Saltar al contenido principal

Guía de Imagen

Imagen es una serie avanzada de modelos de IA para generación de imágenes desarrollada por Google, capaz de crear imágenes realistas de alta calidad a partir de prompts de texto. Esta guía te ayudará a entender cómo usar la API de Imagen para generar imágenes, incluida la configuración de parámetros, la selección de modelo y ejemplos de código. Modelos disponibles:
  • imagen-4.0-ultra-generate-001
  • imagen-4.0-generate-001
  • imagen-4.0-fast-generate-001
  • imagen-4.0-fast-generate-preview-06-06
  • imagen-3.0-generate-002
  1. Actualmente, Imagen solo admite prompts en inglés. Al integrarlo, se recomienda añadir traducción automática para permitir que los usuarios lo usen sin barreras de idioma.
  2. El rendimiento es inestable al renderizar grandes cantidades de texto. Se recomienda incluir solo palabras clave esenciales.

Parámetros del modelo

Imagen actualmente solo admite prompts en inglés y ofrece los siguientes parámetros:
  • numberOfImages: El número de imágenes a generar, en un rango de 1 a 4 (ambos incluidos). El valor predeterminado es 4.
  • imagen-4.0-ultra-generate-001 solo puede generar 1 imagen a la vez.
  • aspectRatio: Cambia la relación de aspecto de las imágenes generadas. Los valores admitidos son “1:1”, “3:4”, “4:3”, “9:16” y “16:9”. El valor predeterminado es “1:1”.
  • personGeneration: Permite al modelo generar imágenes de personas. Admite los siguientes valores:
    • “DONT_ALLOW”: Evita la generación de imágenes que contengan personas.
    • “ALLOW_ADULT”: Genera imágenes de adultos pero no de niños. Este es el valor predeterminado.

Precios de uso

El costo de utilizar la API de Imagen para generar imágenes:
  • imagen-4-ultra: $0.06/imagen
  • imagen-4: $0.04/imagen
  • imagen-4-fast: $0.02/imagen
  • imagen-3: $0.03/imagen
Ten en cuenta que cada llamada a la API puede generar 1-4 imágenes y se te facturará según el número real de imágenes generadas.

Ejemplo de llamada a la API

A continuación, un ejemplo en Python para generar imágenes con Imagen 3.0:

Consejos para prompts

Crear prompts eficaces es fundamental para obtener las imágenes deseadas:
  • Usa descripciones detalladas que incluyan sujeto, estilo, iluminación, ángulo, etc.
  • Especifica estilos artísticos (como cinematográfico, fotorrealista, estilo anime, etc.).
  • Incluye detalles técnicos (como DSLR, alta definición, rico en detalles, etc.).
  • Evita contenidos negativos o prohibidos.
  • Evita incluir grandes cantidades de texto en los prompts, usa solo palabras clave esenciales para obtener resultados más estables.

Generación de imágenes con Gemini

Gemini también ofrece capacidades de generación de imágenes como alternativa. En comparación con Imagen, la generación de imágenes de Gemini se adapta mejor a escenarios que requieren comprensión y razonamiento contextual, en lugar de buscar la máxima expresión artística y calidad visual. Instrucciones:
  • ID de modelo: gemini-2.5-flash-image-preview
  • Precios de entrada/salida: Texto: $0.3→$2.5/M tokens; Imagen: $0.3→$30/M tokens
  • Se requiere añadir parámetros para experimentar nuevas funciones: "modalities":["text","image"]
  • Las imágenes se pasan y se devuelven en codificación Base64
  • La altura predeterminada de las imágenes de salida es 1024 px
  • Las llamadas en Python requieren el SDK más reciente de OpenAI; ejecuta primero pip install -U openai
  • Para más información, visita la documentación oficial de Gemini
Estructura de referencia de entrada:
Estructura de referencia de salida:

Generación de texto a imagen

Entrada: texto Salida: texto + imagen
Ejemplo de salida: Imagen

Editar imagen

Entrada: texto + imagen
Salida: texto + imagen
Ejemplo de salida: Imagen

Elegir el modelo adecuado

Cuándo elegir Gemini:

  • Cuando necesites aprovechar el conocimiento del mundo y las habilidades de razonamiento para generar imágenes contextualmente relevantes.
  • Cuando necesites una integración fluida entre texto e imágenes.
  • Cuando quieras incrustar contenido visual preciso en secuencias largas de texto.
  • Cuando quieras editar imágenes de forma conversacional manteniendo el contexto.

Cuándo elegir Imagen:

  • Cuando la calidad de imagen, el fotorrealismo, el detalle artístico o los estilos específicos (como impresionismo, anime) sean las consideraciones principales.
  • Cuando realices tareas de edición profesional, como actualizaciones de fondos de productos o ampliación de imágenes.
  • Cuando incorpores marca, estilo o generes logotipos y diseños de producto.

