Transferencia de ropa con IA, sin censura

La mayor parte del trabajo con imágenes que la gente necesita de verdad no es «hazme una imagen de una cosa». Es «pon esta chaqueta a esta persona», «mete esta silla en esta habitación», «fotografía este producto en esa mano». Todos ellos necesitan material de más de una fotografía, y todos fallan de la misma manera: se adjunta una imagen, la otra se describe con palabras, y vuelve algo plausible que no es la cosa que tienes. El arreglo es más pequeño de lo que esperarías, y funciona en todas partes.

01Qué es «combinar imágenes» y dónde ocurre

Shannon 3 hace tres cosas distintas con imágenes: genera una imagen nueva a partir de una descripción, edita una imagen existente y combina dos o más imágenes en una nueva. Tienen reglas distintas, y elegir la equivocada es el primer sitio por donde se va la calidad.

Usa la combinación siempre que la imagen final necesite material de más de una fotografía: transferencia de ropa y vestuario, meter un objeto en una escena, la persona A junto a la persona B, un producto real sostenido por un modelo real, el estilo de una imagen aplicado al sujeto de otra. Si te descubres deseando poder señalar dos imágenes a la vez, esa es la operación.

Todo esto ocurre en la app de chat de Shannon, en una conversación corriente. No está en la API /v1: la API sirve texto y visión, es decir, lee las imágenes que le envías en lugar de producir otras nuevas. Si has llegado desde una búsqueda sobre la API, esa es la respuesta honesta; consulta la documentación de la API para ver qué sí sirven los endpoints. Las imágenes se renderizan en nuestro propio clúster de GPU.

Pides en lenguaje llano, en el idioma que hables. Shannon deduce que se está pidiendo una imagen, escribe él mismo la instrucción de generación en inglés y te la enseña en una tarjeta de confirmación antes de renderizar nada. No se genera nada ni se cobra nada hasta que confirmas, y en el trabajo con varias imágenes esa tarjeta es donde compruebas que los papeles y el orden han salido como querías. Shannon nunca genera sin que se lo pidan: un saludo, una pregunta o una foto adjuntada de pasada no disparan un renderizado.

02La regla: nombra el papel de cada imagen, en orden

La instrucción debe decir qué aporta cada imagen, y debe decirlo en el orden en que se dieron las imágenes. Esa es toda la técnica; todo lo de abajo es esa regla aplicada a un trabajo concreto.

La primera imagen es la base: el sujeto principal o la escena, lo que más aporte a la imagen final. Fija identidad, pose, encuadre, iluminación y todo lo que no pediste cambiar. Las imágenes posteriores son fuentes: las partes que se traen. Escribe la frase de modo que un desconocido con las imágenes en la mano y en orden pudiera hacer el trabajo a mano.

Funciona
La mujer de la primera imagen llevando el jersey de punto rojo
de la segunda imagen, de pie en el mismo parque, con la misma
pose y la misma luz de la tarde, y su cara y su pelo sin cambios.

Falla
Combina estas dos imágenes.   Fusiona las fotos.   Júntalas.

Las versiones que fallan no fallan por ser cortas, sino porque nunca dicen qué imagen es la persona y cuál es el jersey. Tres hábitos hacen fiable la regla:

• Usa lenguaje ordinal explícito. «De la primera imagen», «de la segunda imagen». Cuatro palabras y la ambigüedad desaparece.
• Di qué se queda igual. «Mantén su cara, su pelo y su pose idénticos». Nombrar las partes que no cambian es la mayor palanca de calidad de todas las operaciones de imagen de Shannon, y aquí es donde más importa, porque una composición tiene dos o más cosas de las que puede desviarse.
• Escribe prosa, no etiquetas. El modelo de imagen lee las instrucciones como un modelo de lenguaje lee una frase, así que las frases completas ganan a las palabras clave separadas por comas. Apunta a entre 30 y 80 palabras, y salta la basura de la era SDXL («masterpiece, best quality, 8k») y la sintaxis de pesos tipo (word:1.3).

