Generas un retrato en Stable Diffusion. La composición es sólida, la iluminación es dramática, pero el rostro no convence. La piel no tiene poros. La superficie refleja la luz como un maniquí. Cada detalle está demasiado pulido: el inconfundible «aspecto plástico de la IA» que delata al instante que una imagen fue generada por una máquina.
Esta guía explica por qué ocurre, qué modelos realistas de Stable Diffusion lo solucionan de verdad y qué ajustes y técnicas de posprocesado separan un resultado fotorrealista de uno plástico.
Por qué tus imágenes de Stable Diffusion parecen de plástico
El aspecto plástico no es un único fallo. Es el resultado de tres factores superpuestos que se refuerzan entre sí.
Sesgo de los datos de entrenamiento. Los modelos base como SDXL y SD 1.5 se entrenaron con millones de imágenes, muchas de ellas fotos de stock retocadas digitalmente, ilustraciones suavizadas o imágenes generadas por IA que volvieron a entrar en el conjunto de entrenamiento. El modelo aprende que la piel lisa y perfecta es la norma porque domina su distribución de entrenamiento. Los checkpoints realistas ajustados contrarrestan esto entrenándose específicamente con fotografías sin retocar que muestran textura de piel, poros e imperfecciones naturales.
Interacción entre sampler y CFG. Los valores de CFG superiores a 7 obligan al modelo a seguir el prompt de forma estricta. A menudo eso significa producir agresivamente la versión idealizada de cada concepto, incluida la piel. Un CFG de 8 o más en un prompt de retrato suprime el ruido de alta frecuencia que se convierte en poros, manchas y microtextura. Combinado con samplers que priorizan la coherencia sobre el detalle, obtienes superficies lisas como el cristal que parecen artificiales al examinarlas de cerca.
Falta de prompts negativos. Si no le dices explícitamente al modelo qué debe evitar, no tiene ninguna señal de que la piel plástica, aerografiada, lisa o de muñeca sea indeseable. Los prompts negativos no sirven solo para eliminar dedos adicionales: son una palanca directa para controlar el realismo de la piel.
Los mejores modelos realistas para Stable Diffusion
No todos los checkpoints están hechos para el fotorrealismo. Los modelos siguientes se han ganado su reputación por su calidad constante, la validación activa de la comunidad y sus cifras de descargas en Civitai. Cada uno destaca en un aspecto distinto del realismo.
| Modelo | Arquitectura | VRAM mín. | Ideal para | Fortaleza principal |
|---|---|---|---|---|
| RealVisXL V5.0 | SDXL 1.0 | 8 GB | Retratos, primeros planos | Aspecto de película natural, textura de piel |
| Juggernaut XL v10 | SDXL 1.0 | 8 GB | Fotorrealismo versátil | Iluminación cinematográfica, amplio rango de prompts |
| Realistic Vision V6.0 | SD 1.5 | 4 GB | Realismo con hardware modesto | Funciona con 4 GB, enorme ecosistema LoRA |
| CyberRealistic XL v10 | SDXL 1.0 | 8 GB | Fotorrealismo limpio, iteración rápida | Compatibilidad con LCM/Lightning, salida nítida |
| EpicRealism | SD 1.5 / SDXL | 4-8 GB | Detalle fino, luz natural | Evita el exceso de nitidez, tonos realistas |
RealVisXL V5.0 sigue siendo la opción favorita de la comunidad para retratos. La piel resiste una inspección cercana y tiene una textura de grano natural parecida a la película de 35 mm. Juggernaut XL v10 es el checkpoint SDXL más versátil. Si no sabes por dónde empezar, gestiona desde retratos hasta fotografía de producto con resultados sólidos y ya supera los 18 millones de descargas.
