Estructura de prompts SDXL para fotografía realista
Estructura prompts SDXL con condicionamiento de doble codificador, plantillas, etiquetas de artistas y presets de ComfyUI para resultados fotorrealistas.
On this page
- TL;DR
- Por qué importa la estructura del prompt en SDXL
- El modelo de tres canales de condicionamiento
- CR SDXL Prompt Mix Presets: qué hace cada uno
- Plantillas de prompt estructuradas que funcionan
- Tokens de artistas y estilo: usar el SDXL Art Style Explorer
- Lenguaje de cámara e iluminación: qué usa la comunidad
- Errores comunes y soluciones
- Dónde ayudan los generadores de etiquetas automatizados (y dónde no)
- Flujo ComfyUI mínimo para prompting de doble canal
- FAQ
- Internal Links
Estructura de prompts SDXL para fotografía realista
TL;DR
- Divide los prompts entre los dos codificadores de texto de SDXL (CLIP-G y CLIP-L) con los canales
pos_gypos_lde ComfyUI. Enviar tokens de estilo a un canal y tokens de sujeto al otro produce una separación más fuerte que concatenarlo todo. - Usa el nodo CR SDXL Prompt Mix Presets para asignar prompts a los tres slots de condicionamiento (G, L, refiner) mediante cinco presets. Style boost 1 y Style text to refiner son los más prácticos.
- Aprovecha el SDXL Art Style Explorer: más de 200 etiquetas curadas y 500–700 artistas con al menos 6 etiquetas cada uno. Los artistas marcados no generan su look característico.
- Usa plantillas estructuradas: Persona → Ropa → Escena para personajes; Descripción principal → Estilo → Entorno/Mood/Color → Etiquetas para PixelWave.
Por qué importa la estructura del prompt en SDXL
SDXL usa dos codificadores de texto. La cross-attention del modelo base recibe condicionamiento de ambos y produce salidas pooled separadas. Un modelo refiner añade una tercera vía de condicionamiento. Cómo distribuyes el texto del prompt entre estos canales cambia la imagen. (https://arxiv.org/abs/2307.01952)
Los Comfyroll Custom Nodes exponen este enrutamiento mediante el nodo CR SDXL Prompt Mix Presets. Asigna tus prompts positivos/negativos y el texto de estilo opcional a pos_g, pos_l, pos_r (y sus equivalentes negativos). Cinco presets cubren patrones comunes de enrutamiento. (https://github.com/Suzie1/ComfyUI_Comfyroll_CustomNodes/blob/main/nodes/nodes_sdxl.py) (https://civitai.com/articles/1835)
El modelo de tres canales de condicionamiento
| Canal | Uso típico |
|---|---|
pos_g | Estilo global, dirección estética |
pos_l | Sujeto, composición, detalle espacial |
pos_r | Condicionamiento del refiner (si se usa) |
Cada canal se tokeniza y codifica de forma independiente. Si las longitudes de tokens difieren, ComfyUI rellena con tokens vacíos para igualarlas. (https://github.com/Suzie1/ComfyUI_Comfyroll_CustomNodes/blob/main/nodes/nodes_sdxl.py)
CR SDXL Prompt Mix Presets: qué hace cada uno
| Preset | pos_g | pos_l | pos_r | Mejor para |
|---|---|---|---|---|
| Default (sin estilo) | prompt | prompt | prompt | Línea base, flujos con un solo prompt |
| Default (con estilo) | prompt + estilo | prompt + estilo | prompt + estilo | Mezcla simple de estilo |
| Style boost 1 | estilo | prompt | estilo | Transferencia fuerte de estilo; sujeto aislado en L |
