Flujo de trabajo de ComfyUI: herramientas de IA gratuitas para hacer crecer tu juego para móviles en 2026

En este vídeo, tratamos los siguientes temas:

• 🇨🇳 La diferencia entre la adopción de la IA en Occidente y en China, y los modelos de código abierto.

• 🖥️ El hardware y el software que necesitas (requisitos de la GPU y ComfyUI).

• 🎨 Un análisis en directo de los flujos de trabajo de generación de imágenes, incluyendo los “Detailers” y técnicas específicas de renderizado.

Aprovechamiento de la IA de código abierto para la captación de usuarios de juegos para móviles

Roman: Hola a todos, bienvenidos a otro episodio de «ROI 101». Soy Roman, de Tenjin, y hoy me acompaña Jakub, de Two and a Half Gamers. ¡Hola, Jakub!

Jakub: Hola, hola a todos. Genial, gracias por recibirme. Para los que no me conozcan, soy Jakub, de Two and a Half Gamers. 

Roman: ¿A qué te dedicas, Jakob? Una breve presentación para quienes quizá no sepan quién eres. 

Jakub: Bueno, llevo ya unos diez años en la industria de los videojuegos, sobre todo en la de los juegos para móviles. Últimamente, llevo unos tres años trabajando, más o menos, como consultor independiente. Pero, claro, sí, dirigimos el podcast «Two and a Half Gamers» con Félix y Matteo, que el mes que viene cumplirá cuatro años, así que ya lleva bastante tiempo, supongo. 

Roman: Parece que dura mucho más, tío. Parece que dura mucho más. No sé qué te parece a ti.

Jakub: Sí, sí, sí. Esa es la rutina. Pero sí, trabajo con varios estudios de videojuegos de todo el mundo, e incluso con gente ajena al sector últimamente, porque, con todo lo de Duolingo —ya sabes, las apps que prácticamente se están apoderando de la App Store—, buscan nuestros conocimientos técnicos. Y muchas veces encaja a la perfección, ya que, como sabes, necesitan sistemas de progresión, monetización y todas esas otras cosas, como el diseño de sistemas, básicamente.

Roman: Sí, sí. Hemos visto lo mismo con las aplicaciones: hay una cantidad enorme. Pero bueno, nos reunimos en Modictum con Jakub y decidimos que queríamos hablar de la IA. Claro, todavía estamos en 2025, así que tenemos que hablar de la IA.

Vamos a ponernos manos a la obra, Jakub. Va a ser una charla espontánea. No tenemos un orden del día. Simplemente veremos lo que Jakub tiene que enseñarnos y yo le haré un montón de preguntas.

Jakub: Sí, sí. Hay un montón de cosas, y sí, supongo que esto será, con suerte, lo más práctico posible, porque no va a ser una de esas charlas del tipo: “La IA te va a quitar el trabajo, la IA será esto, la IA será aquello”, y así sucesivamente. Esto irá más bien sobre lo que puedes hacer ahora mismo, de forma totalmente gratuita, y que tiene un impacto enorme. Así que empecemos por ahí.

Jakub: Vale, pues supongo que, sí, para los que nos estén escuchando, en el mejor de los casos, probablemente podáis verlo en YouTube o por ahí, porque vamos a compartir la pantalla, y supongo que a partir de ahora será una especie de procedimiento habitual. 

Pues sí, antes de pasar a esta bonita imagen, a la que llegaremos en un momento, echemos primero un vistazo a algunas de las cosas que realmente están arrasando en el mercado en estos momentos, que son, básicamente, las creaciones generadas por IA.

Los contenidos creativos generados por IA son, en realidad, la visión más impactante —por así decirlo— y más superficial de la IA que vemos en el mercado. Es uno de los aspectos más importantes en el contexto actual, ya que la adquisición de usuarios (UA) es más importante que el producto este año y lo será aún más el año que viene, y así sucesivamente. 

Hace unos años no era así, pero ahora sí lo es. Y si quieres poner el mejor ejemplo, solo tienes que fijarte en King Shot. King Shot es el juego más importante de este año. Se lanzó más o menos en febrero y, actualmente, está generando alrededor de un millón y medio, casi dos millones al día. 

Y todo se basa en este tipo de anuncios engañosos, con una presentación falsa, pero una jugabilidad real, al estilo 4X, que en realidad se copió de «Thronefall», que era el juego de Steam.

(Ya está.) Estuvo bastante bien, pero, de nuevo, muy accesible.

Pero lo que ocurre es que, básicamente, amplían tanto el embudo porque resulta muy accesible. Los usuarios ven estos anuncios falsos. Luego, cuando entran en el juego, ven que la jugabilidad es la misma que la de los anuncios, lo que significa que, al igual que los anuncios falsos, la incorporación falsa se compensa por sí misma. Por lo tanto, ya nada es falso, y es exactamente lo que has visto en los anuncios. Pero, poco a poco, el juego te va llevando hacia un modelo 4X o algún otro motor de alto LTV que solemos ver.

Esto se está extendiendo también a otros géneros, como el «Social Casino». Ya verás cuando publiquemos el próximo episodio en el canal. Verás cómo esta estrategia de «cebo y cambio» también funciona allí. 

Y todo esto es posible, una vez más, porque la creatividad y el marketing son la clave de todo este sistema. Y las soluciones creativas basadas en IA —no digo que no se pueda hacer sin ellas—, pero lo facilitan enormemente, lo que, de nuevo, te proporciona volumen, porque para esto se necesita volumen.

Y los creativos generados por IA están muy extendidos hoy en día. Creemos que nuestra predicción es, básicamente, que para finales de 2026 habrá alrededor de 50% de todos los creativos de UA que, o bien incluyan elementos generados por IA, o bien estén realizados íntegramente por IA. Por ejemplo, aquí tienes uno. El que mostré antes era, en realidad, una especie de gancho, y luego estaba el contenido creativo del juego real y demás. Este es el que está generado íntegramente, en el que tendrías cosas como… ya ves aquí, generado por completo en un editor de imágenes y vídeo, y solo tienes que utilizarlo como contenido creativo, y eso es todo, básicamente.

