el entorno desde el primer momento, eligiendo iconos, colores y distribución de herramientas.

Disponibilidad de la nueva versión

GIMP 3.0 ya está disponible para su instalación en distintas plataformas. Los usuarios de Windows y macOS pueden obtener la nueva versión desde la página oficial de GIMP.

En Linux, se puede descargar como Flatpak desde Flathub, o en formato AppImage para ejecutar sin instalación. También está disponible como código fuente para quienes deseen compilarlo manualmente.

Imagen | GIMP.org + Marcos Merino mediante IA

En Genbeta | Llevo cinco años usando Photopea en vez de Photoshop y no creo que vuelva: estas son mis razones

La IA ha llegado para quedarse, incluso cuando hablamos del día más romántico del año. La generación de imágenes con IA se ha convertido en una herramienta ideal para crear felicitaciones personalizadas y totalmente originales para este 14 de febrero.

Servicios como ChatGPT (a través de su modelo DALL-E 3), X (a través de su modelo Grok 2) y modelos autoinstalables como Flux (disponible en muchas plataformas online) permiten diseñar postales digitales con un toque único y especial.

La inteligencia artificial como una nueva forma de felicitar en San Valentín

En vez de limitarnos a recurrir a una imagen genérica sacada de Internet o a reenviar algún clásico meme (frecuentemente pixelado) por WhatsApp, puedes invertir apenas un minuto en diseñar un prompt que genere una imagen personalizada mediante IA. Así podrás expresar de manera visual tu amor y creatividad.

Además, gracias a los avances en materia de introducción del texto dentro de las imágenes (hace sólo unos meses nos exponíamos a no obtener nada más que un galimatías), ahora es posible incluir mensajes románticos en el mismo momento de la generación de la imagen, sin tener que recurrir posteriormente a software de edición.

En Genbeta

Esta IA de Google genera imágenes sin que tengamos que definirlas en texto: Whisk ya está disponible en más de 100 países

El secreto para una felicitación impactante está en la precisión del prompt: cuanto más detallado sea, mejor se reflejará lo que tenías en mente en la imagen generada. Puedes incluir especificaciones sobre los elementos de la escena, como corazones, rosas, velas o incluso el estilo artístico que prefieras: realista, acuarela, caricatura, etc.

Algunas ideas de prompts que puedes probar para sorprender a tu pareja este San Valentín:

• Crea una imagen romántica para San Valentín con la frase 'Feliz Día de San Valentín', con un fondo de corazones y rosas rojas.
• Genera una ilustración con dos enamorados viendo un atardecer y el mensaje 'Te amo'.
• Crea una imagen con una escena de una cena romántica a la luz de las velas, con la frase 'Eres mi persona favorita'.
• Diseña una postal con un osito de peluche sosteniendo un corazón y el mensaje 'Feliz San Valentín, mi amor'.

Comparación entre diferentes IA para generar felicitaciones

Si decides probar diferentes herramientas de IA para generar tu imagen de San Valentín, notarás ciertas diferencias. ChatGPT, con la potencia de DALL-E, permite generar ilustraciones de gran calidad, pero todavía tiene dificultades para integrar texto de forma precisa. Aunque lo consigue, a veces presenta errores tipográficos o distorsiones en las letras.

Para muestra, un botón (generado con el primer prompt de la lista anterior):

Creado con ChatGPT

Por otro lado, la IA de X, Grok, ha mostrado mejores resultados en la incorporación de texto dentro de las imágenes, logrando una mejor fidelidad a la instrucción dada en el prompt. Sin embargo, la resolución de las imágenes suele ser menor que la de DALL-E.

Y a veces, pasa de tus instrucciones, como en este caso:

¿En qué momento te he pedido yo que aparezca una parejita dándose el lote? Espera, ¿ya se están casando? ¿No vas tú un poquito rápido, maldita IA?

Por el contrario, si tienes a mano un servicio con el que puedas usar Flux (como, por ejemplo, Mage.space), puedes solventar ambos problemas (texto y resolución) y obtener imágenes de gran calidad. El problema es que Flux no se lleva tan bien como las IAs anteriores con las descripciones en español y/o en estilo coloquial. Pero si usas también ChatGPT, puedes recurrir al siguiente truco:

1. Usa uno de los prompts de la lista anterior para generar una imagen en DALL-E (ChatGPT).
2. En la pantalla de edición, visualiza el prompt interno que ha usado ChatGPT para generar la imagen (que no es el mismo que has usado tú, sino uno derivado y más específico).
3. Copia ese texto (clic en el botón 'Copiar'), y úsalo para generar una imagen en tu plataforma favorita con Flux. El resultado será superior al de DALL-E con casi total seguridad (¿has visto la imagen que encabeza el artículo? Es la que hemos creado usando Flux, con el prompt en inglés de la imagen anterior)

Lo importante es que, con la ayuda del modelo de IA que tengas a tu disposición, puedes crear un detalle único y especial que sorprenderá a tu pareja en este día tan significativo.

