Una imagen que sale blanda, granulada o con manchas de color rara vez tiene una sola causa. Hay cinco culpables habituales, cada uno con una firma visual distinta, y una vez sabes reconocer la firma el arreglo es cuestion de un parametro.
Respuesta corta: si sale granulada, te faltan pasos de muestreo. Si sale quemada y saturada, el CFG esta demasiado alto. Si sale con colores lavados o manchas moradas, es el VAE. Si sale blanda pero limpia, es resolucion o escalado. Diagnostica por la firma visual, no a ciegas.
Aprende a leer la firma del defecto
El error mas caro con este problema es tocar cuatro parametros a la vez. Cada defecto tiene un aspecto caracteristico, y aprenderlos te ahorra decenas de generaciones de prueba. Vamos uno por uno.
El ruido por pasos insuficientes se ve como grano fino distribuido por toda la imagen, mas visible en zonas de color plano como cielos, paredes o piel. La imagen parece una foto de alta sensibilidad. La composicion esta bien, las formas estan donde deben, pero todo tiene una textura arenosa que no pediste.
El exceso de CFG se ve completamente distinto: colores sobresaturados, contornos con halos duros, luces reventadas sin detalle y sombras aplastadas a negro. La imagen parece sobreprocesada. En casos extremos aparecen artefactos de contorno alrededor de los bordes, como si alguien hubiera abusado del enfoque.
El VAE incorrecto o ausente produce un aspecto muy reconocible: colores lavados y apagados, un tinte general que no corresponde, y en los casos clasicos manchas moradas o verdosas en zonas oscuras. Los ojos y otros detalles pequenos salen embarrados de una forma que ningun ajuste de pasos corrige.
La blandura por resolucion o escalado es distinta de todas las anteriores: la imagen esta limpia, sin grano ni artefactos, simplemente carece de detalle fino. Al ampliar se ve suave y plastificada, como si le hubieran pasado un filtro de reduccion de ruido.
Pasos de muestreo: cuando faltan y cuando sobran
Los pasos determinan cuantas iteraciones tiene el proceso para convertir ruido en imagen. Pocos pasos y el proceso no converge: queda ruido residual visible. Muchos pasos y simplemente gastas tiempo sin ganar nada, porque la mayoria de muestreadores convergen bastante antes de lo que la gente cree.
Los rangos utiles dependen del muestreador. Con muestreadores tipo DPM++ 2M con planificador Karras, entre 20 y 30 pasos suele ser suficiente para una imagen limpia. Con Euler a, que es estocastico y anade ruido en cada paso, conviene subir algo mas, entre 25 y 40, porque tarda mas en estabilizarse. Los muestreadores rapidos de pocos pasos, disenados para modelos destilados, funcionan en rangos muy bajos y se degradan si les subes los pasos, asi que ahi no vale la intuicion general.
La prueba diagnostica es directa: fija la semilla, genera con tus pasos actuales y genera de nuevo con bastantes mas. Si la version larga es visiblemente mas limpia, te faltaban pasos. Si es practicamente identica, el grano no viene de ahi y estas persiguiendo la causa equivocada.
El muestreador tambien importa
Cambiar de muestreador cambia el aspecto del resultado incluso con la misma semilla y los mismos pasos. Los deterministas tienden a resultados mas limpios y predecibles. Los ancestrales o estocasticos anaden variacion y textura, lo que puede ser deseable en ilustracion y molesto en fotorrealismo. Si buscas una imagen limpia y no la consigues, probar un muestreador determinista es una prueba de un minuto que a veces resuelve el problema entero.
CFG: el parametro que la gente sube por costumbre
El CFG controla cuanto obliga el sistema a seguir el prompt frente a dejar que el modelo genere libremente. Subirlo hace que la imagen se parezca mas a lo que pediste, hasta cierto punto, y a partir de ahi empieza a destruirla. El punto de ruptura depende del modelo.
Para modelos SDXL convencionales, el rango sano suele estar entre 4 y 8. Por encima de 9 o 10 empiezan a aparecer la saturacion y los halos. Los modelos destilados o de pocos pasos trabajan con valores mucho mas bajos, a veces cercanos a 1 o 2, y subirlos al rango tradicional los quema de inmediato. Antes de tocar nada, comprueba en que familia esta tu modelo, porque aplicar el rango equivocado es una de las causas mas frecuentes de imagenes quemadas.