Así que, una vez más, no vamos a hablar de que “la IA te quita el trabajo” o «la IA hace esto». Estamos hablando, literalmente, de las últimas tendencias del mercado en este momento y de cómo aprovecharlas. Así que, si tu equipo creativo no está utilizando la IA, ya te has quedado atrás. Esa es, básicamente, la situación.

Entonces, ¿cómo llegamos realmente a esto? ¿Y cómo se hacen estas cosas? ¿Y, por ejemplo, algún detalle más concreto sobre la generación? 

Porque, como ya he dicho, estos días no voy a hablar de ningún otro caso de uso de la IA, ya que, en mi opinión, la clave está en dominar el proceso de adquisición de usuarios y, además, aprovechar esto para aumentar tu volumen.

Por supuesto, hay cosas como… digamos, ya sabes, es solo un ejemplo. Aquí tienes un ejemplo de YouTube que he encontrado en el que, de nuevo, puedes usar eso de ComfyUI —que es lo que estoy utilizando hoy— y generar recursos 3D a través de él. Una vez más, la generación de IA de código abierto no se limita únicamente a imágenes y vídeos. Básicamente, puedes generar lo que quieras, en cualquier formato, siempre y cuando dispongas del modelo de código abierto correspondiente. Lo de ComfyUI que voy a mostraros es, por así decirlo, el marco para ello. Pero puedes crear desde audio, recursos 3D, recursos 2D, sprites 2D… Es decir, puedes generar lo que quieras, básicamente, y de forma totalmente gratuita, como he dicho, siempre y cuando tu tarjeta gráfica sea capaz de soportarlo.

Así que ahí está. Así que no pienses simplemente: “Ah, sí, esto son solo imágenes y vídeos, y no nos va a servir de nada”. Podemos hacer prácticamente de todo, porque creo que los equipos del futuro irán en esta dirección: todos lo personalizarán. Porque esa es la mayor diferencia con respecto al enfoque occidental de las herramientas de IA de «caja negra», que son, de nuevo, completamente cerradas —en el sentido de que solo puedes introducir, no sé, indicaciones positivas, indicaciones negativas y luego algún pequeño ajuste—, mientras que si nos fijamos en lo que realmente podemos hacer hoy en día… Sí, es realmente impresionante lo que se puede hacer y lo que realmente se puede crear, comprobar y cosas por el estilo.

Te da total libertad, algo incomparable. Y, como he dicho, lo que quiero decir es que los equipos del futuro crearán sus propias herramientas y sus propios modelos de datos, así como conjuntos de datos antiguos, que luego utilizarán en gran medida a través de estos modelos de IA de código abierto. Porque esa es la actitud, o digamos que esa es la forma en que lo aborda China. 

Por ejemplo, China está inundando actualmente el mercado con todos estos modelos de código abierto porque forma parte de su política, que consiste en: “Vamos a poner estos modelos al alcance de la gente. De este modo, controlamos el ecosistema”. En lugar del enfoque occidental, que es más bien: “Tenemos estas gigantescas empresas como OpenAI que están haciendo lo mejor en todo”, pero, de nuevo, no es tan favorable como en China. 

En China, la comunidad también está impulsando estos modelos porque les están añadiendo todo tipo de complementos y cosas así. Imagínatelo básicamente como Skyrim. Skyrim se sigue jugando a día de hoy y es uno de los mejores juegos de rol del mundo. ¿Por qué? Porque cuenta con una enorme comunidad de modders que lo revitaliza, lo parchea, lo mejora, etcétera. Ese es, básicamente, su enfoque.

Roman: …Tu primer contenido creativo, cuando empezamos. Tenía caracteres chinos, y yo ya —porque también sigo el canal— sé que tienes a gente de China que comparte cosas de locos. 

Y esto me lleva a mi primera pregunta: ¿te parece que van por delante del resto en lo que respecta a la adopción de la IA? Y, bueno, está claro que tu respuesta es «sí», ¿verdad?

Jakub: Yo diría que sí. No solo sus modelos —que, como ya he dicho, son de código abierto, por lo que puedes personalizarlos y utilizarlos a tu antojo—, sino que el enfoque y el proceso también son, una vez más, diferentes en China. 

Porque, una vez más, esta es la gran diferencia entre Occidente y Oriente: la captación de usuarios es la tarea más importante en el sector de los videojuegos para móviles en China. En Occidente, no lo es. 

En Occidente, suele tratarse de un producto. El producto —ya sea en cuanto al diseño o, ya sabes, a las operaciones en vivo, la gestión de proyectos, la monetización y cosas por el estilo—. Esa es la parte más importante, el núcleo de todo. La captación de usuarios para ellos [China] es, de nuevo, como ya he dicho, la parte más importante, porque además el producto está a la altura en todo el sector allí. Así que su producto ya es excelente de por sí. Pero sí, eso es tema para otra conversación en otro momento.

Roman: Pero, ¿pueden los occidentales adoptar este tipo de... bueno, los modelos son de código abierto, como has dicho?

Jakub: Sí. De nuevo, pueden hacerlo. Ya sabes, hay IA por todas partes, así que básicamente no hay barrera lingüística si sabes cómo usarlas. Es algo artificial. Es, ya sabes, una cuestión de esfuerzo. Tienes que esforzarte un poco y, entonces, lo consigues. 

Pero, aparte de eso, bueno, sí, es bastante fácil. Es decir, yo puedo hacerlo. No soy programador. Soy diseñador de videojuegos. Sé manejar hojas de Excel para matemáticas y economía, pero no sé programar, y aun así he podido hacer todo esto. Así que no es tan difícil. Sí, todo el mundo puede hacerlo.

Y, una vez más, se trata simplemente de que la gente de Occidente se está durmiendo en los laureles, cuando en realidad deberían estar haciendo estas cosas por todas partes. Pero bueno, ya nos pondremos con ello.

Bueno, como decía, cómo hacer estas creaciones y cómo llegar siquiera a algunas de estas cosas. Porque, de nuevo, se puede hacer y sigue siendo bastante fácil, a través de Nano Banana o ChatGPT, o cualquier otro generador de imágenes de Occidente. Se pueden conseguir resultados geniales. No me malinterpretes. 