Realistic Vision V6.0 es la leyenda de SD 1.5 que se niega a retirarse: funciona en hardware con una GPU de apenas 4 GB y sigue ofreciendo tonos de piel e iluminación comparables a los modelos SDXL en resoluciones menores. CyberRealistic XL incluye variantes LCM y Lightning para quienes necesitan iterar rápido sin sacrificar el fotorrealismo. EpicRealism completa la lista con un enfoque deliberadamente natural y evita el exceso de nitidez que hace que otros modelos parezcan demasiado pulidos por la IA.
Elegir el modelo adecuado para tu hardware
Elegir un modelo no sirve de nada si tu GPU no puede ejecutarlo. El criterio práctico es sencillo: relaciona primero tu nivel de VRAM con la arquitectura correcta y después optimiza el realismo dentro de esa categoría.
| Nivel de VRAM | Arquitectura recomendada | Mejor modelo realista | Qué puedes esperar |
|---|---|---|---|
| 4-6 GB | SD 1.5 | Realistic Vision V6.0 | 512x512 nativo, generación rápida, excelentes tonos de piel, resolución limitada |
| 8 GB | SDXL | Juggernaut XL v10 o RealVisXL V5.0 | 1024x1024 nativo, gran detalle, puede requerir gestionar la VRAM con varias LoRAs |
| 12 GB+ | SDXL cómodo o Flux | Cualquier checkpoint SDXL con stack LoRA completo | Flujos multi-LoRA, ControlNet y ADetailer al mismo tiempo |
| 16 GB+ | Flux o SDXL | Flux Dev GGUF Q8 | El mejor fotorrealismo local disponible, anatomía y seguimiento del prompt superiores |
SDXL necesita 8 GB solo para cargarse y 12 GB para funcionar sin estar ajustando la VRAM constantemente. Si tienes 6 GB o menos, no luches contra ello. Los modelos SD 1.5 como Realistic Vision están optimizados para usar menos memoria y aún producen un fotorrealismo excelente a 512x512, que después puedes ampliar. El salto de SD 1.5 a SDXL se nota de inmediato en la anatomía, el detalle y la comprensión del prompt, pero el aumento del coste de VRAM también es importante.
Ajustes esenciales para obtener resultados fotorrealistas
Elegir el checkpoint correcto es solo el primer paso. El sampler, la escala CFG, el número de pasos y el prompt negativo que combines con él determinan si la salida parece una fotografía o un render.
Sampler. DPM++ 2M SDE Karras y DPM++ 3M SDE Karras son las opciones de referencia de la comunidad para la textura de piel. Conservan los detalles de alta frecuencia: el microruido que se convierte en poros, grano e irregularidades de superficie. Euler a y DDIM tienden a producir resultados más suaves, justo lo contrario de lo que buscas para el fotorrealismo.
Escala CFG. Para retratos con SDXL, un CFG entre 4 y 7 produce la piel más natural. Por encima de 7, el modelo se dirige hacia una salida idealizada y demasiado limpia. Algunos usuarios consiguen resultados excelentes con CFG 2-3 y prompts negativos bien ajustados, lo que da al modelo más libertad para generar textura natural a cambio de seguir el prompt con menos rigidez.
Pasos. 25-30 pasos es el rango estándar para SDXL. Para obtener el máximo detalle en la piel, subir a 40-60 pasos con DPM++ 3M SDE Karras mejora visiblemente la definición de los poros y el pelo. Más allá de 60, el rendimiento adicional disminuye mucho. Las variantes Lightning y LCM pueden producir resultados útiles en 4-8 pasos, pero son mejores para iterar que para la salida final.
Prompts negativos. Aquí es donde se elimina la mayor parte del aspecto plástico. Un prompt negativo potente para retratos realistas incluye:
plastic, smooth skin, airbrushed, poreless, doll-like, flawless, perfect skin3d render, cgi, digital painting, illustration, cartoon, animeblurry, low quality, deformed, bad anatomy, extra fingers, mutated handswax, retouched, photoshop, overexposed
La primera línea apunta directamente al aspecto plástico. La segunda elimina los estilos no fotográficos. La tercera gestiona los errores estructurales. La cuarta elimina la estética de posprocesado demasiado pulida que hace que las imágenes parezcan artificiales incluso cuando la generación de base es buena.
