Przejdź do treści
promptowy.com / Glosario de IA / Modelos de difusión (Diffusion Models)
Imagen, video y audio

Modelos de difusión (Diffusion Models)

Tipo de inteligencia artificial generativa que crea imágenes, audio o vídeo eliminando gradualmente el ruido aleatorio hasta formar un resultado nítido.

Un modelo de difusión es un sistema de inteligencia artificial generativa diseñado para sintetizar datos complejos, como imágenes, vídeo o pistas de audio, a partir de un patrón caótico de ruido. Su funcionamiento principal consiste en aprender a revertir un proceso de destrucción: toma un lienzo compuesto por puntos aleatorios sin sentido y, de forma iterativa, calcula qué elementos sobran hasta hacer emerger una figura coherente con las instrucciones del usuario.

Esta arquitectura matemática representa el motor detrás de la gran mayoría de herramientas modernas de generación visual. A diferencia de tecnologías previas que intentaban adivinar la imagen completa en un único paso o mediante competencia directa entre redes neuronales, la difusión descompone la creación en decenas de microdecisiones consecutivas, lo que aporta una estabilidad y un nivel de detalle sin precedentes.

Cómo funciona el proceso: añadir y restar ruido

El aprendizaje de estos modelos se divide en dos fases fundamentales que se complementan entre sí:

  • Difusión directa (destrucción controlada): Durante el entrenamiento, el sistema toma fotografías reales y les agrega pequeñas capas de ruido matemático paso a paso. Tras cientos de iteraciones, la imagen original desaparece por completo y queda convertida en estática pura.
  • Difusión inversa (reconstrucción guiada): La red neuronal aprende a predecir cuánto ruido se añadió en cada etapa para poder retirarlo. Cuando un usuario escribe una petición, el modelo parte de ruido puro y aplica esa capacidad aprendida a la inversa, limpiando el lienzo capa por capa mientras orienta el resultado hacia los conceptos descritos en el texto.

Una analogía práctica: el bloque de piedra

Para entender la difusión resulta útil imaginar a un escultor frente a un bloque de cantera. Al principio, la piedra no tiene forma reconocible. En los primeros golpes de cincel, el artesano elimina grandes masas sobrantes para definir la silueta general: dónde estará la cabeza y dónde los hombros. A medida que avanza, los golpes son más suaves y precisos, puliendo los pliegues de la ropa y los rasgos del rostro.

En la práctica cotidiana de una pequeña empresa, este mecanismo es el que permite a una pastelería en Puebla o a una agencia de comunicación en Sevilla generar composiciones visuales para sus campañas de temporada. El diseñador escribe una descripción como un escaparate con dulces tradicionales bajo luz otoñal, y el algoritmo elimina progresivamente la niebla digital hasta dar con una imagen con la iluminación, texturas y colores solicitados.

El equilibrio entre pasos de cálculo y tiempo

Uno de los parámetros más importantes al utilizar herramientas basadas en difusión es el número de pasos de muestreo (denoising steps). Cada paso representa una pasada del algoritmo para retirar ruido y refinar los píxeles.

Existe una relación directa entre el tiempo de espera y el acabado final:

  1. Pocos pasos: El proceso termina en pocos segundos, pero la imagen puede verse borrosa, con extremidades deformadas o texturas empastadas porque el modelo no tuvo tiempo suficiente para limpiar el ruido.
  2. Rango óptimo: Permite que la estructura y los detalles finos converjan con nitidez sin consumir recursos informáticos excesivos.
  3. Exceso de pasos: Superar el umbral recomendado rara vez añade calidad perceptible; casi siempre se traduce en un gasto innecesario de tiempo de cálculo o créditos de servicio.

Errores comunes al interpretar la difusión

Un fallo habitual es creer que el modelo recorta trozos de imágenes existentes de internet y los pega sobre el lienzo. La difusión no almacena fotografías en su interior ni actúa como un buscador visual. Lo que guarda son patrones matemáticos sobre cómo interactúan la luz, los bordes y las texturas en relación con las palabras.

Otro error frecuente consiste en asumir que aumentar indefinidamente los pasos de cálculo arreglará una imagen conceptualmente defectuosa. Si la composición inicial o la interpretación del texto arrancó con proporciones erróneas, aplicar más pasos solo producirá una versión más nítida de ese mismo error.

Cómo configurarlo en Midjourney, FLUX, Ideogram, GPT Image y ComfyUI, con imágenes de antes y después: Pasos de muestreo (sampling steps) en el diccionario de parámetros

Preguntas frecuentes

¿Por qué los modelos de difusión tardan más que otros métodos de IA?

Porque no generan la imagen de un solo golpe. Necesitan ejecutar entre veinte y cincuenta ciclos consecutivos de limpieza de ruido para revelar los detalles finales de la composición.

¿La difusión solo sirve para crear imágenes?

No. Aunque se popularizó en la generación gráfica, el mismo principio de eliminación de ruido se aplica con éxito en la creación de fragmentos de vídeo, pistas musicales y síntesis de voz.

¿Qué papel cumple el texto en un modelo de difusión?

El texto actúa como una guía direccional. En cada paso de eliminación de ruido, el modelo consulta las palabras del usuario para decidir hacia qué formas y colores debe orientar la limpieza del lienzo.

← Todos los términos del glosario de IA

🛒 Sklep Kinetyka CapCut Pro 460 zł/rok Lovable Pro 450 zł/rok Replit Core 119 zł/rok Zobacz wszystko →
× ‹ powiększenie ›