Esto es algo más avanzado y, digamos, más personalizable, por todo lo que puedes hacer y crear. Por ejemplo, puedes crear tu propio LoRA. Ya veremos más adelante qué significa eso. Pero, básicamente, significa que creas tu propio conjunto de datos a partir de tu arte, tu arte personalizado, lo que quieras hacer, y lo añades a un modelo. De este modo, el modelo genera de repente una obra de arte que parecería salida de la mano de un artista, algo que realmente no se puede hacer con GPT ni con estas otras herramientas.

Porque, tal y como yo lo veo, actualmente, por ejemplo, todas las grandes empresas —y me refiero a empresas como, no sé, Blizzard, CD Projekt Red y todas esas otras empresas— probablemente ya estén creando sus propios modelos, que se alimentan exclusivamente de sus propios datos, lo que significa que, una vez más, están creando ejércitos de estos artistas a los que de repente podrán utilizar, lo cual es totalmente legal. Esto se debe a que, de momento, no existe ningún derecho de autor, y solo están utilizando el modelo, no el material de entrenamiento. Pero sí, esa es, una vez más, una de esas cosas.

¿Qué tal tiene de aspecto y qué hay ahí? Pues esto es ComfyUI. Empecemos quizá con un flujo de trabajo un poco más sencillo hasta llegar a las cosas más complicadas. Insisto, es bastante fácil. Una vez que te acostumbras, las indicaciones son muy intuitivas. Solo tienes que descargarlo de Hugging Face. Hugging Face es un gran repositorio para programadores con todas las bases de datos, modelos y demás. Todo es de código abierto en Internet.

Y lo importante es que… te pones a mirar esto y piensas: “Vaya, esto es tan… ¿cómo lo has creado?”. No, no lo piensas. No hace falta. Es muy fácil porque todas estas cosas que ves aquí, por ejemplo, estos flujos de trabajo que tengo aquí, simplemente los coges de otra persona. 

Es decir, si eres un auténtico experto, puedes, literalmente, ponerte a: “Vale, añado un nodo y un montón de aristas entremezcladas aquí y hago esto de la programación visual”, que, ya sabes, va desde aquí, desde aquí y desde aquí. Puedes hacerlo tú mismo, pero yo no lo hago. Porque, por ejemplo, este que tengo aquí —el grande—, sí, para mí es imposible. 

Pero, de nuevo, lo que tienes que hacer es: te conectas a Internet, lees la guía y, en la guía, tienes todo esto, más o menos. Y, de nuevo, alguien ya lo ha hecho por ti. Así que no te... Quizás quitemos esto para que resulte un poco más agradable a la vista. No te asustes y no pienses: “Ay, esto es horrible”. Como he dicho, yo pasé por todo esto. No tenía ni idea de nada de esto, y prácticamente a base de prueba y error, te acabas enterando bastante rápido. No es tan difícil.

Y mi consejo número uno a la hora de trabajar con estas herramientas: sean cuales sean los errores o las cosas que tengas ahí, simplemente mételos en ChatGPT, y te lo explicará en un lenguaje sencillo, del tipo: “Tienes que hacer esto, tienes que hacer aquello, tienes que hacer esto”. Y es genial porque, de nuevo, tenemos que darnos cuenta de que, de repente, tenemos esta IA que está, literalmente, ahí mismo, en un rincón, a nuestra disposición, a la que podemos preguntarle cualquier cosa y que hará cualquier cosa por nosotros. 

Así que todas esas cosas —como “no entiendo esto, no entiendo aquello”— no importan, porque, de nuevo, si se lo pasas a la IA, ella te lo dirá. Y sobre todo en el caso del código de programación. Al instante, corregirá los errores y hará las cosas por ti. Así que, de nuevo, se trata de una barrera basada en el esfuerzo, nada más.

Bueno, si nos centramos en lo básico… 

Roman: A ver si podemos aclararlo, quizá para el más joven. ¿Esto es lo que se utilizó para crear uno de esos anuncios que estás mostrando en la parte inferior [de la pantalla]?

Jakub: Sí, sí. Bueno, tomemos este como ejemplo. ¿Cómo se usa esto? ¿Cómo se generan? 

Así que, por ejemplo, esta: se trata de una imagen que se pasa por un generador de vídeo que la anima, y luego se integra en una película o, básicamente, en un contenido creativo. Porque cada uno de estos cortes supone, por lo general, otra imagen y otra generación. Así que para hacer esto… por ejemplo, este ya requiere un flujo de trabajo un poco más avanzado porque lo que tenemos aquí es un personaje coherente, que es algo que, bueno, no se ve todos los días.

Así que, de nuevo, para esto se utiliza ComfyUI, donde hay flujos de trabajo que garantizan la coherencia del personaje. Literalmente, creas un personaje y, a partir de ese momento, lo guardas como si dijeras: “Este es mi personaje”. Y luego todas las generaciones pueden basarse en ese personaje. Por lo tanto, acabas con algo como esto, en lo que dije algo así como: “Vale, que mi personaje se siente por la tarde en la oficina”, y ahí lo tienes.

Y el generador de vídeos es, en cierto modo, la guinda del pastel. No es tan difícil. Lo importante de, digamos, la generación creativa de vídeos, es en realidad la propia imagen. Y es que el flujo de trabajo al que siempre se recurre es el de «imagen a vídeo», no el de «texto a vídeo». 

Muchas veces, la gente se limita a convertir texto en vídeo. Es decir, vas a un generador de imágenes, haces algo, introduces un texto y este genera algo, lo cual está muy bien, pero no tienes control. Ese es el gran problema. No tienes control sobre cómo queda, cómo se ven los personajes, cómo es el entorno… cómo queda todo. 

Así que, una vez más, la clave para la generación de vídeos —o de cualquier cosa— es la generación de imágenes. Esa es la regla número uno que se aprende con estas cosas. 

Por lo tanto, si quieres crear creatividades excelentes, primero tienes que dominar la generación de imágenes. Una vez que domines la generación de imágenes, el primer fotograma siempre empezará con tu imagen, y a partir de esa imagen podrás crear la creatividad y hacer prácticamente lo que quieras.