Cuando una imagen contiene más de una cosa, nombra la parte que quieres de ella. Si la segunda imagen es una foto de catálogo de una modelo llevando el jersey, «el jersey de punto rojo que lleva la mujer de la segunda imagen» dice que quieres la prenda, no a la modelo. Si te quedas en «la segunda imagen», puede que también te llegue su cara.

Plantillas de papeles según el trabajo

Trabajo	Primera imagen	Segunda imagen	Forma de la instrucción
Transferencia de ropa	La persona	La prenda	«La [persona] de la primera imagen llevando la [prenda] de la segunda imagen, [lo que se queda]»
Objeto en escena	La escena	El objeto	«La [habitación] de la primera imagen con el [objeto] de la segunda imagen colocado [dónde], ajustando [la luz]»
Persona + persona	Persona A y escenario	Persona B	«El [hombre] de la primera imagen de pie junto a la [mujer] de la segunda imagen, [posiciones, miradas]»
Producto sobre persona	La modelo o la escena	El producto	«La [modelo] de la primera imagen sosteniendo el [producto] de la segunda imagen, [agarre, etiqueta hacia dónde]»
Transferencia de estilo	El sujeto	La referencia de estilo	«El [sujeto] de la primera imagen renderizado con [los ejes de estilo] de la segunda imagen, [sujeto sin cambios]»

03El error que arruina la mayoría de los intentos: describir en lugar de adjuntar

Este es el error que merece un escándalo, porque es de lejos el más común y porque parece que ha funcionado. El usuario tiene dos fotografías: su cliente y el producto de su cliente, o a sí mismo y una chaqueta que tiene. Adjunta una y escribe la otra.

El error
[adjunta una foto de una mujer]
«Ponle un jersey de punto rojo, de trenzas, más bien grueso,
con el cuello vuelto».

Lo que vuelve es una mujer con un jersey de punto rojo. Es un buen jersey. No es el jersey. El patrón de trenzas está inventado, el tinte es otro rojo, la profundidad del canalé está mal, el cuello se vuelve al revés y las pequeñas asimetrías que hacen reconocible a una prenda real — un arreglo, un enganchón, la holgura en los codos — han desaparecido, porque nada de la frase las contenía.

El texto es un canal con pérdidas y una fotografía no. Una frase cuidada transporta quizá una docena de atributos de un objeto; la fotografía transporta miles, incluidos todos los que nunca se te ocurriría escribir y los que no sabrías nombrar. Describir en lugar de adjuntar tira todo aquello en lo que no pensaste, que es la mayor parte. Adjuntar preserva el aspecto real porque el aspecto real está presente.

La prueba es sencilla. Si el sentido de la imagen es que sea esa — esa prenda concreta, esa persona, ese producto exacto, esa habitación —, adjúntala. Si podrías señalar el artículo en una rueda de reconocimiento y te importa que el resultado coincida con el que señalarías, una descripción no lo va a conseguir.

Hay un caso legítimo para describir: cuando la cosa todavía no existe, o cuando lo que quieres es una versión genérica. Diseñar un jersey que nadie ha tejido, esbozar un concepto: eso es trabajo de texto a imagen, y una descripción es lo correcto porque no hay ningún objeto real cuya identidad estés conservando. En cuanto entra un objeto real en el encargo, entra también su fotografía.

Un medio error relacionado: adjuntar ambas imágenes y aun así describir la segunda en detalle. Los adjetivos pueden pelearse con la fotografía: escribe «grueso» cuando la prenda real es de galga fina y habrás introducido una contradicción. Describe la segunda imagen solo lo justo para identificar qué parte de ella quieres.

04Transferencia de ropa y vestuario

El trabajo canónico de dos imágenes. Adjunta primero la persona y segundo la prenda. La imagen de la prenda puede ser un bodegón plano, una foto en percha, una foto de catálogo o alguien llevándola: todo vale, siempre que digas a qué parte te refieres.