Hay una interaccion importante entre CFG y longitud del prompt negativo. Un negativo muy largo aumenta la magnitud del vector de guia, asi que un CFG que funcionaba bien con un negativo corto puede quemar la imagen con un negativo enorme. Si alargaste el negativo y la imagen empezo a verse dura y saturada, baja el CFG o recorta el negativo. Este equilibrio esta desarrollado con ejemplos en la guia maestra de prompts.
VAE: el sospechoso silencioso
El VAE es el componente que traduce entre el espacio latente donde trabaja el modelo y los pixeles que ves. Si falta, esta mal seleccionado o no corresponde a la arquitectura del checkpoint, el resultado se degrada de una forma que no se parece a ningun otro fallo: color apagado, contraste pobre, detalles pequenos embarrados y a veces manchas de color en las sombras.
Muchos checkpoints modernos ya llevan el VAE incorporado, y en esos casos forzar un VAE externo distinto empeora las cosas en lugar de mejorarlas. Otros esperan que cargues uno concreto. La regla practica es sencilla: usa el VAE que recomienda la ficha del modelo, y si no recomienda ninguno, deja la opcion automatica. Si tu interfaz tiene un selector de VAE fijado a mano de una sesion anterior, revisalo, porque es un error clasico que te arrastra el problema entre modelos sin que te des cuenta.
La prueba de diagnostico es limpia: genera la misma semilla con el VAE actual y con la opcion automatica. Si el color y el detalle cambian de forma obvia, ya sabes donde estaba el problema. Al descargar modelos nuevos conviene leer sus notas, y la guia de Civitai explica que campos de la ficha merecen atencion antes de generar la primera imagen.
Resolucion: generar fuera del rango nativo
Cada arquitectura tiene una resolucion para la que fue entrenada, y salirse de ella produce defectos concretos. Generar por debajo produce imagenes blandas y sin detalle, porque no hay pixeles suficientes. Generar muy por encima produce duplicaciones: dos cabezas, torsos repetidos, composiciones que se replican a si mismas.
Con modelos de la familia SDXL, la referencia es aproximadamente un megapixel: 1024 por 1024 para cuadrado, y proporciones equivalentes como 832 por 1216 o 1216 por 832 para vertical y horizontal. Conviene ademas que las dimensiones sean multiplos de 64 para evitar artefactos en los bordes.
Si necesitas una imagen mas grande, el camino correcto no es pedirsela directamente al modelo, sino generar en resolucion nativa y despues escalar con un pase de difusion. Los modelos mas recientes toleran mejor resoluciones altas: la familia Flux es notablemente mas flexible en este aspecto que las generaciones anteriores, aunque sigue teniendo su rango optimo.
Escalado: donde se pierde o se gana el detalle
Hay dos tipos de escalado y confundirlos explica la mitad de las imagenes blandas que circulan. El escalado algoritmico (interpolacion clasica o redes de superresolucion) agranda lo que ya hay. No inventa detalle nuevo, y en el mejor de los casos produce bordes limpios sobre una imagen que sigue sin tener textura fina.
El escalado con difusion si genera detalle nuevo, porque vuelve a pasar la imagen ampliada por el modelo con un denoise bajo. El rango util esta entre 0.2 y 0.4. Por debajo de 0.2 apenas anade nada. Por encima de 0.5 empieza a cambiar la imagen, alterando caras y detalles que ya estaban bien. Para una foto realista, alrededor de 0.25 a 0.35 es el punto donde gana textura sin perder identidad.
El escalado por mosaicos merece mencion aparte. Divide la imagen en regiones, las procesa por separado a resolucion completa y las recompone. Es la forma de conseguir mucho detalle sin necesitar memoria de video enorme, a cambio de mas tiempo y del riesgo de costuras visibles si el solape es insuficiente. Automatizarlo como paso fijo del flujo es facil en un entorno de grafos como ComfyUI, donde el escalado deja de ser algo que haces a mano cada vez.
Causas que la gente pasa por alto
Hay tres factores que no son parametros de muestreo y que explican bastantes casos raros.
El primero es el peso de los LoRAs. Un adaptador aplicado con peso demasiado alto degrada la imagen entera: colores extranos, texturas sucias, perdida de nitidez. Si empezaste a ver problemas justo despues de anadir uno, bajalo a la mitad y compara. Varios LoRAs apilados suman efecto, asi que tres al mismo peso pueden romper lo que uno solo no rompia.