Entonces, ¿cómo llegamos a la generación de imágenes? Bueno, como he dicho, hay que instalar herramientas como ComfyUI. También puedes usar Nano Banana o cualquier otra; cualquiera vale. Pero esta es, sin duda, una forma mucho mejor de tener control. Así que repasemos este flujo de trabajo tan sencillo, cómo funciona y qué tenemos aquí.

Pues bien, este es el Z Image Turbo, el último modelo de Alibaba que, literalmente, se ha apoderado de Internet en el último mes. Para quienes no lo sepan, es algo inédito porque se trata de un modelo muy pequeño —literalmente, con unos 6.1 mil millones de parámetros— y es extraordinariamente bueno. Pero bueno, voy a repasar esto muy rápidamente.

Así que aquí, por ejemplo, tenemos el modelo base, que está cuantificado. «Cuantizado» significa que, para poder utilizar estos modelos —algunos de ellos—, no disponemos de las tarjetas gráficas de gama alta, por lo que la comunidad, una vez más, crea versiones más ligeras de estos modelos para reducir los requisitos de VRAM, aunque también se sacrifica un poco la calidad. Eso significa que puedo ejecutarlo en mi tarjeta gráfica 3080 Ti, que tiene 12 GB de VRAM, aunque la versión base de este modelo requiera 16.

Así que, literalmente, te conectas a Internet y, de nuevo, en la propia guía —que tengo aquí, por ejemplo— puedes encontrarlo. Así que tienes estos repositorios. Por ejemplo, la versión cuantificada del modelo: puedes ir reduciendo el tamaño hasta llegar a archivos pequeños, de unos 2 gigas o lo que sea, y puedes ejecutarlo incluso en una tarjeta con 6 gigas de VRAM.

Roman: Entonces, el primer paso es, en realidad, comprarse un buen ordenador. ¿Es eso? Jaja. 

Jakub: Jaja, sí, necesitas un buen ordenador. Así que necesitamos al menos, diría yo, entre 8 y 10 GB de VRAM, con una GPU de NVIDIA. Esto no funciona con AMD. Quizá funcione de forma experimental, pero necesitas una GPU con núcleos CUDA. Ese es el primer paso. Una vez que tengas esto, necesitas ComfyUI. De nuevo, puedes conseguirlo en Internet, es muy fácil. Es solo un repositorio de Hugging Face. 

Además, te recomiendo instalar ComfyUI Manager, que es simplemente el paquete de complementos de interfaz de usuario; básicamente, una utilidad que, de nuevo, te evita tener que ir a la página web y descargarlo manualmente. Solo tienes que hacer clic en él y se descargará inmediatamente desde GitHub.

Y una vez que tengas esto, de nuevo, solo tienes que arrastrar elementos. Literalmente, puedes ir aquí y arrastrar una imagen hasta aquí, y la imagen y sus metadatos crearán el flujo de trabajo si están incrustados en ella. Esa es precisamente la ventaja. Es decir, realmente no hace falta crear todo ese lío de código visual. Simplemente tendrá el… por ejemplo, este es un ejemplo de flujo de trabajo que hay en la web. Fue algo así como: «pon una imagen, y ya está».

Bueno, volviendo al tema: ¿qué tenemos aquí?, ¿qué aspectos puedes controlar y qué es lo que te proporciona los resultados? Aquí tenemos el modelo base, como ya he dicho: el codificador de texto y el modelo en sí. Está cuantificado, así que tiene menor calidad y consume menos VRAM, lo que nos permite ejecutarlo. Luego tenemos opciones como “shift”. Esto es específico del modelo. Es más bien como un control deslizante de contraste. Así que menos «shift» significa más contraste. Más «shift» significa menos contraste. Eso es lo que hay.

Luego tenemos la indicación positiva. Sí, ya llegaré a eso: cómo lo conseguí. Y la indicación negativa. Si lo entiendo bien, este no funciona muy bien con indicaciones negativas. Es que, de nuevo, algunos generadores de imágenes ni siquiera tienen eso. Como Flux, por ejemplo: no tienen una indicación negativa. Luego tenemos el tamaño de la imagen, que es simplemente un cuadrado de 1024 bits por 1024 bits. Podríamos aumentarlo a 2K, o incluso más. El problema es que tardará más en cargarse, y no lo necesitamos para este vídeo. Así que ahí queda eso.

Roman: Jakub, una pregunta rápida. ¿También se basa en el esfuerzo, como dijiste al principio, para poder entender todo lo que realmente...—

Jakub: Sí. Como he dicho, no tengo conocimientos de programación, ni de informática, ni nada de nada. Mi formación es en psicología. Es que no hace falta nada. Aún así, puedes conseguir estas cosas. Como he dicho, por ejemplo, podemos incluir en el vídeo el tutorial con las instrucciones paso a paso. Hay un tutorial de unos 40 minutos, pero la mayor parte del contenido… ni siquiera es un tutorial. Es simplemente un tipo que repasa las diferencias entre estos modelos —Z Image, Flux y Qwen—; es más bien una comparación.  

Jakub: En realidad, cuando te guía por el gestor de archivos y te explica cómo instalarlo… eso te lleva unos 10 minutos, la verdad. No es que haya que hacer esto y lo otro y que sea súper difícil. No, para nada. Solo son cuatro o cinco clics. Además, tienes ChatGPT justo a tu lado, así que si no lo entiendes, solo tienes que decirle: “No entiendo esto. ¿Qué debo hacer?”. Él te lo dirá. Es así de fácil.

Por ejemplo, no entendía qué modelo cuantificado debía elegir para mi tarjeta gráfica. Y sí, esto es lo que me indicó. Así que, literalmente, pegué el repositorio de ahí, y me dijo algo así como: “Vale, ve aquí, y estos son los modelos. Así que, si tienes entre 10 y 12 GB de VRAM, elige este, porque probablemente te bastará”. Eso es todo. Y sigues todos estos pasos así. Es superfácil. Así que no tiene ningún misterio.