Imágenes | Marcos Merino mediante IA

En Genbeta | Esta herramienta permite editar fotos con tan solo pedírselo a la IA: así funciona la nueva función de Playground AI

Posiblemente, te suene de algo la imagen que mostramos unos párrafos más abajo. Se trata de "Théâtre D’Opéra Spatial", una de las primeras imágenes generadas por inteligencia artificial que tuvo ocasión de popularizarse, hace ahora algo más de dos años, cuando ganó el primer premio en la categoría de "Artes Digitales / Fotografía Manipulada Digitalmente" de la Feria Estatal de Colorado, y se supo que había sido creada con el entonces recién lanzado MidJourney, detalle que el jurado del premio desconocía.

Lo que no sabíamos es que el autor de la imagen había iniciado entonces el proceso para inscribirla en el registro de obras con copyright de los EE. UU. Un intento que parecía, a priori, condenado al fracaso, teniendo en cuenta precedentes recientes en los que otras obras gráficas creadas con IA (de hecho, usando también MidJourney) terminaron siendo rechazadas por no contar con "autoría humana".

Sin ir más lejos, el rechazo de la novela gráfica "Zarya of the Dawn", de Kris Kashtanova, había iniciado ya una controversia sobre la ética del arte generado por IA.

'El argumento'

Sin embargo, el autor de "Théâtre D’Opéra Spatial" (o 'autor', dependiendo del criterio que elijamos seguir), Jason M. Allen, contaba con un as en la manga que estaba convencido de que inclinaría la balanza a su favor…

…tras el rechazo inicial, expuso en su alegación de que "ingresó numerosas revisiones y comandos de texto, al menos 624 veces" hasta dar con la versión deseada de la imagen, tras lo cual la editó también recurriendo a Adobe Photoshop.

Comparación

La Oficina de Derechos de Autor solicitó entonces a Allen que renunciara a las partes de la imagen generadas por Midjourney para poder optar a la protección de sus derechos de autor. Tras su negativa a hacerlo, se le denegó la solicitud…

…una decisión que hace un año respaldó la Junta de Revisión de Derechos de Autor, concluyendo que la imagen en su totalidad no era protegible debido a la "presencia significativa de contenido generado por IA".

En su apelación, Allen afirmó que "la Oficina está emitiendo un juicio de valor sobre la utilidad de varias herramientas" y que negar la protección de derechos de autor para el arte generado por IA resultaría en un "vacío de propiedad". Sin embargo, la oficina rechazó esta línea de razonamiento.

En Genbeta

El Registro de la Propiedad Intelectual español también le niega el copyright a obras creadas por IAs: así lo argumenta

"Va a crear más problemas de los que resuelve"

Allen declaró a la agencia Reuters que, en realidad, la decisión de la Oficina era esperada, pero que estaba seguro de que ganaría al final:

"Si esto se mantiene, va a crear más problemas de los que resuelve. Esto va a generar nuevos y creativos problemas para la Oficina de Derechos de Autor de maneras que ni siquiera podemos especular aún".

En distintos foros de referencia de Internet, como Hacker News, esta decisión desencadenó debates con toda clase de argumentos a favor y en contra. Entre los críticos con la decisión de la Oficina, están los que consideran que:

• El contenido generado por la IA, como el texto predeterminado, podría considerarse una cantidad 'de minimis' y, por lo tanto, no debería afectar al copyright de la obra en su conjunto.
• Que una introducción de información sustancial por parte del autor humano, como la creación de prompts o parámetros para la IA, debería hacer que la obra sea susceptible de derechos de autor.
• Existe una analogía entre las herramientas de IA y las herramientas para artistas permitidas hasta ahora, desde la pintura y los pinceles… hasta el propio Adobe Photoshop.

Pero, claro, existen otros supuestos más complejos sobre el rechazo a la IA que también generan dudas entre los usuarios:

• Si Adobe Photoshop se considera una herramienta de edición permitida de cara al registro de la obra… ¿qué hacer con las nuevas versiones de este software, que ya integran determinadas funciones basadas en IA junto con las de edición digital 'tradicional'?
• Si toda obra generada por cualquier IA es rechazable… ¿qué ocurre con el artista que genere obras en modelos de IA entrenados única y exclusivamente con sus propias obras previas?

Imagen | Montaje (Jason M. Allen mediante IA + Marcos Merino mediante IA)

En Genbeta | Una imagen hecha con inteligencia artificial gana un concurso de fotografía. Los jueces pensaron que era una playa de verdad

Aunque en ese momento pasó algo desapercibido para el público general, el pasado 1 de agosto de 2024 ocurrió algo importante en el campo de la IA: el anuncio oficial de la fundación Black Forest Labs, un nuevo laboratorio (europeo, para más señas) dedicado a la investigación y desarrollo de modelos de inteligencia artificial generativa, especialmente en la creación de medios visuales (imágenes y vídeos), gracias a la participación de expertos que anteriormente trabajaron en la creación de modelos como VQGAN, Latent Diffusion y Stable Diffusion.