El segundo es el estilo del propio modelo. Algunos checkpoints producen un acabado suave por diseno, y no hay parametro que lo cambie porque no es un defecto sino su estetica. Si el mismo prompt y los mismos ajustes dan resultados nitidos en otro checkpoint, no estabas ante un fallo. Los modelos orientados a ilustracion como Illustrious XL o Pony Diffusion XL tienen firmas de acabado muy propias que conviene conocer antes de intentar corregirlas.
El tercero es el prompt. Terminos que describen desenfoque, poca profundidad de campo, niebla, humo, luz suave o fotografia analogica hacen exactamente lo que dicen. Si tu imagen sale borrosa y en el prompt pediste una atmosfera brumosa con desenfoque de fondo, el modelo te obedecio. Leer el prompt en voz alta buscando terminos que impliquen suavidad es una revision de diez segundos que resuelve mas casos de los que parece.
Ruido que aparece solo en zonas concretas
Hay un caso que no encaja en ninguna de las firmas anteriores: la imagen esta limpia en general pero una region concreta sale sucia, granulada o con textura extrana. Casi siempre es piel, pelo o un fondo con gradiente suave.
El motivo es que esas zonas tienen poco contraste local y muchisimo detalle de alta frecuencia, que es justo la combinacion donde los ultimos pasos del muestreo tienen mas trabajo. Un par de pasos adicionales suelen bastar, pero la solucion mas eficaz es un pase de escalado con difusion a denoise bajo, que reconstruye esa textura con mas resolucion disponible.
Si el problema es especificamente la piel con aspecto ceroso o plastificado, la causa suele ser distinta: un modelo con acabado muy suavizado, un LoRA de retoque a peso alto, o un negativo que incluye terminos de imperfeccion cutanea. Quitar esos terminos del negativo devuelve textura de forma inmediata, porque le estabas pidiendo al modelo que eliminara exactamente el detalle que ahora echas de menos.
Tabla de sintomas visuales, causa y ajuste
| Aspecto de la imagen | Causa mas probable | Ajuste concreto |
|---|---|---|
| Grano fino uniforme en zonas planas | Pasos de muestreo insuficientes | Subir a 25 o 30 pasos con muestreador determinista |
| Colores quemados, halos en los bordes | CFG demasiado alto para el modelo | Bajar al rango 4 a 8, o mucho menos en modelos destilados |
| Color lavado, manchas moradas en sombras | VAE ausente o incorrecto | Poner el VAE recomendado por el modelo o dejar automatico |
| Limpia pero sin detalle fino | Resolucion por debajo de la nativa | Generar a un megapixel aproximado, multiplos de 64 |
| Sujetos duplicados o torsos repetidos | Resolucion muy por encima de la nativa | Volver a resolucion nativa y escalar despues |
| Ampliada se ve plastificada | Escalado por interpolacion sin regenerar | Pase de difusion con denoise 0.25 a 0.4 |
| Costuras o rejilla tras escalar | Solape insuficiente en escalado por mosaicos | Aumentar el solape entre mosaicos |
| Texturas sucias tras anadir un adaptador | Peso de LoRA demasiado alto o varios apilados | Reducir el peso a la mitad y probar de uno en uno |
| Todo suave pero coherente y bonito | Estilo propio del checkpoint | Comparar con otro modelo antes de tocar parametros |
| Fondo desenfocado que no pediste conscientemente | Terminos de desenfoque en el prompt | Revisar y quitar terminos de niebla, bokeh o luz suave |
Protocolo de diagnostico con semilla fija
La regla de oro es cambiar una sola variable por generacion, manteniendo la semilla fija. Sin semilla fija estas comparando imagenes distintas y no puedes atribuir la diferencia a nada. Con semilla fija, cada cambio te da informacion limpia.
- Fija la semilla y guarda la imagen problematica como referencia.
- Lee el prompt buscando terminos que impliquen desenfoque o suavidad. Quitalos y regenera.
- Genera con bastantes mas pasos. Si mejora, era convergencia. Si no, descarta esa causa.
- Baja el CFG dos o tres puntos. Si la saturacion cae y aparece detalle, era guia excesiva.
- Cambia el VAE a automatico o al recomendado. Compara color y detalle fino.
- Verifica que la resolucion esta en el rango nativo del modelo y es multiplo de 64.