Transferencia de ropa
La mujer de la primera imagen llevando el jersey de punto rojo
de la segunda imagen. Mantén su cara, su pelo, su pose y el fondo
del parque exactamente como están, con la misma luz suave de cielo
cubierto. El jersey debe caer de forma natural sobre su cuerpo, con
el patrón de trenzas y el cuello de la prenda original intactos.

Prompt negativo: patrón de trenzas deformado, mangas de más, manos
distorsionadas, tela de aspecto plástico, iluminación desajustada

Tres cosas hacen el trabajo: los papeles se nombran en orden, las partes que no cambian se enumeran en voz alta (que es lo que impide que la cara derive) y la última cláusula le dice al modelo que los detalles propios de la prenda son el objetivo; sin ella, las composiciones tienden a conservar el color y la silueta mientras alisan la textura en silencio.

• El ajuste es una afirmación física, así que hazla. «Cae de forma natural sobre su cuerpo», «entallado en la cintura», «mangas terminando en la muñeca»; si no, la prenda puede llegar con las proporciones de su origen en lugar de las de quien la lleva.
• La oclusión es el caso difícil. Si los brazos están cruzados o la correa de un bolso cruza el pecho, di qué pasa con eso. La ambigüedad ahí produce el clásico artefacto de manga derretida.
• Más prendas significa más imágenes. Primero la persona, luego la parte de arriba, luego el pantalón, luego los zapatos, y refiérete a ellos como la segunda, la tercera y la cuarta imagen de forma coherente. No cambies a «la foto del zapato» a mitad de camino.

05Meter un objeto en una escena

Aquí los papeles se invierten: la escena va primero, porque la escena es de lo que está hecha en su mayor parte la imagen final, y el objeto es la parte que se trae. Maquetas de interiores, amueblar una habitación con muebles que no has comprado, poner un vehículo en una carretera, colocar una escultura en una galería: la misma forma siempre.

Objeto en escena
El salón de la primera imagen con el sillón de terciopelo verde
de la segunda imagen colocado junto a la ventana de la izquierda,
ligeramente girado hacia la cámara y con una altura en cuadro de
más o menos la cintura. Ajusta la luz cálida de última hora de la
tarde de la habitación, con una sombra suave cayendo a la derecha
del sillón sobre la alfombra. Mantén sin cambios el resto de la
habitación y el ángulo de cámara.

Prompt negativo: objeto flotante, bordes recortados, sombras
duplicadas, temperatura de color desajustada

El modo de fallo aquí no es la identidad, es la física. Un objeto que conserva su propia iluminación parece pegado, y los espectadores lo detectan al instante aunque no sepan decir por qué. Gasta tus palabras en las tres cosas que la fotografía de un objeto aislado no puede saber: la colocación (dónde en el encuadre, respecto a qué), la escala en términos de la escena y no en centímetros («más o menos a la altura de la cintura», «tan alto como el picaporte») y la luz y la sombra: dirección, calidad y dónde cae la sombra. Esto último es lo que convierte un montaje en una fotografía.

06La persona A junto a la persona B

Dos personas que nunca estuvieron en la misma habitación: fotografías familiares entre generaciones, un retrato de fundador cuando el cofundador estaba de viaje, un cartel con dos intérpretes. Funciona, y necesita dos cosas que los trabajos de un solo sujeto no necesitan.

Dos personas
El hombre de la primera imagen de pie junto a la mujer de la
segunda imagen, los dos en la misma terraza de piedra de la
primera imagen. Él está a la izquierda, ella a su derecha, casi
rozándose los hombros, ambos mirando a la cámara a la misma altura
de ojos. Mantén las dos caras, los peinados y la ropa exactamente
como en sus propias fotografías, e ilumina a los dos con la misma
luz suave del atardecer desde la izquierda.

