# Entrenamiento LoRA vs. prompts multiángulo: cómo mantener la identidad de un personaje en miles de imágenes > Entrenamiento LoRA vs. prompts multiángulo en la generación de imágenes con IA: cómo mantener una cara en muchas imágenes, adaptadores, face swap y normas. Por Anna Krejcova | Publicado el: 2026-09-19T08:00:00Z URL canónica: https://www.fanscreator.ai/es/blog/entrenamiento-lora-vs-prompts-multiangulo - Los prompts y una semilla fija no pueden mantener una misma cara en un álbum grande. Si cambias una palabra, la imagen cambia, y la cara también. - Los prompts multiángulo sirven para una cosa: producir un set de referencia variado de un personaje nuevo antes de entrenar con él. - Un LoRA es un pequeño complemento entrenado que le enseña a un modelo de imagen un sujeto concreto. Es la opción habitual cuando la misma persona tiene que aparecer en cientos de imágenes. - Los adaptadores de referencia como InstantID y PuLID no necesitan entrenamiento y sirven para pruebas rápidas. El face swap después de generar solo corrige la cara, no el cuerpo. - Entrena solo con fotos que sean tuyas. Los Términos de OnlyFans de octubre de 2026 prohíben usar contenido de OnlyFans para entrenar IA, y una persona original va en Fanvue o MYM, no en OnlyFans. Para cientos o miles de imágenes de un mismo personaje, un modelo de identidad entrenado, como un LoRA, mantiene la cara y el cuerpo con mucha más fiabilidad que los prompts y las semillas. Los prompts multiángulo siguen teniendo su lugar: son la forma de producir un set de referencia variado de un personaje nuevo antes de entrenar. Los adaptadores de referencia y el face swap quedan en medio: se empiezan rápido, pero son menos precisos. ## Qué es la deriva de identidad en la generación de imágenes con IA Un modelo de imagen empieza cada imagen a partir de ruido aleatorio y lo va llevando hacia tu prompt. Una descripción como «una mujer de 23 años con ojos verdes y pelo rubio» encaja con infinidad de caras, así que el modelo elige una un poco distinta cada vez. A lo largo de un álbum, el personaje se va convirtiendo poco a poco en otra persona. Eso es la deriva de identidad. La deriva no afecta solo a la cara. Las proporciones del cuerpo, el tono de piel, los tatuajes y los lunares también cambian, y los suscriptores que ven al mismo creador cada día lo notan. ## Por qué no bastan la semilla fija y los prompts multiángulo La semilla fija el ruido de partida. Si ejecutas el mismo prompt con la misma semilla y los mismos ajustes, obtienes la misma imagen. Si cambias una palabra, por ejemplo «bikini» por «vestido de noche», el modelo toma otro camino desde los primeros pasos. La cara cambia con la ropa. Los prompts multiángulo piden a la misma persona desde varias vistas de una vez: «vista frontal, vista de tres cuartos y perfil de la misma mujer». Pueden producir una hoja de giro útil, pero cada prompt nuevo sigue siendo una nueva tirada de dados. Describen un tipo de cara, no una cara concreta. Donde los prompts sí ayudan es al principio. Un set variado de imágenes de un personaje nuevo, desde distintos ángulos y con distinta luz, es justo lo que necesitas para entrenar. ## Qué es un LoRA y por qué mantiene la identidad LoRA significa Low-Rank Adaptation. El artículo original, de investigadores de Microsoft, describe un método que «congela los pesos del modelo preentrenado e inyecta matrices entrenables de descomposición de rango» en el modelo ([Hu et al.](https://arxiv.org/abs/2106.09685)). Se escribió para modelos de lenguaje, y hoy la misma idea se usa para ajustar modelos de imagen. La [documentación de Hugging Face Diffusers](https://huggingface.co/docs/diffusers/training/lora) describe LoRA para modelos de imagen como una «técnica de entrenamiento ligera» que funciona «insertando un número menor de pesos nuevos en el modelo, y solo esos se entrenan». El resultado, según sus palabras, son «pesos de modelo más pequeños (unos cientos de MB)» que cargas sobre el modelo base. En un personaje, ese archivo codifica un único sujeto. El prompt queda libre para cambiar la ropa, la pose, la habitación y la luz, mientras los pesos entrenados