Prompts negativos: qué son, qué modelos los usan y las listas que realmente funcionan

¿Qué es un prompt negativo?

Un prompt negativo es un segundo campo de texto que algunos modelos de imagen leen junto con el prompt principal. Mientras que el prompt principal atrae la imagen hacia ciertos conceptos, el prompt negativo la aleja de otros. Técnicamente, el modelo calcula cómo cambiaría la imagen si se moviera hacia el texto negativo, y dirige el resultado en la dirección opuesta en cada paso de eliminación de ruido (denoising).

Por eso los prompts negativos funcionan mejor para cosas hacia las que un modelo tiende por sí solo: dedos adicionales, fondos borrosos, marcas de agua, el aspecto genérico y brillante. Son débiles para cosas que el modelo de todos modos nunca iba a dibujar. Escribir “no elephants” en el prompt negativo de un paisaje no sirve de nada; escribir “oversaturated, HDR, plastic skin” en el prompt negativo de un retrato sí cambia el resultado.

Qué modelos admiten prompts negativos

Stable Diffusion 1.5, SDXL y la mayoría de los checkpoints de la comunidad en Automatic1111, ComfyUI, Forge y Fooocus tienen un campo dedicado para el prompt negativo. De ahí surgieron los prompts negativos, y es donde más importan.

Midjourney no tiene un campo negativo. Usa el parámetro --no: --no text, watermark, blur. Midjourney no entiende la negación en prosa, así que “no text” escrito dentro del prompt se interpreta como una solicitud de texto.

Flux, ChatGPT Images (GPT Image), Gemini y Nano Banana no usan prompts negativos. El codificador de texto T5 de Flux lee todo el prompt como una descripción, así que las negaciones dentro de él se ignoran o se invierten. ChatGPT y Gemini, en cambio, siguen restricciones en lenguaje natural: “keep the background plain, no visible text” funciona porque son modelos que siguen instrucciones, no porque tengan un canal negativo.

• Stable Diffusion, SDXL, checkpoints de la comunidad: campo dedicado de prompt negativo, alto impacto.
• Midjourney: parámetro --no, separado por comas, impacto moderado.
• Flux: sin prompt negativo; describe en su lugar lo que quieres.
• ChatGPT Images, Gemini, Nano Banana: sin prompt negativo; usa restricciones positivas breves.

Cómo escribir un prompt negativo que realmente ayude

Mantenlo breve y específico para el fallo que estás observando. Un prompt negativo de 60 términos copiado de un foro es en su mayoría ruido: cada término consume una pequeña parte del presupuesto de guía, y los términos que no se aplican a tu imagen empujan el resultado en direcciones aleatorias.

Empieza vacío. Genera una vez. Observa qué salió mal, añade dos o tres términos exactamente para eso, y genera de nuevo. La mayoría de las imágenes necesitan menos de diez términos negativos. Coloca los más importantes primero, porque CLIP lee el texto en bloques de 77 tokens y da más peso al principio de cada uno.

Usa los pesos con moderación. (deformed hands:1.3) en SDXL aumenta la presión sobre un término sin inflar toda la lista. Ponderar todo a 1.4 equivale a no ponderar nada.

Listas de prompts negativos según el uso

Estas listas son puntos de partida para Stable Diffusion y SDXL. Toma el bloque que coincide con tu problema, no todos. Para Midjourney, traslada las mismas palabras a --no.

Retratos fotorrealistas: deformed hands, extra fingers, fused fingers, extra limbs, asymmetrical eyes, plastic skin, waxy skin, oversharpened, HDR, oversaturated, airbrushed, doll-like, uncanny.

Manos y anatomía: extra fingers, missing fingers, fused fingers, six fingers, bad hands, malformed limbs, extra arms, disconnected limbs, mutated anatomy.

Texto, logotipos y artefactos: text, watermark, signature, logo, caption, letters, jpeg artifacts, compression noise, frame, border, split screen, collage.

Anime e ilustración: bad anatomy, extra digits, lowres, worst quality, low quality, jpeg artifacts, signature, watermark, username, blurry, cropped, realistic skin texture (cuando se busca un acabado plano tipo cel).

Renders de producto e interiores: warped perspective, floating objects, duplicated objects, uneven reflections, clutter, text, watermark, fisheye, over-exposed highlights.

Deriva de estilo hacia el aspecto por defecto: digital painting, 3D render, smooth, glossy, cinematic lighting, dramatic, bokeh (cuando la referencia es plana, documental o hecha a mano).

• Retrato fotorrealista: plastic skin, oversaturated, HDR, deformed hands, extra fingers, waxy, airbrushed
• Manos: extra fingers, fused fingers, missing fingers, bad hands, malformed limbs
• Texto y artefactos: text, watermark, signature, logo, jpeg artifacts, border, collage
• Anime: bad anatomy, extra digits, lowres, worst quality, signature, blurry, cropped
• Render de producto: warped perspective, floating objects, duplicated objects, clutter, fisheye

Los prompts negativos de SDXL son diferentes de los de SD 1.5

Los checkpoints de SD 1.5 se entrenaron con descripciones llenas de etiquetas como “lowres, bad anatomy, worst quality”, así que esas etiquetas de calidad sí tienen un efecto real ahí. SDXL se entrenó de forma diferente: el bloque clásico de etiquetas de calidad hace mucho menos, y un prompt negativo corto y concreto rinde mejor. En SDXL, describe el defecto específico y el estilo no deseado específico en lugar de apilar palabras de calidad.

Muchos ajustes finos (fine-tunes) de SDXL, incluidos los derivados de Pony e Illustrious, vienen con su propio bloque negativo recomendado en la ficha del modelo (model card). Úsalo como base y añade encima tus dos o tres términos específicos.

Cuando la respuesta no es un prompt negativo

Si el modelo sigue produciendo una versión pulida y genérica de tu referencia, la solución suele estar en el prompt positivo: nombra el medio y las imperfecciones que quieres conservar, y colócalas al principio. Image to Prompt hace esto automáticamente cuando eliges Stable Diffusion como modelo de destino: escribe etiquetas separadas por comas con el estilo primero y genera una línea de prompt negativo a juego, construida a partir de la deriva estética por defecto específica que ese estilo necesita evitar.

Para ChatGPT Images y Gemini, sustituye cada negación por una restricción positiva. “Sin texto” se convierte en “deja el letrero en blanco”. “No borroso” se convierte en “enfoque nítido en todo el encuadre”. Los modelos siguen la segunda forma con mucha más fiabilidad.