5 de septiembre de 2026
Manos deformes y texto ilegible: por qué la IA falla en estas dos cosas y cómo salir del paso
La verdadera razón técnica detrás de los seis dedos y las palabras inventadas, los modelos que hoy escriben bien, y el método de encuadre y retoque que resuelve la mayoría de los casos sin lanzar diez generaciones más.
Frank HoubreFundador de Imaginode
Los dos defectos que delatan una imagen IA en un segundo
Las manos y el texto fallan por razones opuestas: las manos son demasiado variables para aprenderse limpiamente, el texto exige una precisión simbólica que el modelo no practica.
Le enseñas tu imagen a alguien. Es bonita, la luz está bien, el personaje se sostiene de pie. Y la persona mira la mano, cuenta los dedos, y luego lee el rótulo de la tienda del fondo donde pone algo así como PANADERÍB.
Estos dos defectos son las firmas más reconocibles de la generación de imágenes, y se han convertido en la prueba que aplica todo el mundo. Lo frustrante es que conviven con imágenes por lo demás excelentes: un retrato de grano perfecto, arruinado por una mano de seis dedos.
La buena noticia es que los dos problemas tienen causas distintas y por tanto soluciones distintas. Y que en 2026 uno de los dos está prácticamente resuelto si eliges el modelo adecuado. Vamos a ver por qué falla, y luego exactamente qué hacer.
Por qué fallan las manos: lo que el modelo aprendió de verdad
Una mano tiene más de veinte articulaciones, aparece minúscula y medio tapada en la mayoría de las fotos de entrenamiento, y adopta formas muy distintas según el ángulo: el modelo ha aprendido de ella un promedio borroso.
Una cara son dos ojos, una nariz, una boca, siempre en el mismo orden, casi siempre de frente o de tres cuartos, y a menudo el elemento más grande de la foto. Un modelo ve eso cientos de millones de veces en condiciones comparables. Aprende muy bien.
Una mano es lo contrario en todos los puntos. Más de veinte articulaciones, así que el número de posiciones posibles explota. Es pequeña en el encuadre, a menudo borrosa porque se mueve, tapada con frecuencia detrás de un objeto, una prenda o la otra mano. Y según el ángulo, una misma mano da siluetas que no se parecen en nada entre sí.
El resultado es que el modelo saca el promedio de las manos, igual que te saca el promedio de los dragones cuando pides un dragón. Solo que un promedio de dragones sigue siendo creíble, nadie ha visto uno, mientras que un promedio de manos salta a la vista de cualquiera. Y nada en su funcionamiento le dice que un dedo de más sea un error: no tiene reglas, tiene probabilidades.
Por qué falla el texto: el modelo dibuja, no deletrea
Un modelo de imagen produce formas plausibles píxel a píxel, sin representar las letras como símbolos: fabrica por tanto algo que se parece a una escritura, y no escritura.
El texto es un problema de otra naturaleza. Un modelo de imagen no conoce el alfabeto. No sabe que una B es una B y que va antes de una C. Ha visto miles de millones de imágenes con zonas que se parecen a texto, y ha aprendido a producir zonas que se parecen a texto.
Por eso los fallos tienen esa pinta característica: nunca es un galimatías completo, es casi correcto. Las proporciones buenas, el interletrado bueno, la tipografía buena, y dos letras inventadas en medio. El modelo ha logrado perfectamente lo que estaba haciendo de verdad, que era dibujar una textura tipográfica.
Añade que en una imagen el texto suele ser minúsculo respecto al resto. El modelo reparte su atención hacia lo que llena el encuadre. Un rótulo de veinte píxeles de alto no recibe el cuidado que pediría, y ahí es donde PANADERÍA pierde una letra por el camino.
Lo que ha cambiado de verdad en el texto
Los modelos recientes entrenados con una comprensión lingüística fuerte escriben texto corto correctamente y de forma fiable: el problema del texto es hoy un problema de elección de modelo.
Este es el punto que mucha gente no ha actualizado, porque se formó una opinión en 2023 y nunca la volvió a abrir. El texto en la imagen ya funciona, a condición de sacar el modelo adecuado.
Los modelos que son primero modelos de lenguaje y luego dibujan tienen una ventaja estructural: saben lo que es una palabra antes de dibujarla. Nano Banana Pro se apoya en Gemini 3 Pro y gestiona el texto en la imagen y la maquetación precisa. GPT Image 2 tiene exactamente el mismo perfil: su fuerza no es la textura, es la obediencia, y escribe texto corto limpiamente.