Lienzo: landscape
Prompt negativo: tono de piel desajustado, extremidades duplicadas,
línea de costura entre los sujetos, iluminación irregular

Los dos extras: la geometría relativa — quién está a qué lado, a qué distancia, adónde va la mirada de cada uno y la altura relativa, ya que dos retratos recortados de forma distinta no le dan al modelo forma de saber que una persona es una cabeza más alta — y una única luz compartida, enunciada explícitamente, porque estás fusionando dos entornos de iluminación y uno tiene que ganar.

Aquí es también donde elegir una nueva relación de aspecto del lienzo se gana el sueldo: dos fuentes en orientación vertical dan una mala foto de grupo en vertical, así que pide landscape o wide. Y di lo obvio una vez: meter a una persona real en una imagen en la que no estaba es potente y no es automáticamente inocuo. Ten los derechos o el consentimiento; nuestra política de uso responsable es la versión corta.

07Producto sobre persona y fotografía de producto sin censura

Comercialmente, esta es la composición que se paga sola. Tienes una foto de producto sobre blanco y tienes una modelo, una mano, una cocina, un banco de trabajo. Combinarlos te da una fotografía de estilo de vida sin un día de estudio, y con tu producto real dentro en lugar de una aproximación generada, que es toda la diferencia entre material de marketing utilizable y una maqueta por la que tienes que pedir disculpas.

Producto sobre persona
La mujer de la primera imagen sosteniendo el frasco de sérum de
cristal ámbar de la segunda imagen con la mano derecha, levantado
a la altura del pecho, con la etiqueta mirando a la cámara y
totalmente legible, y los dedos rodeando el frasco de forma natural
sin tapar la etiqueta. Mantén su cara, su pelo y el fondo de la
cocina sin cambios. Rodado en Kodak Portra 400, 85mm f/1.4, con
luz suave de ventana desde la izquierda.

Lienzo: portrait
Prompt negativo: texto de la etiqueta deformado, dedos de más,
frasco flotante, reflejos duplicados, piel de plástico

Dos añadidos propios del trabajo de producto. El agarre: las manos sujetando objetos son donde más se tuerce la composición, así que di qué mano, a qué altura y que los dedos la rodean de forma natural sin tapar la etiqueta. El tratamiento fotográfico: nombra una cámara, un objetivo y una película o fuente de luz. La salida debe leerse como una fotografía que se tomó, no como dos fotografías que se combinaron, y escribirla como una fotografía es lo que te lleva ahí.

Lo de «sin censura» importa aquí de una forma más mundana de lo que suena. Los generadores filtrados rechazan categorías enteras de comercio corriente y legal: catálogos de lencería y de baño, tabaco y hardware de vapeo, alcohol, accesorios de armas de fuego, productos de bienestar adulto, cannabis donde es legal, dispositivos médicos, equipamiento táctico y de caza. También rechazan el trabajo de marca e imagen personal hecho por el titular de los derechos. Nada de eso es un caso límite; es un martes cualquiera en una agencia. Shannon no tiene filtro de contenido en la ruta de generación ni capa de rechazo en el modelo que escribe el prompt, así que el trabajo sale adelante y la cuestión de los derechos se queda contigo, que es donde corresponde.

08El estilo de una imagen, el sujeto de otra

Primero el sujeto, segundo la referencia de estilo. Lo que hace distinto este trabajo es que estás tomando prestada una cualidad y no un objeto, así que tienes que nombrar qué cualidades y decir que el sujeto y la composición propios de la referencia no vienen incluidos.

Referencia de estilo
El retrato del hombre de la primera imagen renderizado con el
estilo visual de la segunda imagen: la misma paleta apagada de
verde azulado y ocre, textura visible de pincel seco e iluminación
plana y uniforme. Mantén su cara, su expresión y su pose
reconocibles y sin cambios. No traslades el sujeto, el fondo ni la
composición de la segunda imagen.