siguen llevando la cara y el cuerpo de vuelta a la misma persona. La contrapartida es la preparación. Necesitas un buen set de entrenamiento, una ejecución de entrenamiento y una ronda de pruebas para comprobar que el modelo ha aprendido a la persona sin congelar todas las imágenes en la misma pose. ## Adaptadores de referencia: InstantID y PuLID Los adaptadores de referencia se saltan el entrenamiento. Le das al modelo una o unas pocas fotos en el momento de generar y él traslada la identidad a la imagen nueva. - **InstantID** se describe como una «generación zero-shot que preserva la identidad» y que funciona con «una sola imagen facial». Su artículo sostiene que métodos como DreamBooth y LoRA se ven limitados por «grandes necesidades de almacenamiento, procesos de ajuste largos y la necesidad de varias imágenes de referencia» ([Wang et al.](https://arxiv.org/abs/2401.07519)). - **PuLID**, de investigadores de ByteDance, busca una «alta fidelidad de identidad» manteniendo «el fondo, la iluminación, la composición y el estilo» lo más cerca posible de lo que el modelo habría dibujado de todos modos ([Guo et al.](https://arxiv.org/abs/2404.16022)). Los dos se empiezan rápido y sirven para probar un aspecto. Trabajan sobre todo a partir de la cara, así que los detalles del cuerpo, como las proporciones y los tatuajes, siguen dependiendo del prompt. ## Face swap después de generar Una herramienta de face swap genera primero la imagen y luego reemplaza la cara por una cara de referencia. Es rápido y sirve para arreglar una imagen suelta en la que la cara ha derivado. No hace nada por el cuerpo. Si el cuerpo, el tono de piel o las marcas no son los correctos, la cara cambiada queda sobre la persona equivocada. Los swaps también pueden fallar cuando la cabeza está muy girada respecto al ángulo de la foto de referencia, así que revisa con atención las tomas de perfil. ## Comparación de los métodos | Método | Necesita entrenamiento | Mantiene la cara | Mantiene el cuerpo | Ideal para | | :--- | :--- | :--- | :--- | :--- | | Semilla y prompt | No | Solo si el prompt no cambia | No | Explorar un aspecto | | Prompts multiángulo | No | Dentro de una misma hoja | Más o menos | Crear un set de referencia | | Adaptador de referencia (InstantID, PuLID) | No | Bien, a partir de unas pocas fotos | Depende del prompt | Pruebas y series cortas | | Face swap después de generar | No | Solo la cara | No | Arreglar imágenes sueltas | | LoRA de personaje | Sí | Con firmeza | Sí, si se entrena con tomas del cuerpo | Álbumes grandes y fotogramas de video | ## Cómo crear un set de entrenamiento para un LoRA de personaje La calidad de un LoRA depende sobre todo de las fotos con las que lo entrenas. ### Varía todo menos a la persona Usa fotos con distintos ángulos, expresiones, ropa, fondos y luz. Si todas las fotos son selfies de frente en la misma habitación, el modelo aprende esa habitación y ese ángulo como parte de la persona. ### Incluye el cuerpo, no solo la cara Si quieres proporciones, tono de piel, tatuajes o cicatrices coherentes, tienen que verse en el set de entrenamiento. Un set solo de caras te da una cara coherente sobre un cuerpo que va cambiando. ### Describe lo que cambia, no quién es la persona Un enfoque habitual es usar una palabra clave de activación para el personaje y describir solo lo que varía: la ropa, el escenario, la luz, el encuadre. Deja fuera los rasgos que quieres que el modelo trate como fijos, para que queden asociados a la palabra clave. ### Prueba antes de producir Genera un lote de prueba con ropa y escenarios nuevos. Si todas las imágenes copian la misma pose o el mismo fondo, el modelo ha aprendido demasiado del set de entrenamiento. Si la cara se desvía, ha aprendido demasiado poco. ## Importa de dónde salen tus fotos de entrenamiento Los [Términos de uso](https://onlyfans.com/terms) de OnlyFans de octubre de 2026 dicen: «Tampoco puedes usar el Contenido ni los Servicios Directos para entrenar o mejorar ningún software, sistema de aprendizaje automático o de inteligencia artificial». Entrena con originales que tengas en tu propio móvil o computadora, no