Más allá del checkpoint: LoRAs, ADetailer e ingeniería de prompts
Incluso con el modelo y los ajustes adecuados, los rostros suelen perder detalle en las resoluciones estándar. La comunidad ha desarrollado un enfoque de posprocesado por capas que lo aborda de forma sistemática.
LoRAs de realismo. Modelos LoRA ligeros como Skin & Hand de Polyhedron y add-details-xl inyectan textura de piel y detalle fino con pesos bajos de 0.3 a 0.8. Con un peso de 1.0, add-details-xl obliga al modelo a renderizar detalles de alta frecuencia en toda la imagen. Puede transformar la piel, pero también introducir artefactos en el fondo. Empieza en 0.5 y ajusta según el resultado.
ADetailer (After Detailer). Es la herramienta más eficaz para corregir rostros. ADetailer ejecuta un modelo de detección sobre la imagen generada, identifica los rostros y los vuelve a generar automáticamente a mayor resolución con un prompt específico. Configuración recomendada:
- Modelo de detección:
face_yolov8n.pt - Umbral de confianza: 0.3
- Intensidad de reducción de ruido: 0.22-0.28, menor que la estándar porque buscas refinar, no reemplazar
- Pasos: 18-22
- CFG: 4-4.5
- Inpaint solo enmascarado: ON
- Prompt de ADetailer:
natural skin texture, visible pores, subtle imperfections, soft skin transitions, realistic eyes, natural lips
La baja intensidad de reducción de ruido es fundamental. A partir de 0.5, ADetailer prácticamente reemplaza el rostro, lo que puede introducir artefactos o hacer que el sujeto pierda su identidad. En 0.22-0.28 refina el detalle existente: añade estructura de poros, enfoca los ojos y corrige pequeños problemas anatómicos sin descartar la generación original.
Técnicas de prompt para el realismo. Las palabras que utilizas dan forma a la textura que genera el modelo. Entre los activadores de realismo más eficaces están:
natural skin texture, visible pores, subtle blemishes, frecklescandid iphone camera portrait, raw photo, unretouched85mm portrait lens, shallow depth of field, natural lightingoily skin, sun-damaged skin, aged 35 years old, flyaway hair strands
La última línea parece contraintuitiva, pero es muy potente. Las personas reales tienen piel grasa, daños del sol, manchas de edad y cabellos sueltos. Pedir estas imperfecciones aleja al modelo de su valor predeterminado idealizado y lo acerca a un fotorrealismo auténtico. Especificar el objetivo y la iluminación también ancla el resultado en la realidad fotográfica en lugar del render digital.
Cuando no puedes usar una instalación local: alternativas en la nube
La realidad de Stable Diffusion en local es que exige bastante hardware. Un flujo SDXL con LoRAs, ADetailer y ControlNet al mismo tiempo necesita 12-16 GB de VRAM. Un flujo Flux a precisión completa requiere 24 GB. No todo el mundo tiene ese hardware o quiere invertir en él. Además, instalar ComfyUI o AUTOMATIC1111, descargar checkpoints de varios gigabytes y configurar samplers y extensiones puede llevar horas antes de generar una sola imagen.
Las herramientas de generación de imágenes con IA en la nube ofrecen una alternativa práctica. La plataforma text-to-image de Seavid AI da acceso a varios modelos de última generación, incluidos Seedream 5.0, Nano Banana Pro y GPT Image, desde el navegador y sin configuración local. Describe tu idea en un prompt, elige estilo y resolución y genera rápidamente. Para refinar o transformar imágenes existentes, la herramienta image-to-image gestiona la transferencia de estilo y la mejora conservando la composición, mientras que SeedEdit permite editar mediante instrucciones manteniendo la identidad.