- Desactiva todos los LoRAs y regenera. Si se arregla, reactivalos de uno en uno con peso reducido.
- Prueba un muestreador determinista si estabas usando uno ancestral.
- Genera el mismo prompt en otro checkpoint. Si ahi sale nitido, el problema era el estilo del modelo.
- Solo cuando la imagen base este limpia, aplica el escalado con difusion a denoise bajo.
El orden importa: limpia primero, escala despues
Un error de flujo muy comun es intentar arreglar con escalado una imagen que tiene un problema de base. Si la generacion original tiene ruido por pasos insuficientes o esta quemada por CFG, el escalado va a amplificar ese defecto con mas resolucion. El escalado es un paso de acabado, no de reparacion.
El orden correcto es siempre: resolver el prompt, resolver los parametros de muestreo, verificar el VAE, confirmar la resolucion, y solo entonces escalar. Cada paso asume que el anterior esta bien. Saltarse el orden es la razon por la que mucha gente termina con imagenes enormes que siguen viendose mal.
Cuando el hardware si es parte del problema
Hay un caso donde el limite no es de configuracion. Si tu tarjeta grafica tiene poca memoria y estas usando modos de bajo consumo agresivos, algunas implementaciones bajan la precision de calculo, y en ciertas combinaciones eso se traduce en artefactos o en color ligeramente distinto. No es lo habitual, pero si tu imagen se degrada solo cuando activas esos modos y sale limpia sin ellos, ya tienes la explicacion.
Lo importante es no confundir eso con los defectos anteriores. Antes de culpar al hardware, recorre el protocolo con semilla fija. En una instalacion estandar de Stable Diffusion en local, el noventa por ciento de las imagenes borrosas o ruidosas se explican por pasos, CFG, VAE, resolucion o escalado, en ese orden de frecuencia. El hardware es la excepcion, no la regla.
¿Cuantos pasos de muestreo necesito realmente?
Con muestreadores tipo DPM++ 2M Karras, entre 20 y 30 basta para una imagen limpia. Con muestreadores ancestrales conviene subir a 25 o 40. Los modelos destilados de pocos pasos trabajan en rangos muy bajos y empeoran si les subes los pasos, asi que ahi no aplica la regla general.
¿Que CFG debo usar?
Entre 4 y 8 para modelos SDXL convencionales. Por encima de 9 o 10 aparecen saturacion y halos. Los modelos destilados usan valores mucho mas bajos. Si alargaste el prompt negativo, baja el CFG, porque un negativo largo aumenta la fuerza efectiva de la guia.
¿Como se si el problema es el VAE?
Por la firma visual: color apagado, contraste pobre y manchas moradas o verdosas en las sombras, con detalles pequenos embarrados. Confirmalo generando la misma semilla con el VAE automatico. Si el color y el detalle cambian de forma obvia, ese era el culpable.
¿Puedo generar directamente en resolucion muy alta?
No es recomendable salirse mucho del rango nativo del modelo, porque aparecen duplicaciones de sujetos y composiciones repetidas. Genera en resolucion nativa y amplia despues con un pase de difusion. Las arquitecturas mas recientes toleran mejor resoluciones altas, pero siguen teniendo un rango optimo.
¿Que denoise uso al escalar?
Entre 0.2 y 0.4. Por debajo de 0.2 el escalado apenas anade detalle nuevo. Por encima de 0.5 empieza a alterar caras y elementos que ya estaban bien. Para fotorrealismo, el punto dulce suele estar entre 0.25 y 0.35.
¿Por que mi imagen empeoro al anadir un LoRA?
Casi siempre por peso excesivo. Un adaptador a peso alto degrada color y nitidez de toda la imagen, y varios apilados suman ese efecto. Reduce el peso a la mitad y prueba de uno en uno hasta identificar cual esta rompiendo el resultado.
¿El escalado arregla una imagen mala?
No. El escalado amplifica lo que ya hay, incluidos los defectos. Si la generacion base tiene ruido o esta quemada, la version ampliada tendra los mismos problemas con mas resolucion. Limpia la base primero y escala solo al final.
¿Y si todo esta bien configurado y sigue saliendo suave?
Probablemente sea el estilo del checkpoint. Genera el mismo prompt con la misma semilla en otro modelo. Si ahi sale nitido, no tenias un fallo tecnico sino la estetica propia de ese modelo, y la solucion es cambiar de modelo, no de parametros.
