El Colapso Visual y la Solución Obvia en la Generación de Video con IA

En el desarrollo de flujos de trabajo con modelos generativos, es común enfrentarse a situaciones donde la lógica parece fallar. Recientemente, noté que un modelo estaba generando un video en el que dos sujetos intercambian su ropa y apariencia física entre sí.

El Diagnóstico Inicial

Mi primera reacción fue analizar la estructura del prompt para encontrar una línea que forzara ese comportamiento. Pensé que la combinación de las etiquetas `fully_preserved` junto con la instrucción de preservar el `clothing` en ambos sujetos podría estar causando un colapso visual, donde el modelo confundía los atributos entre los personajes.

La Verdad: Un Prompt Inocente

Luego de revisar mi historial y el contexto del prompt, la conclusión fue totalmente diferente. No había ninguna instrucción compleja ni errores en la redacción. El problema real era que una imagen de referencia, «, estaba desactivada.

Cuando esa imagen falta, el modelo queda sin su referencia visual primaria y tiene que reconstruir los sujetos a partir del contexto disponible, lo cual provoca errores como este.

La Solución

Al reactivar la imagen de referencia, todo volvió a funcionar perfectamente. Fue un recordatorio de que a veces no necesitamos llenar el prompt con advertencias complejas; simplemente debemos asegurarnos de tener toda nuestra evidencia visual lista antes de empezar.