Por qué la IA deforma manos y texto (y cómo solucionarlo)

Seis dedos en una mano. Un cartel escrito en un alfabeto que no existe. El logo de otra marca, cosido sin ningún motivo en la camisa de un modelo. Si alguna vez generaste fotos de producto con IA, ya viste esto. Te explico por qué la IA deforma manos y texto, sin misterio, solo cómo funcionan realmente estos modelos, y siete trucos que uso para conseguir una toma limpia para una ficha de producto.

Por qué pasa esto

Un modelo no sabe que una mano tiene cinco dedos, ni que una palabra es un conjunto de letras en un orden fijo. Arma la imagen a partir de probabilidades: qué suele estar al lado de qué. Las manos aparecen en cientos de posiciones distintas, los dedos se superponen entre sí, y en medio de ese cruce el modelo agrega un dedo de más o dobla una articulación al revés con total naturalidad. Con el texto pasa algo parecido. Para un generador las letras son un patrón visual, no un significado, así que pinta algo que se parece a texto sin serlo realmente.

Los logos son un problema aparte. El modelo vio incontables marcas durante su entrenamiento y le gusta colar algo conocido en una prenda o en un empaque. Para una ficha de producto eso puede ser un riesgo real. El logo de otra marca metido en la foto es justo el tipo de cosa que puede hacer que el marketplace marque la ficha durante la revisión.

Dónde falla más seguido

Las manos y los dedos son lo que más se rompe, sobre todo cuando se le pide al modelo que sostenga el producto. Después viene el texto en empaques e infografías, en particular cuando el alfabeto no tuvo mucha representación durante el entrenamiento. Los patrones pequeños que se repiten también complican las cosas: eslabones de una cadena, dientes de un cierre, cuadrículas, cualquier lugar donde el modelo pierda la cuenta. Los reflejos y brillos sobre vidrio o superficies lustrosas son otro punto débil. Y después están los logos que el modelo inventa por su cuenta.

Lo que uso para limpiar una toma

Elige el modelo correcto para la tarea. Si la toma tiene mucho texto, conviene ir directo a los modelos pensados para tipografía: Ideogram 3.0 para texto dentro de la imagen y GPT Image 2 para diseños y etiquetas. Los analicé con más detalle en mi reseña de Ideogram 3.0 y en mi reseña de GPT Image 2. Para alfabetos que no son latinos, Qwen Image 2.0 y Z-Image rinden mejor de lo que esperaba, lo comparo en detalle en mi artículo sobre texto no latino en imágenes de IA.

Usa un prompt negativo. Donde la herramienta lo permita, aclara exactamente qué no debería aparecer: dedos de más, texto distorsionado, marcas de agua, logos ajenos. No va a resolver todo, pero reduce bastante el ruido visual.

Un detalle más sobre las manos: no pidas un agarre complicado. Si puedes mostrar el producto sin que la mano sostenga con fuerza un detalle pequeño, hazlo así. Cuanto más simple sea la posición de la mano, menor la probabilidad de que aparezca un sexto dedo.

Agrega el texto por separado. La forma más confiable de lograr una etiqueta limpia y correcta es generar el fondo con IA y después sumar el texto con un editor. El modelo se encarga de la imagen, una persona se encarga de las letras.

Cuando haya textura de por medio, toma el detalle de cerca. Los elementos pequeños que se repiten confunden al modelo en una toma abierta. Dale un encuadre cerrado, con menos eslabones o dientes que seguir, y después armas la composición final con esas piezas.

Cambia una sola variable a la vez. No reescribas todo el prompt después de un resultado fallido. Ajusta una cosa (la posición de la mano, el ángulo de cámara, cómo pediste el texto) y vuelve a generar. Así sabes de verdad qué fue lo que arregló el problema.

Y el consejo menos llamativo, que también es el que mejor funciona: mira la toma antes de subirla, al lado de una comparación rápida de antes y después. La mitad de estos problemas se detectan justo ahí. Un sexto dedo o un logo ajeno es obvio en cuanto lo miras con atención.

Pasar una misma escena por varios modelos y quedarte con la versión sin el sexto dedo toma alrededor de un minuto en Flami. Los modelos conocidos por manos y texto limpios ya están ahí, sin necesidad de buscarlos por separado.

Preguntas frecuentes

¿Por qué la IA dibuja dedos de más?

Un modelo no cuenta los dedos, arma una mano a partir de formas que vio antes. En poses complicadas, donde los dedos se superponen o sostienen algo, es fácil que agregue uno de más o doble mal una articulación. Una posición de mano más simple y un encuadre más cerrado bajan el riesgo.

¿Por qué el texto generado por IA sale ilegible?

Para un generador las letras son un patrón visual, no un significado, así que pinta algo parecido a texto sin que lo sea realmente. Todavía falla más en alfabetos que tuvieron poca representación durante el entrenamiento, como el cirílico. Para lo que tiene que salir correcto, conviene usar un modelo pensado para tipografía, o agregar el texto después tú mismo en un editor.

¿Cómo elimino logos no deseados de una toma?

Agrega una línea que prohíba logos ajenos en tu prompt negativo, y revisa la imagen antes de subirla. Una marca prestada en una prenda o en un empaque es un riesgo real durante la revisión del marketplace, así que una toma así conviene regenerarla en vez de publicarla.

¿Puedo confiar en la IA para el texto de un empaque?

Con cierta cautela. Incluso los modelos fuertes en texto fallan a veces, sobre todo en alfabetos que vieron menos durante el entrenamiento. Para lo que realmente importa, lo más seguro sigue siendo un fondo limpio generado por IA con el texto agregado después por una persona.

Fuentes

1. Flami: texto no latino en generadores de imágenes con IA
2. Flami: infografías y texto en imágenes de producto