Así que, una vez que tengamos todo esto configurado, pasemos al último paso. Los pasos son muy importantes. Esta es la configuración que te indica por cuántas generaciones reales pasa el proceso, porque todas estas imágenes —normalmente los modelos de difusión— parten del ruido. Imagínate una imagen granulada en blanco y negro: todas estas imágenes empiezan así. Y esto será como el número de pasos: el ruido se procesará a través de esto.

Luego tenemos el valor CFG, que indica en qué medida permitimos que el modelo se ciña a la indicación en comparación con la creatividad. Es decir, hasta qué punto le permitimos ser más creativo en comparación con lo que debe seguir al pie de la letra según nuestra indicación. De nuevo, es un valor con el que puedes jugar. Y luego hay algunos ajustes básicos que, en realidad, no son necesarios.

Bueno, si vamos aquí y lo ejecutamos, nos encontramos con este tipo de demonio, que es hiperrealista: un dibujo a trazo de un espíritu del bosque furioso. Da-da-da-da-da. Vamos a ejecutarlo.

Jakub: Tenemos la misma semilla. Sí, tenemos que cambiar la semilla por una aleatoria, porque no queremos que sea diferente cada vez.

Roman: Indicación. Mmm, veo que hay mucho texto ahí. Sí. ¿Cómo lo sacamos?

Jakub: Sí, exactamente. Sí, déjame generar la imagen para que la veas. Ha pasado por el prompt, ahora está en el K-sampler, y desde ahí pasa a la decodificación, y ahí ya tenemos nuestra imagen. Así que, en lugar de este tipo, tenemos a este otro. Es bastante fácil.

¿Cómo conseguimos esta sugerencia tan enorme? Bueno, las sugerencias son, en cierto modo, otra forma de aprender estas cosas. Por ejemplo, esta sugerencia la he obtenido de CivitAI. CivitAI, de nuevo, es una de esas cosas que os recomiendo que echéis un vistazo. Es prácticamente la mayor web comunitaria de código abierto de Internet. Piensa en ella, literalmente, como un Instagram. Básicamente se trata de imágenes y vídeos de otros creadores que la gente vota y que luego puede consultar y con los que puede hacer cosas. 

Lo más importante de esta página es que puedes entrar en ella, aprender y encontrar cosas por ti mismo. Por ejemplo, nuestro espíritu del bosque es simplemente… Estaba echando un vistazo por aquí. Por ejemplo, chicos, las imágenes de hoy… ¿qué es eso? Generadas. Aquí puedes encontrar cosas muy interesantes. 

Por cierto, atención, spoiler: estoy usando la página de Civit AI Green porque también existe la de Civitai.com, que es como porno de 90%, ya que eso es lo que la gente genera con el contexto creado por los usuarios. Así que, solo para que lo sepas, si quieres la que no tiene eso, es la verde. Si quieres la que sí lo tiene, es la básica.

Roman: Gracias por elegir el adecuado para esta grabación. Te lo agradezco mucho.

Jakub: No te preocupes. Bueno, pues como te decía, acabo de encontrar la imagen de un creador, y lo importante aquí no es la imagen en sí, sino, de nuevo, esto de la derecha, que podemos ampliar un poco.

Jakub: Lo que tenemos aquí es que, de hecho, nos explica cómo se creó esto. E incluso podemos ejecutarlo en la propia página web y generarlo allí si de verdad quieres. La página lo permite si lo compras, literalmente, con créditos. Pero, de nuevo, ¿por qué íbamos a hacerlo si lo tenemos en código abierto?

Lo que esto nos indica es que utiliza el generador Z Image Turbo. Así que, literalmente, solo tengo que ir aquí, hacer clic aquí y ya tengo el modelo. Se lanzó el 26 de noviembre, y puedo descargarlo, crear con él o, básicamente, sacar cosas de él. También hay información sobre las generaciones actuales y lo que la gente está haciendo con ellas y cosas por el estilo. Pero, de nuevo, ya conocemos el modelo.

Luego tenemos la propuesta. Así que tenemos la propuesta. Podemos cogerla, y tú puedes jugar con ella y usarla. Las indicaciones tienen una estructura muy específica. De nuevo, probablemente necesitaríamos un podcast aparte para eso. Pero, una vez más, no hace falta que crees todo esto tú mismo desde cero. Puedes aprender de otras personas. Por eso es tan importante esta página web.

Esto forma parte de la fórmula porque se pueden crear cosas increíbles simplemente copiando el trabajo de otras personas, analizando cómo está hecho y viendo cómo funciona. Y, por lo tanto, se aprende, y se aprende muy, muy rápido.

Además, hay otros aspectos importantes, como los metadatos —básicamente, cómo configuró el usuario sus controles deslizantes en ComfyUI—. Como ya hemos comentado, vemos que CFG se ajusta un poco más a la adherencia, por lo que es solo 1,1, con ocho pasos. El muestreador: si queremos, podemos incluso utilizar la misma semilla y generar exactamente la misma imagen. Eso también es posible porque dejó la semilla aquí. 

Hay gente que no comparte los metadatos de sus creaciones porque, bueno, quieren mantener la confidencialidad y cosas por el estilo, ya que hay quienes se esfuerzan mucho en su flujo de trabajo. Pero la mayor parte de lo que ves aquí lo puedes hacer tú mismo, y puedes simplemente tomarlo y aprender de ello. Esa es la belleza de esta página: que se aprende muchísimo.

Jakub: Bueno, pues, esto ha sido bastante fácil de hacer y, en realidad, podemos hacer lo que queramos. Solo por hacer algo… Si vamos aquí, podemos dejar a nuestro personaje del fuego y…

Roman: Roman, dime, ¿qué quieres crear?

Jakub: Hagamos algo relacionado con la Navidad.

Roman: Navidad. Zombis. 

Jakub: Zombi. 

Roman: Oye, ¿te acuerdas de «Plants vs. Zombies»?