Prompt negativo: segunda cara, fondo prestado, textura fotográfica

Nombra los ejes de estilo explícitamente, porque «con el estilo de la segunda imagen» por sí solo está poco especificado: paleta (o colores exactos, escritos como color #8B0000 adjuntos a un objeto nombrado), pincelada o grano, calidad de la luz, grosor de línea, nivel de abstracción, tratamiento de los bordes. Elige los dos o tres que definen el look; nombrar los seis los promedia. Y no mezcles indicaciones contradictorias: «fotorrealista» más «acuarela» produce un enredo, no una mezcla. Si quieres una fotografía que solo toma prestada una paleta, dilo exactamente así.

09Prompts negativos y elegir una nueva relación de aspecto del lienzo

Dos capacidades que existen para la combinación y la edición pero no para el texto a imagen, y las dos están infrautilizadas.

El prompt negativo

Combinar imágenes admite prompt negativo. Los artefactos no deseados van ahí, y es importante que vayan ahí y no a la instrucción, porque escribir «sin dedos de más» en la instrucción principal nombra aquello que intentas evitar en el mismo aliento que todo lo que sí quieres. Pon las exclusiones en su propio canal. Las entradas que se ganan el sitio de forma constante:

• Anatomía — dedos de más, extremidades duplicadas, manos malformadas, segunda cara.
• Delatores de montaje — bordes recortados, línea de costura visible, objeto flotante, sombras duplicadas, halo alrededor del sujeto.
• Iluminación desajustada — temperatura de color desajustada, dirección de sombra incoherente, exposición desigual entre sujetos.
• Fallos de textura — piel de plástico, tela alisada, texto de la etiqueta deformado, logotipo ilegible.

Limítate al puñado que sea plausible para tu imagen. Un prompt negativo que enumera treinta cosas es una instrucción difusa, no una fuerte.

La relación de aspecto del lienzo

Editar una sola imagen hereda automáticamente la relación de aspecto de la imagen de origen: hay un único original y su forma es la respuesta. La combinación no tiene ese valor por defecto, así que puedes elegir una nueva relación de aspecto del lienzo, y a menudo deberías, porque la forma que le iba bien a una fuente rara vez le va bien a la composición.

Formato	Mejor para	Uso típico en composición
square	Por defecto, feeds sociales	Un solo sujeto con un elemento transferido
portrait	Personas, sujetos altos	Transferencia de ropa, producto sostenido por una modelo
landscape	Paisajes, grupos	Dos personas una al lado de la otra, objeto colocado en una habitación
wide	Encuadre cinematográfico	Fotos de grupo, escenas de producto en entorno, banners
tall	Carteles, fondos de pantalla de móvil	Fotos de ropa de cuerpo entero, maquetas de cartel

Una petición explícita siempre gana. Si no dices nada, obtienes square, la forma equivocada para casi todo el trabajo de dos personas y de ropa de cuerpo entero, así que merece una palabra.

10Qué imágenes usa Shannon: la conversación frente a este mensaje

Hay dos formas de que una imagen entre en una composición, y saber en cuál te apoyas evita casi todos los líos de orden.

Adjunta al mensaje actual. La vía directa: adjunta todo al mensaje que lleva la instrucción, en el orden en que vas a referirte a ello, y «primera imagen» y «segunda imagen» significan exactamente lo que parece. Que esta sea tu opción por defecto.

Ya en la conversación. Las imágenes enviadas antes en el hilo siguen disponibles y se pueden referenciar en lenguaje corriente: «la foto que envié antes», «la imagen del jersey de antes», «la segunda versión que hiciste». Shannon resuelve la referencia contra el hilo, lo que es realmente cómodo en una sesión larga: puedes iterar sobre un resultado y luego traer un elemento nuevo sin volver a subirlo todo.