| Style boost 2 | prompt + estilo | prompt + estilo | prompt + estilo | Saturación máxima de estilo |
| Style text to refiner | prompt | prompt | estilo | Inyección de estilo solo en el refiner |
Consejo práctico: empieza con Style boost 1. Pon tu lenguaje fotográfico/técnico (cámara, lente, iluminación) en el campo prompt. Pon los tokens de estilo estético (nombres de artistas, medio, época) en el campo estilo. Los presets enrutan el texto de estilo a G y R mientras el sujeto permanece en L: enrutamiento, no mezcla. (https://github.com/Suzie1/ComfyUI_Comfyroll_CustomNodes/blob/main/nodes/nodes_sdxl.py)
Plantillas de prompt estructuradas que funcionan
Retratos de personajes: Persona → Ropa → Escena
Esta plantilla de tres bloques (reportada por la comunidad en Civitai 11432) organiza los prompts de personajes en categorías claras: (https://civitai.com/articles/11432)
[Persona]: [Edad], [Género], [Rasgos faciales], [Cabello y ojos], [Personalidad], [Pose]
[Ropa]: [Tipo], [Material], [Ajuste], [Color y patrón], [Accesorios], [Calzado]
[Escena y Mood]: [Entorno], [Iluminación], [Estilo fotográfico]Ejemplo:
[Persona]: mujer de 28 años, cabello castaño ondulado, ojos avellana, sonrisa segura, de pie con la mano en la cadera
[Ropa]: gabardina beige, gabardina de algodón, corte entallado, suéter de cuello alto negro debajo, pantalones ajustados, botas tobilleras, bolso de cuero, gafas de sol
[Escena y Mood]: calle parisina de adoquines, hora dorada, profundidad de campo reducida f/1.8, lente de 85 mmUso general: plantilla PixelWave de 4 partes
El fine-tune PixelWave SDXL fue captionado con ChatGPT usando esta estructura. Es el diseño del autor del modelo sobre cómo deben escribirse los prompts. (https://civitai.com/articles/5005)(https://civitai.com/models/141592/pixelwave)
- Descripción principal — sujeto primario, acción, características clave
- Estilo artístico — medio, género o estilo con nombre (por ejemplo, "acuarela", "óleo sobre lienzo", "arte digital")
- Detalles adicionales — Entorno → Mood/Atmósfera → Paleta de color
- Etiquetas — palabras clave separadas por comas para conceptos residuales
Ejemplo:
Un faro en un acantilado rocoso al amanecer, acuarela, océano brumoso con olas suaves, atmósfera matinal serena, pasteles suaves rosa naranja luz azul, amanecer océano rocas tranquilas luzTokens de artistas y estilo: usar el SDXL Art Style Explorer
El SDXL Art Style Explorer (Hugging Face Space de terrariyum) ofrece: (https://huggingface.co/spaces/terrariyum/SDXL-artists-browser)(https://civitai.com/articles/1730)
- Más de 200 etiquetas de estilo curadas, organizadas por medio, estilo, tema, período y sujeto
- 500–700 artistas (el artículo de Civitai afirma más de 700; el HF Space nota un límite temporal beta de 500), cada uno con al menos 6 etiquetas descriptivas
- Marcado para artistas que SDXL no reconoce: esos tokens producen salida genérica
- Lógica de filtro AND/OR, exportación de favoritos y capacidad offline
Flujo de trabajo: busca un estilo (por ejemplo, "cyberpunk") → filtra artistas → elige 2–3 con fuerte solapamiento de etiquetas → inserta sus nombres en tu campo de estilo (para Style boost 1, esa es la entrada style_positive). Evita los artistas marcados a menos que estés probando.