Pero esta startup no se ha limitado a llegar al mercado y decir "Estamos aquí", sino que ya ha dejado claro que sus integrantes ya venían trabajando desde hacía tiempo en este desembarco y, de hecho, han lanzado una primera suite de modelos de generación de imágenes que ya está causando un gran impacto en la comunidad tecnológica...

... hablamos de FLUX.1, diseñada para establecer un nuevo estándar en la síntesis de imágenes a partir de texto. Esta suite de modelos incluye tres variantes diseñadas para satisfacer diferentes necesidades:

1. FLUX.1 [pro]: Es la versión más avanzada, ofreciendo el mejor rendimiento en generación de imágenes, con una adherencia precisa a los prompts, alta calidad visual, y diversidad en los resultados. Está disponible a través de API y en plataformas como Replicate, Freepik o fal.ai, pero no se ofrece como modelo de código abierto.
2. FLUX.1 [dev]: Destinado a usos no comerciales, este modelo es una versión destilada de FLUX.1 [pro], que mantiene una calidad y adherencia al prompt similar, pero con un menor coste computacional. Está disponible en HuggingFace para la comunidad investigadora y entusiastas de la IA.
3. FLUX.1 [schnell]: Enfocado en el desarrollo local y uso personal, este modelo es el más rápido de los tres y está disponible bajo una licencia Apache 2.0, lo que permite su uso comercial sin restricciones.

En Genbeta

Así puedes probar ya sin esperas y en España Imagen 3 de Google, su mejor generador de imágenes con IA

Comparando con los competidores

Desde su lanzamiento, los modelos FLUX.1 han recibido grandes elogios dentro de la comunidad de usuarios de IA, destacando especialmente por su capacidad para generar imágenes de alta calidad con adherencia precisa a los prompts (especialmente notable en los casos en que se especifica un texto a generar dentro de la imagen).

Esta nueva familia de modelos ha revitalizado el panorama de la generación de imágenes 'open source', especialmente después de que modelos como Stable Diffusion 3 no lograron cumplir con las expectativas de la comunidad.

La capacidad de los modelos FLUX.1 para manejar una variedad de estilos y su eficiencia en la generación de imágenes ha llevado a algunos expertos a considerarlo como un posible reemplazo de Midjourney en aplicaciones open-source.

Comparados con otros modelos líderes como Midjourney v6.0 y DALL·E 3, FLUX.1 ha demostrado un rendimiento superior en aspectos clave como la diversidad de estilos, la complejidad de escenas y la legibilidad del texto generado.

Fotogramas de vídeos animados a partir de imágenes generadas por Flux.

Calidad de generación de imágenes

• Flux: Destaca por crear atmósferas realistas y precisas, con excelente uso de iluminación y sombra. Sobresale en generar imágenes hiperrealistas, equilibrando todos los elementos del prompt de manera detallada y precisa.
• Stable Diffusion (SD3 Medium): Produce imágenes atractivas, aunque con algunas limitaciones en la representación morfológica y ocasionalmente no capta completamente el estilo fotográfico requerido. La coherencia visual puede verse afectada en ciertos detalles, como la ubicación de las personas y los elementos en la imagen.
• MidJourney: Genera imágenes detalladas y dinámicas con un alto nivel de estilo, aunque a veces pierde precisión en la adherencia exacta al prompt, especialmente en tomas de cuerpo completo o fondos específicos.

Adherencia al prompt

Ahí donde MidJourney es conocido por su habilidad para interpretar prompts de manera creativa (pero a menudo sacrificando la adherencia exacta a favor de una composición visualmente impactante), Flux sobresale en adherirse de manera precisa a los prompts, capturando todos los elementos solicitados y manteniendo la coherencia con el estilo y la composición indicados.

OJO a esos textos, que quedan SÚPER

Herramientas de colaboración

Ahí donde SD y MidJourney se enfocan en los creadores individuales, Flux ofrece herramientas para la colaboración en equipo, permitiendo que múltiples usuarios trabajen en el mismo proyecto en tiempo real, lo cual es ideal para equipos de diseño que requieren coordinación.

Hacia el vídeo mediante IA

El impacto de Black Forest Labs no se limita a la generación de imágenes: ya ha adelantado que está trabajando en una próxima suite de modelos de generación de video a partir de texto, lo que promete llevar las capacidades creativas de su tecnología a un nuevo nivel.

Pero, por ahora, la plataforma de pago Runway está combinando las imágenes generadas por Flux con su modelo de generación de vídeo Gen-3 (dotado de funciones de-imagen-a-vídeo) para animar las primeras logrando resultados de inapelable realismo que hacen cada día un poco más difícil distinguir la realidad de los deepfakes: ya te hemos hablado de algunos ejemplos.

Imagen | Black Forest Labs mediante Flux

En Genbeta | Sora es la mejor IA de 2024 y no la podemos usar. Así que en China acaban de copiarla para que generemos vídeos increíbles