Jakub: Vale, esto es lo que me llamó la atención de inmediato. Por cierto, me alegro de que lo menciones. Lo bonito de estos modelos… eh… una postal de Navidad…

Sí, probemos con este. Lo bueno de estos modelos —me alegro de que lo hayas mencionado— es que no tienen ningún tipo de censura, lo cual es, una vez más, su gran ventaja. Porque si entras en ChatGPT o, de nuevo, en uno de esos modelos principales, no puedes generar contenido basado en la propiedad intelectual. Por ejemplo, mi hijo me preguntó algo así como: “Oye, ¿puedes…? ¿Puedo tener, por ejemplo, a Olaf o a quien sea de Frozen?”. Y la respuesta es no, no puedes, porque estos modelos tienen otras IA que censuran lo que generan, por lo que no es posible. Aquí es imposible.

Roman: ¡Rápido!

Jakub: Sí, es muy rápido. Como ya he dicho, estoy utilizando uno con calidad reducida, así que esto sería un poco diferente a la calidad habitual, que se puede mejorar, y hay modelos aún mejores. Este es el Turbo, así que la velocidad es más importante que la calidad en sí. Pero, de nuevo, hagas lo que hagas aquí, como ves, sigues pudiendo obtener una calidad increíble.

Pero, de nuevo, si me pusiera a hacerlo y, como he dicho, Elsa y Anna de «Frozen» de pie frente a un castillo helado gigante, con un estilo cinematográfico, de alta calidad y realista… Vamos a intentarlo. Sí, cuantas más etiquetas y palabras añadas, mejor será la imagen, por supuesto. Eso ni hace falta decirlo. Como he dicho, recomendaría a cualquiera que aprendiera simplemente el proceso.

¡Ah, ya está! ¿Lo ves?

Roman: Oh, eso es, literalmente… bueno, sí, algo así como 95%. 

Jakub: Es como si tuviéramos que pulirlo un poco más con algunos detalles y… ya ves, quizá el hielo necesite algún retoque de ese tipo aquí y allá. Y sí, podemos hacerlo muy fácilmente.

Roman: A vuestro departamento jurídico no le va a hacer ninguna gracia que...

Jakub: Sí, sí, sí. Pero, de nuevo, puedes hacer lo que quieras. Ahí está lo bueno. Así que te ofrece… y es totalmente gratis. Ya sabes, solo necesitas electricidad y tu GPU, no hay más.

Pero, de nuevo, recomendaría a cualquiera que le echara un vistazo, lo repasara y simplemente lo aprendiera. Porque, de nuevo, puedes aplicar este mismo proceso —cómo funciona— a cualquier modalidad, como, por ejemplo, tal y como he dicho, de texto a vídeo, de imagen a vídeo, arte en 2D, arte en 3D, voz… ya sabes, lo que sea. Funciona igual. Y creo que es importante que la gente entienda qué hay detrás y cuánto control pueden tener realmente. Porque es increíble.

Y probablemente acabaremos con esto último, que es mi trabajo personal en el que estaba trabajando. Y sí, esto te da mucho, mucho, mucho más control. Se trata de un flujo de trabajo muy avanzado que… no, este no, lo siento, este sí. Ya está. Déjalo correr, porque este tiene nada menos que 240 pasos.

Roman: ¿Para qué sirve? No lo he entendido. ¿Para qué sirve?

Jakub: Sí, sí. Lo que tenemos aquí es que, en realidad, estamos utilizando un Modelo del anime «Ion on Justice», y estamos utilizando el modelo solo durante 140 pasos. Y lo que intentamos conseguir es generar un guerrero antropomórfico con aspecto de leopardo de las nieves, con un estilo realista, para nuestro juego. Aquí hay una indicación bastante amplia, y también una indicación negativa bastante amplia. 

Me ha llevado bastante tiempo hacerlo. Pero queremos que esto resulte realista, y el modelo de anime que estoy utilizando aquí no permite crear efectos realistas. Entonces, ¿qué está pasando aquí? 

Lo que hay que hacer es lo siguiente: se utiliza un refinador. Y esto es lo que hace: tras 140 pasos, este modelo se detiene y, en ese momento, yo introduzco otro modelo. 

Así que ahora estamos llevando a cabo una generación de dos modelos a través de Fennekin, que es un modelo realista, el cual completa la generación y la eliminación del ruido de la imagen durante otros 100 pasos. Así que llega hasta 240. Por eso tarda unos 3 minutos. Y luego, básicamente, crea algo que ninguno de estos modelos podría crear por sí solo. Porque queremos, una vez más, un guerrero leopardo de las nieves de estilo fantástico que… De nuevo, no me convencía nada de lo que encontraba en Internet, así que seguí investigando cada vez más a fondo y me metí de lleno en ello.

Lo más importante es que este modelo y el flujo de trabajo que tenemos aquí —y, por cierto, de todo lo que ves aquí, ni siquiera estamos utilizando la mitad—. Aquí tenemos, básicamente, las posibilidades de este flujo de trabajo, y puedes activarlas o desactivarlas como si fueran funciones. Ya sabes, basta con hacer clic aquí y activarlo o desactivarlo. Todo lo que ves en color violeta significa que está inactivo. No estamos utilizando OpenPose, el adaptador IP ni el escalador de ControlNet, ni todas esas otras cosas. Es capaz de hacer tantas cosas que, de nuevo, se necesitaría otro podcast para explicarlas todas.

Pero lo que sí puede hacer es… seguimos utilizando las correcciones posteriores a la generación, como «Detail». Esta es la parte realmente importante. Porque en la imagen que hemos generado aquí, por ejemplo, se ve que, sí, están muy bien, pero hay algo raro en estas dos. No es que, ya sabes, la posición de sus ojos y todo eso… es como si salieran de Wish.

Lo que ocurre aquí es que podemos verlo en tiempo real, de hecho, mientras el flujo de trabajo sigue su curso. Y bien, ya está en ADetailer. Así que aquí tenemos la imagen base y, como ves, no es perfecta. Es como si la cara estuviera un poco distorsionada. Sí, la verdad es que no nos gusta así. ¿Qué está pasando? Tenemos un «face detailer», y este herramienta, de hecho, solo retoca el rostro. Así que estamos aplicando otra capa a la imagen que ya tenemos aquí. Y no solo eso, también estamos retocando los ojos para que queden un poco mejor.

Roman: Ah, sí, sí, sí. Ya veo, ya veo.