Lenguaje de cámara e iluminación: qué usa la comunidad
Los siguientes términos aparecen en guías de la comunidad (Civitai 11432) y producen cambios visibles en la salida de SDXL. Se reportan como práctica comunitaria: ningún estudio de ablación público confirma un vínculo causal con el fotorrealismo. Trátalos como marcadores de estilo, no como simulaciones ópticas. (https://civitai.com/articles/11432)
| Categoría | Tokens |
|---|---|
| Cuerpo de cámara | Canon EOS 5D Mark IV, Sony A7 III |
| Lente | 85mm lens, 50mm f/1.8 lens |
| Profundidad de campo | shallow depth of field f/1.8, deep focus f/11, bokeh background |
| Iluminación | golden hour, studio lighting softbox, overcast diffused light |
| Composición | close-up portrait, over-the-shoulder shot, bird's-eye view |
Prompt negativo de línea base (folclore comunitario, sin prueba controlada): cartoon, illustration, anime, painting, CGI, 3D render, unrealistic proportions, extra fingers, low quality (https://civitai.com/articles/11432)
Errores comunes y soluciones
| Síntoma | Causa probable | Solución |
|---|---|---|
| Tokens de estilo ignorados | Todo el texto en un canal (pos_g o pos_l únicamente) | Usa CR Prompt Mix Presets → Style boost 1 |
| El refiner añade estilo no deseado | El texto de estilo no se enrutó a pos_r | Usa el preset Style text to refiner |
| El nombre del artista da resultado genérico | El artista no está en el vocabulario de SDXL | Revisa el Art Style Explorer: los artistas marcados están señalados |
| La salida de PixelWave se desvía de la intención | Prompt libre en lugar de la plantilla de 4 partes | Aplica Descripción principal → Estilo → Entorno/Mood/Color → Etiquetas |
Dónde ayudan los generadores de etiquetas automatizados (y dónde no)
El SDXL Art Style Explorer es en sí una herramienta de descubrimiento de etiquetas: asigna más de 200 etiquetas de estilo curadas a artistas que el modelo reconoce y marca los que no. (https://huggingface.co/spaces/terrariyum/SDXL-artists-browser) Para generación de etiquetas a partir de imágenes o estilos de referencia existen herramientas comunitarias, pero comparten una limitación: producen cadenas planas sin conciencia de la estructura de doble canal de SDXL.
Mejor práctica: genera etiquetas desde cualquier fuente → divídelas en sujeto (canal L) vs. estilo/estética (canal G) → enrútalas mediante Prompt Mix Presets.
Flujo ComfyUI mínimo para prompting de doble canal
- Cargar checkpoint → SDXL base (y refiner si se usa)
- CR SDXL Prompt Mix Presets → conecta
prompt_positive,prompt_negative,style_positive,style_negative; selecciona Style boost 1 - CR SDXL Base Prompt Encoder → alimenta
pos_g,pos_l,neg_g,neg_ldel paso 2; configura parámetros de resolución/crop - KSampler → usa el condicionamiento codificado del paso 3
- (Opcional) Refiner → alimenta
pos_r/neg_rdel paso 2 al sampler del refiner
FAQ
¿Cómo divido los prompts entre los dos codificadores de texto de SDXL? Usa el nodo CR SDXL Prompt Mix Presets en ComfyUI. Selecciona el preset Style boost 1. Pon el lenguaje de sujeto/técnico en el campo prompt principal; pon los tokens estéticos/de estilo en el campo estilo. El nodo los enruta a pos_l y pos_g respectivamente. (https://github.com/Suzie1/ComfyUI_Comfyroll_CustomNodes/blob/main/nodes/nodes_sdxl.py)
¿Cuál es la diferencia entre pos_g, pos_l y pos_r en ComfyUI? pos_g enruta al condicionamiento del codificador G (estilo global). pos_l enruta al condicionamiento del codificador L (detalle espacial/sujeto). pos_r enruta al modelo refiner. Cada uno se tokeniza y codifica de forma independiente. (https://arxiv.org/abs/2307.01952)(https://github.com/Suzie1/ComfyUI_Comfyroll_CustomNodes/blob/main/nodes/nodes_sdxl.py)
¿Qué nombres de artistas reconoce realmente SDXL? Abre el SDXL Art Style Explorer (Hugging Face Space). Busca o explora: los artistas que SDXL no conoce están explícitamente marcados. Usa solo nombres sin marcar en tu campo de estilo. (https://huggingface.co/spaces/terrariyum/SDXL-artists-browser)
¿PixelWave necesita un formato de prompt especial? Sí. El modelo fue fine-tuneado con captions generadas por ChatGPT siguiendo una estructura de 4 partes: Descripción principal, Estilo artístico, Detalles adicionales (Entorno → Mood → Color), Etiquetas. (https://civitai.com/articles/5005)
¿Por qué los tokens de modelo de cámara mejoran el realismo en SDXL? Observación de la comunidad: actúan como marcadores de estilo asociados a datos de entrenamiento fotográfico. Ninguna investigación pública confirma un mecanismo óptico causal. (https://civitai.com/articles/11432)