El intercambio es el control. Stable Diffusion local ofrece acceso detallado a cada parámetro: sampler, CFG, número de pasos, pesos LoRA, prompts negativos y máscaras de inpainting. Las herramientas en la nube esconden esas decisiones tras una interfaz más sencilla. Es una ventaja para la velocidad y la accesibilidad, pero una limitación si necesitas ajustar con precisión la textura de la piel o los detalles del rostro. Para prototipos rápidos, contenido para redes sociales o usuarios sin una GPU dedicada, la nube elimina por completo la barrera del hardware. Para retratos fotorrealistas de calidad de producción, donde cada poro importa, el flujo local sigue llevando ventaja.
Errores comunes y cómo evitarlos
- Usar el modelo SDXL base para retratos. El SDXL base tiende a producir piel plástica. Cambia siempre a un checkpoint realista ajustado como RealVisXL o Juggernaut XL.
- Usar CFG por encima de 7 en la piel. Un CFG alto suprime la textura natural. Bájalo a 4-6 y deja que el prompt negativo controle la calidad.
- Saltarse ADetailer. Los rostros generados a 1024x1024 pierden detalle cuando el sujeto ocupa una parte pequeña del encuadre. ADetailer lo corrige automáticamente, así que no hay razón para omitirlo.
- Apilar demasiadas LoRAs. Cada LoRA aumenta la posibilidad de cambios de color y artefactos. Empieza con una LoRA de realismo con peso 0.5, prueba y añade otra solo si el resultado lo necesita.
- Olvidar especificar imperfecciones. Si tu prompt solo dice «beautiful woman, perfect skin», el modelo entregará exactamente eso y parecerá falso. Añade poros, imperfecciones y referencias a una iluminación natural.
- Ampliar sin Hi-Res Fix. El escalado estándar enfoca todo de manera uniforme y puede hacer que la piel parezca de cera. Usa Hi-Res Fix con una intensidad de reducción de ruido baja, de 0.3-0.4.
Preguntas frecuentes
¿Puedo conseguir resultados fotorrealistas con SD 1.5 o necesito SDXL?
Sí. Realistic Vision V6.0 en SD 1.5 todavía produce excelentes tonos de piel y una iluminación realista. El intercambio está en la resolución, 512x512 nativo frente a 1024x1024 en SDXL, y en la consistencia anatómica. Si tu GPU tiene 4-6 GB de VRAM, SD 1.5 es tu mejor opción y después puedes ampliar los resultados.
¿Cuál es el cambio más eficaz para corregir el aspecto plástico?
Añade un prompt negativo que lo ataque explícitamente: plastic, smooth skin, airbrushed, poreless, doll-like, flawless. Esto por sí solo mejora visiblemente la mayoría de los checkpoints realistas, incluso antes de ajustar el sampler o el CFG.
¿Necesito una GPU dedicada o puedo usar herramientas en la nube?
Se recomienda una GPU NVIDIA dedicada con al menos 8 GB de VRAM para los flujos locales de SDXL. Si no tienes una, herramientas en la nube como Seavid AI ofrecen acceso a modelos de alta calidad desde el navegador, aunque con menos control sobre los parámetros que una instalación local.
¿Qué es mejor para el fotorrealismo: Stable Diffusion o Flux?
Flux suele producir un fotorrealismo de mayor calidad, con mejor anatomía y seguimiento del prompt, pero necesita más de 12 GB de VRAM incluso cuantizado y cuenta con un ecosistema LoRA más pequeño. SDXL sigue siendo la opción práctica para la mayoría gracias a su enorme biblioteca comunitaria de modelos, sus herramientas maduras y sus menores requisitos de hardware. Para obtener los mejores resultados en hardware de gama alta, Flux Dev en GGUF Q8 es actualmente la mejor opción local.
¿Qué importancia tiene elegir el sampler para el realismo de la piel?
Mucha. DPM++ 2M SDE Karras y DPM++ 3M SDE Karras conservan el ruido de alta frecuencia que se convierte en textura de piel. Cambiar de Euler a a DPM++ SDE Karras puede mejorar más el realismo de la piel que cambiar de modelo, especialmente con checkpoints SDXL.