Jakub: Básicamente. Y puedes hacer... Bueno, hay como cuatro movimientos que podemos hacer, tanto con las manos como con el cuerpo. Ya ves cómo el cuerpo está, de nuevo, un poco más estable.

La última vez que estaba echando un vistazo a algunas cosas en Internet, un profesional de una agencia de IA que compartía su flujo de trabajo dijo que le lleva unas 20 horas por imagen y 500 iteraciones para conseguir más o menos el resultado que busca, es decir, una calidad óptima. Así que, solo para poneros un ejemplo, desde cosas muy, muy básicas, como “Voy a generar a Olaf a partir de mi hijo”, hasta cosas muy, muy avanzadas como esta, así es como funciona. Porque, de nuevo, esto es algo que tiene que quedar más o menos perfecto, ya que, una vez más, define lo que quieres hacer.

Jakub: Y si volvemos, de nuevo, a algún sitio por aquí… no este, sino aquel creativo que me gustó muchísimo, muchísimo… no este. Sí, ahí está. ¿Ves lo bonitos que son estos creativos? Literalmente, como una película de Pixar. Y, de nuevo, se consigue esta calidad gracias a la posibilidad de utilizar un flujo de trabajo avanzado. Y el resultado final son estos creativos perfectos. 

Así que, una vez más, ahí radica precisamente su encanto. Porque esto parece, literalmente, una secuencia cinematográfica de alto nivel. Es como algo que a alguien le llevaría, de nuevo, muchísimo trabajo y tiempo conseguir y generar… quiero decir, dibujar. Pero, de nuevo, puedes generarlo simplemente mediante una línea de tiempo con un flujo de trabajo bastante avanzado. Y sí, funcionaría, aunque necesitarías personajes coherentes y todas esas otras cosas.

Pero, como he dicho, es como el primer paso para conseguir todo esto. Así que, para cualquier equipo creativo que esté produciendo contenidos, sí, creo que la IA —el dominio de la generación de imágenes y vídeos— será, básicamente, un problema existencial el año que viene. Porque simplemente no se podrá seguir el ritmo del volumen. Es muy, muy difícil. Y tener suficiente volumen creativo significa que tu CPI debería estar bajando, pero en realidad está subiendo. Así que, al final, todo esto se traduce básicamente en eso.

Y como he dicho, aunque esto parezca súper complejo y todo eso, no lo es. Es decir, ni siquiera estoy rascando la superficie de lo complejo que puede llegar a ser. Solo estoy mostrando algunas cosas básicas, más o menos, sin entrar en detalles.

Roman: Sí, me gusta mucho cómo analizamos ambos esquemas. Al fin y al cabo, generamos una imagen.

Jakub: Sí, sí, sí, sí, claro. Sí, aquí tenemos a un buen guerrero. Pero, de nuevo, al final puedes hacer lo que quieras. Y eso es, como ya he dicho, lo bonito del asunto. Puedes jugar con ello y probarlo por ti mismo. No hay ninguna página web ávida de dinero que te quite créditos ni nada por el estilo. Como he dicho, lo único que necesitas es tu GPU y electricidad. Así que puedes hacer lo que quieras. Yo ya he superado las 12 000 o 13 000 generaciones, más o menos. 

Pues sí, a veces, incluso aquí, por ejemplo, hay una opción que… te permite ejecutarlo en lotes de ocho o lo que sea. Simplemente te vas a dormir, dejas que se ejecute y luego eliges el mejor. Yo lo hago a veces. Sí, es como un juego en segundo plano, así que, ya sabes, vuelves y, básicamente, recoges tus recompensas cuando ha terminado.

Pero creo que resulta muy gratificante poder saber cómo funcionan estas cosas. Porque además lo que te aporta es que, una vez que ves esas creatividades y todas esas otras cosas que están de moda en este momento en las redes sociales… la mayoría de las veces, incluso puedo identificar el modelo de generación con solo echar un vistazo. Porque algunos modelos son muy específicos; ya sabes, se nota a simple vista.

Por ejemplo, todas las imágenes de ChatGPT tienen ese tono anaranjado de fondo. Si nos fijamos, creo que una de las últimas que hay aquí… sí, mira, esta. Se trata de una creatividad que está utilizando Candy Crush, y se puede ver al final que hay una especie de halo naranja alrededor de la imagen, lo que significa que se ha utilizado ChatGPT como imagen base. Aquí se nota mucho, mucho, mucho. Sí. Pero, de nuevo, es muy sutil. Sin embargo, una vez que ves 10 000 imágenes de este tipo, después resulta muy obvio.

Por lo tanto, puedes ver de inmediato cómo trabajan estos equipos, cómo generan todo esto, y puedes hacerlo tú mismo. Una vez más, esto te da una gran ventaja en el proceso. 

Roman: Y realmente es una habilidad necesaria, ¿verdad?, probablemente para 2026 —tanto si te dedicas a la creación de contenidos, como si eres, por ejemplo, un responsable de adquisición de usuarios y eso forma parte de tus responsabilidades, o si formas parte del equipo creativo—.

Y, para resumir al final: los servicios basados en la nube, como ChatGPT o Claude, te ofrecen menos flexibilidad a la hora de hacer cosas. Por eso, nos gustaría utilizar modelos de código abierto.

Jakub: La verdad es que incluso puedes combinarlos de tal manera que, por ejemplo, puedas utilizar la imagen de tu modelo de código abierto para perfeccionarla un poco más y, después, usar un generador de vídeos. El generador de vídeo es bastante importante, pero es como la parte final del proceso, en la que, ya sabes, lo que quieres generar, que parte de la imagen base, que puede ser una combinación de, por ejemplo, “No sé, usar ComfyUI: quiero generar la imagen”, y luego algo como Veo 3 para dar los últimos retoques al vídeo y cosas por el estilo. De nuevo, puedes hacer lo que quieras.

En el mejor de los casos, lo pruebas todo y descubres cuál te va mejor. Ahí está lo bueno. Pero, de nuevo, al saber estas cosas, incluso tenemos la opción de probarlo por nuestra cuenta. De lo contrario, acabas diciendo: “Bueno, pues usemos Veo 3. Es lo único que conocemos”. Y ya está.