con nada descargado de OnlyFans. La identidad con la que entrenas también decide dónde puedes publicar: - **Tu propia cara y tu propio cuerpo** encajan en OnlyFans, que solo permite contenido de IA si «muestra claramente al Creador verificado» y lleva una indicación como #ai o #AIGenerated ([Centro de ayuda](https://onlyfans.com/help/196/205/211)). Su [página de moderación](https://onlyfans.com/help/196/205/206) incluye entre lo que se elimina las «cuentas o contenido generados totalmente por IA, o imágenes muy alteradas». - **Una persona original** va en [Fanvue](https://help.fanvue.com/en/articles/9538738-is-ai-content-allowed-on-fanvue), que permite contenido totalmente generado por IA con una indicación clara, o en [MYM](https://support.mym.fans/hc/en-us/articles/14997634314524-AI-Generated-Content-on-MYM-What-You-Need-to-Know), que pide «Virtual Image», #AI o #AIgenerated. - **Fansly** dice que «el contenido fotorrealista generado por IA no está permitido en Fansly» ([ayuda de Fansly](https://help.fansly.com/en/articles/12315578-ai-generated-content-on-fansly)), esté etiquetado o no. - **La cara de cualquier otra persona** necesita su consentimiento demostrable, siempre. ## Entrenar un modelo de identidad en FansCreator FansCreator entrena tu modelo de IA a partir de las fotos de referencia que subes, o de un creador que diseñas desde cero, en unos tres minutos. Después, la misma identidad se mantiene en el [generador de imágenes NSFW con IA](/nsfw-ai-image-generator) y en el video, así que no tienes que gestionar archivos de entrenamiento, pesos de adaptadores ni una instalación local. Los modelos de imagen incluyen Qwen-Image y Z-Image, que se explica en la [página de Z-Image de FansCreator](/z-image-nsfw), y el [face swap con IA](/ai-face-swap) está ahí para las imágenes sueltas en las que hay que corregir la cara. Usa tus propias fotos, o una cara de alguien que te haya dado un consentimiento que puedas demostrar, como exigen los [Términos de uso](/terms) de FansCreator. Descargas cada imagen y la publicas tú, con la etiqueta que pida cada plataforma. ## Preguntas frecuentes ### ¿Puedo mantener la coherencia de un personaje con una semilla fija? Solo mientras el prompt no cambie. Una semilla fija con un prompt idéntico reproduce la misma imagen, pero si cambias la ropa, la pose o el escenario, la cara también cambia. Las semillas son una herramienta de prueba, no un bloqueo de identidad. ### ¿Qué es un LoRA de personaje? LoRA, abreviatura de Low-Rank Adaptation, entrena un pequeño conjunto de pesos adicionales sobre un modelo base congelado. Un LoRA de personaje entrenado con un sujeto permite que el modelo vuelva a dibujar a ese sujeto en escenas nuevas, y el archivo es lo bastante pequeño para guardarlo y compartirlo. ### ¿Necesito un LoRA o bastan las imágenes de referencia? Los métodos con imágenes de referencia, como InstantID y PuLID, funcionan con una o unas pocas fotos y sin entrenamiento, lo que sirve para pruebas y series cortas. Para un álbum grande en el que el mismo cuerpo, la misma piel y las mismas marcas tienen que coincidir, un modelo entrenado suele ser la opción más estable. ### ¿Puedo entrenar un modelo de IA con mis fotos de OnlyFans? No con contenido sacado de OnlyFans. Los Términos de octubre de 2026 dicen que no puedes usar contenido de OnlyFans para entrenar ningún sistema de IA. Entrena con fotos originales que tengas en tu propio dispositivo. ## Fuentes - https://arxiv.org/abs/2106.09685 - https://huggingface.co/docs/diffusers/training/lora - https://arxiv.org/abs/2401.07519 - https://arxiv.org/abs/2404.16022 - https://onlyfans.com/terms - https://onlyfans.com/help/196/205/211 - https://onlyfans.com/help/196/205/206 - https://help.fanvue.com/en/articles/9538738-is-ai-content-allowed-on-fanvue - https://support.mym.fans/hc/en-us/articles/14997634314524-AI-Generated-Content-on-MYM-What-You-Need-to-Know - https://help.fansly.com/en/articles/12315578-ai-generated-content-on-fansly Palabras clave: generación de imágenes ia, generación de imágenes con ia, creador de imágenes con ia, modelos de generación de imágenes con ia, entrenamiento lora