Buenas prácticas

  1. Optimizar los prompts: Elaborar cuidadosamente los prompts es clave para obtener resultados de alta calidad.
  2. Experimentar con los parámetros: Prueba diferentes relaciones de aspecto y ajustes para encontrar la configuración que mejor se adapte a tus necesidades.
  3. Generación por lotes: Genera varias imágenes para aumentar las probabilidades de obtener resultados ideales.
  4. Guardar los metadatos: Guarda los prompts y las marcas temporales junto con las imágenes para rastrear y replicar los resultados exitosos.
  5. Cumplir con las políticas de uso: Asegúrate de que tu uso cumpla con las políticas de contenido y los términos de servicio de Google.

Generación de vídeo con Veo 3.0

VEO 3.0 es el último modelo avanzado de generación de vídeo desarrollado por Google DeepMind. Con VEO 3.0, puedes generar vídeos con las siguientes funciones:
  • Calidad mejorada a partir de prompts de texto e imagen
  • Habla, como diálogos y locuciones
  • Audio, como música y efectos de sonido
  1. Actualmente, VEO 3.0 solo admite prompts en inglés; se recomienda la traducción automática al integrarlo
  2. Los vídeos suelen generarse en unos minutos, pero pueden tardar más en horas pico
  3. Actualmente no admite la generación de vídeo a partir de conversaciones basadas en imágenes

Limitaciones conocidas

Actualmente, los parámetros de VEO 3.0 son fijos y no se pueden cambiar:
  • Resolución: 720p (horizontal)
  • Velocidad de fotogramas: 24fps
  • Duración del vídeo: 8 segundos

Precios

El coste de la API de VEO 3.0 es de $0.675/segundo (Aihubmix ofrece un descuento del 10 % por tiempo limitado)

Ejemplo de uso

VEO 3.0 actualmente solo admite llamadas mediante comandos curl, usando un proceso de dos pasos: Nota: sk-*** es tu clave generada en AiHubMix.

Ejemplos de respuesta

Respuesta del paso 1:
Respuesta del paso 2 (generación completa):
Respuesta del paso 2 (aún en proceso):
Si recibes una respuesta de procesamiento, espera unos minutos y reenvía la solicitud del paso 2. Efecto del vídeo:

Buenas prácticas

  1. Sé paciente: La generación de vídeo suele tardar unos minutos, más durante las horas pico
  2. Comprueba el estado: Si la respuesta no contiene done: true, sigue procesándose
  3. Guarda el ID de operación: Asegúrate de guardar el ID de operación devuelto en el paso 1 para consultas posteriores
  4. Cumple con las políticas de uso: Asegúrate de que tu uso cumple con las políticas de contenido y los términos de uso de Google
Para más información, consulta la documentación oficial de Vertex AI

Generación de vídeo con Veo 2.0

VEO 2.0 es un modelo avanzado de IA para generación de vídeo lanzado por Google, capaz de crear vídeos cortos realistas y de alta calidad a partir de prompts de texto. Esta sección te ayudará a entender cómo usar la API de VEO 2.0 para generar vídeos, incluida la configuración de parámetros, la selección de modelo y ejemplos de código.
  1. Actualmente, VEO 2.0 solo admite prompts en inglés
  2. La generación de vídeo tarda aproximadamente 2-3 minutos; sé paciente

Parámetros del modelo

VEO 2.0 ofrece los siguientes parámetros:
  • numberOfVideos: El número de vídeos a generar; las opciones son 1 o 2. Por defecto 2.
  • aspectRatio: La relación de aspecto de los vídeos generados. Los valores admitidos son “16:9” y “9:16”.
  • durationSeconds: Duración del vídeo; las opciones son 5 segundos u 8 segundos. Por defecto 8 segundos.
  • personGeneration: Controla si se permiten vídeos que contengan personas. Admite los siguientes valores:
    • “dont_allow”: Evita la generación de vídeos que contengan personas.
    • “allow_adult”: Permite la generación de vídeos que contengan adultos, pero no niños.

Precios

El coste de la API de VEO 2.0 es de $0.35/s

Ejemplo de uso

A continuación, un ejemplo en Python para usar VEO 2.0 para generar vídeos:

Consejos para prompts

Crear prompts eficaces es fundamental para obtener los vídeos deseados:
  • Describe escenas, acciones y ambiente claros
  • Especifica estilos de filmación (como panorámico, primer plano, planos de seguimiento, etc.)
  • Describe las condiciones de iluminación (como soleado, atardecer, iluminación interior, etc.)
  • Especifica el sujeto principal y sus acciones (p. ej., “un gatito durmiendo bajo el sol”)
  • Evita narrativas demasiado complejas o escenas que cambien rápidamente
  • Evita contenidos negativos o prohibidos

Buenas prácticas

  1. Prompts claros y concisos: Usa descripciones claras y específicas para guiar la generación del vídeo.
  2. La paciencia es clave: La generación de vídeo tarda 2-3 minutos; espera a que se complete.
  3. Prueba diferentes parámetros: Experimenta con diferentes relaciones de aspecto y duraciones para encontrar los ajustes que mejor se adapten a tus necesidades.
  4. Guarda los registros de generación: Registra los prompts junto con los vídeos generados para hacer seguimiento de los resultados exitosos.
  5. Cumple con las políticas de uso: Asegúrate de que tu uso cumple con las políticas de contenido y los términos de uso de Google.

Última actualización: 2026-06-01