Roman: Ya veo. 

Jakub: Y el otro gran problema con esto es que… estas cosas se quedan obsoletas muy rápido. Bueno, no es que se queden obsoletas propiamente dicho, sino que constantemente salen novedades y hay que estar al día. He visto algunos de los creativos de aquí, por ejemplo —creo que sí, estos, o quizá otros un poco más antiguos— en los que se nota que algunos funcionan con modelos antiguos. La gente aún no las ha actualizado, lo cual, de nuevo, es normal, porque el ciclo de actualización aquí es de unos tres meses o así. Pero lo ideal es utilizar lo último en tecnología porque, de nuevo, te da una ventaja en cuanto a calidad y todo eso, además de otras cosas. Así que sí, todo avanza muy, muy rápido.

Roman: ¿Cómo te las apañas, Jakub? ¿Tú personalmente? ¿Tienes tiempo?

Jakub: No lo sé. Vale, sí, es comprensible. Bueno, yo escucho algunos podcasts, claro, sobre IA. De hecho, podemos poner un enlace… Este, en mi opinión, es el… Este canal de YouTube llamado “AI Search” lo lleva, literalmente, un tipo que se dedica solo a dar las noticias. Cada semana dice: «¿Qué se ha lanzado esta semana?», y repasa todos los modelos. Y tienen vídeos específicos sobre temas concretos, como comparativas y cosas por el estilo. Así que este resumen lo veo con mucha frecuencia.

Jakub: También tengo algunos podcasts sobre el sector, como las últimas novedades sobre ChatGPT frente a Microsoft y todo ese tipo de cosas. Y luego, claro, entras en la web de Civitai y simplemente echas un vistazo a lo que crea la gente.

Así que, por ejemplo, aquí se puede ver claramente que muchas de estas cosas, como, vale, hay mucho de ChatGPT ahí dentro. Hay mucho de… ¿qué es esto? Sí, “Google Nano Banana”, que está en plena tendencia estos días. Y simplemente ves lo que genera la gente y lo que hay en el mercado. Y esto te dice: «Vale, sí, básicamente eso es todo». Así que ya sabes quién genera qué, ¿verdad? 

Roman: Y es muy interesante que, en realidad, seas un experto en diseño de videojuegos y que ahora estés totalmente metido en esta parte creativa del juego. Totalmente metido. ¿Qué se siente, Jakub?

Jakub: Oh, es genial, ya sabes. Siempre estoy un poco obsesionado con… pero, de nuevo, el mayor problema era que no entendía cómo funciona esto, lo cual para mí es lo que más me inquieta, como: “Tengo que hacer algo al respecto”, porque no me siento seguro, ¿o cómo se dice? No me siento en control de la situación si no entiendo cómo funciona.

Así que eso me empuja, en cierto modo, a adentrarme en este laberinto y aprender sobre el tema. Porque, de nuevo, si no sabes algo, al menos debes saber cómo funciona. No hace falta que lo hagas específicamente, pero al menos debes saber que existen esas opciones. Porque así no te quedarás al margen. No te encontrarás en una situación en la que alguien te diga algo, no puedas desmontar sus tonterías y no sepas si es lo mejor, si no lo es, o si siquiera te están diciendo la verdad, cosas así.

Así que, una vez más, la IA está avanzando a un ritmo vertiginoso en estos tiempos, en cierto modo, y es una de las tecnologías más importantes de nuestras vidas en la actualidad. Así que, ¿por qué no matar dos pájaros de un tiro? Por un lado, la necesitamos debido a nuestra experiencia profesional en la industria de los videojuegos. Y, por otro lado, por supuesto, la IA estará ahí y lo cambiará todo. Eso es seguro.

Pero, de nuevo, la ventaja que me aporta ahora es que sé, por ejemplo, en lo que respecta a los videojuegos —no, en cuanto a la jugabilidad—, que no va a cambiar las cosas tanto. Quizá ayude con algunas optimizaciones, como el emparejamiento o cualquier otro detalle, no sé qué. Pero aún no hemos llegado al punto en el que la IA esté detrás de, ya sabes, los juegos basados en IA —juegos que no funcionarían sin capacidades de IA—. Todavía no hemos alcanzado ese punto de inflexión.

No es como era, por ejemplo, en, no sé, 1999 o por ahí, cuando salió “Doom 3D”. Porque el hecho de que fuera en 3D te permitía hacer cosas que no se podían hacer en 2D. Todavía no hemos llegado a ese punto. De nuevo, ¿por qué? Porque te informas sobre esto y te das cuenta de que, bueno, «Oh, esto no tiene sentido. Ni siquiera se puede programar correctamente todavía, son todo alucinaciones».” 

Roman: Todo está relacionado. Muy bien, Jakub, ha sido una charla muy esclarecedora. Estoy seguro de que los chicos tendrán muchas preguntas. Les pediré a todos que dejen sus preguntas en los comentarios. Le pediremos a Jakub que las responda en cuanto tenga tiempo. 

¿Alguna reflexión final? Por supuesto, dejaremos todos los enlaces en las descripciones, tanto a «Two and a Half Gamers» como a todo lo que hemos mencionado en los vídeos. Pero también quiero que Jakub diga algo, sobre todo ahora que se acaba el año. ¿Alguna reflexión final por tu parte, Jakub?

Jakub: Sí, sí. Como he dicho, si tenéis alguna pregunta, idea o comentario, no dudéis en dejarlo debajo del vídeo, o podéis uniros al canal de Slack de Two and a Half Gamers. También está abierto a todo el mundo para que podáis compartir vuestros conocimientos y charlar con los demás.

Jakub: Sí, yo diría —como ya he dicho— que la conclusión es: ve y apréndelo. No esperes a que llegue un momento en el que, ya sabes, sea demasiado tarde para ponerte al día.

Roman: Bien dicho, bien dicho. Vamos a terminar aquí. Dadle a «Me gusta» y suscribíos. Estoy seguro de que os ha gustado este episodio. Y muchas gracias, Jakub.

Jakub: Sí, no te preocupes. Nos vemos allí. Saludos.

Roman: Adiós.