La salvaguarda es la misma en ambos casos. La tarjeta de confirmación muestra la instrucción antes de renderizar nada, incluido el orden que eligió. Léela. Si los papeles han salido al revés — el jersey como base, la persona como fuente —, dilo y se arregla antes de generar o cobrar un solo píxel. Aun así, cuando un hilo es largo y está lleno de imágenes, vuelve a adjuntar las que necesites: seis imágenes atrás, «la segunda imagen» es ambiguo para cualquier lector.

Pedirle a Shannon que mire una imagen — describirla, leer la etiqueta, decirte de qué es la tela — es trabajo de visión corriente, no una generación. No cuesta nada extra y es una buena comprobación antes de componer: si la descripción de Shannon no menciona el detalle que te importa, tu instrucción tiene que nombrarlo.

11Sin censura, y qué significa eso en realidad

No hay filtro de contenido en la ruta de generación ni capa de rechazo en el modelo que escribe el prompt. La composición es donde las herramientas filtradas fallan de forma más visible, porque un sistema de rechazo no sabe distinguir entre combinar imágenes que te pertenecen y combinar imágenes que no deberías tener, así que bloquea las dos.

El trabajo que esas herramientas rechazan de forma rutinaria no es exótico: desnudo artístico y estudio de figura, ilustración médica y forense, imágenes de investigación de seguridad, violencia en ficción para portadas de libro y arte de videojuegos, sátira política y las categorías de producto legales enumeradas más arriba. Todas son trabajo profesional legítimo que un filtro de palabras clave no puede distinguir de un mal uso.

Sin censura no significa sin responsabilidad. Estás aportando fotografías de objetos reales y a menudo de personas reales; los derechos y el consentimiento son tuyos, y también la responsabilidad por el resultado. Shannon Lab LLC es una empresa de Nuevo México que opera bajo una política de uso responsable publicada, que merece cinco minutos antes de empezar a trabajar con la imagen de otras personas.

12Límites que conviene conocer antes de empezar

No hay generación de vídeo. Shannon no anima imágenes y no produce vídeo, de ninguna forma, a partir de ninguna de estas operaciones: ni de una sola imagen, ni de una composición, ni como opción experimental. Si tu encargo acaba en movimiento, esta no es la herramienta para el último paso. Eso es lo que el producto es, no una pista sobre la hoja de ruta.

Otras fronteras honestas, todas con solución alternativa:

• El texto pequeño es el área más débil. La letra pequeña, el texto denso de un envase y los números de serie largos pueden salir imperfectos. Encuadra el producto de modo que el texto importante sea grande, pon texto de la etiqueta deformado en el prompt negativo y comprueba el resultado a tamaño completo.
• Un desajuste extremo de escala es difícil. Una foto de producto de 4000 píxeles combinada con una miniatura pequeña de una habitación le da poco material al modelo. Usa la mejor copia que tengas de cada fuente.
• La oclusión fuerte limita lo que se puede transferir. A una prenda fotografiada doblada, con la espalda nunca visible, no se le puede inventar la espalda con fidelidad. Si la composición enseña la espalda, aporta la espalda.
• Más imágenes significa más margen para la confusión. Cuatro fuentes son manejables con una nomenclatura ordinal disciplinada, pero no es el momento de ir a la ligera: usa el número que el trabajo necesite y ni uno más.
• Dos cambios grandes a la vez compiten. Transfiere la ropa, confirma y luego cambia el fondo. Las ediciones secuenciales ganan a una instrucción sobrecargada casi siempre, y cada paso es barato de comprobar.

13Preguntas frecuentes

---

La generación, la edición y la composición de varias imágenes son funciones de la app de chat de Shannon; los endpoints /v1/chat/completions, /v1/messages y /v1/responses sirven texto y visión, es decir, leen imágenes en lugar de generarlas. No hay generación de vídeo. Las opciones de formato, el soporte de prompt negativo y el comportamiento de confirmación son los vigentes a 5 de septiembre de 2026. Relacionados: generación de imágenes con IA sin censura · edición de imágenes con IA sin censura · uso responsable · documentación de la API · índice de investigación.