Al lado, Recraft V4.1 viene del mundo del diseño e integra el texto corto limpiamente en una composición gráfica, lo que lo convierte en el primer reflejo para un cartel o un logotipo. Y Flux 2 Max aguanta el texto un escalón por encima de Flux 2 Pro cuando hace falta fotorrealismo con un rótulo legible dentro.
Los modelos que no hay que usar cuando hay texto
Los modelos rápidos y baratos producen imágenes muy buenas sin saber escribir: Flux Schnell a 1 crédito sigue siendo imbatible para explorar, e inservible para un visual que lleva una palabra.
Corolario del párrafo anterior, y el que más créditos hace perder. Flux Schnell a 1 crédito es perfecto para explorar una composición, probar un encuadre, validar un ambiente. No escribirá bien tu eslogan, y relanzarlo quince veces no cambiará nada.
El reflejo que sale caro es insistir con el modelo del principio. Vas por la duodécima generación, has gastado doce créditos para nada, cuando pasar a un modelo que sabe escribir habría resuelto el problema a la primera por 8 o 19 créditos.
No relances nunca más de tres veces el mismo modelo ante un defecto de texto. Si tres intentos no lo consiguen, es que el modelo no sabe hacerlo, no que hayas pedido mal. Cambia de modelo, y ya está.
Cómo escribir la consigna para que el texto salga correcto
Pon el texto exacto entre comillas, exige explícitamente que aparezca escrito así y que no aparezca ninguna otra palabra, y limítate a unas pocas palabras.
La formulación cuenta tanto como el modelo. Escribe el texto exacto entre comillas en tu prompt, y añade luego una frase que lo bloquee: debe aparecer, escrito exactamente así, perfectamente legible, ninguna otra palabra. Sin esa frase, el modelo añade encantado un reclamo de su propia invención debajo de tu título.
Segunda regla: quédate corto. Un nombre de marca, un eslogan de cinco palabras, una fecha. Un párrafo entero dentro de una imagen no lo hará limpiamente ningún modelo hoy, y tampoco es buena idea gráficamente. El texto largo se pone en el montaje o en un programa de maquetación, no en la generación.
Tercera regla: dale sitio. Pide explícitamente que el texto ocupe una zona amplia y bien contrastada. Un modelo que tiene que escribir seis letras en un rótulo al fondo de la calle fallará donde acierta con un título a pantalla completa. Es la misma lógica que para cualquier consigna, y el tema se trata más ampliamente en escribir un prompt que funciona.
Las manos: tres decisiones de encuadre que resuelven lo esencial
Encuadra por encima de las manos, ocúpalas con un objeto, o sácalas del plano nítido: estas tres decisiones eliminan la mayoría de los fallos sin costar un crédito.
Con las manos nadie tiene una solución milagrosa y no te voy a inventar una. Los modelos recientes se defienden bastante mejor que hace dos años, pero ninguno garantiza cinco dedos cada vez. Lo que funciona es no pedirles el ejercicio más difícil.
Primera decisión: el encuadre. Un plano medio corto o un primer plano de cara elimina el problema por construcción. Fíjate en la foto publicitaria profesional, encuadra por encima de las manos mucho más a menudo de lo que se cree. El nodo Cámara te deja fijar ese encuadre limpiamente en lugar de esperarlo.
Segunda decisión: ocupa la mano. Una mano que sostiene una taza, un teléfono, un bolígrafo, un volante, da igual, es una mano cuya posición está obligada por el objeto, y los modelos aciertan mucho más con esas configuraciones que con una mano abierta en el vacío. Tercera decisión: sácala de la zona nítida. Una apertura de f/1.4 en el nodo Cámara coloca las manos en el desenfoque del fondo, y un dedo borroso no se cuenta.
Describir la acción en lugar de la anatomía
Contar los dedos en el prompt no funciona: el modelo no cuenta, hay que describir el gesto, lo que la mano sostiene y cómo lo sostiene.
El reflejo universal es escribir cinco dedos en el prompt. No funciona, y no funcionará, porque el modelo no dispone de ningún mecanismo de recuento. Puedes escribir exactamente cinco dedos, una mano anatómicamente correcta, no tiene ninguna regla que aplicar.
Lo que funciona es describir la escena de manera que la posición quede implícita. Las dos manos apoyadas en la mesa. Una mano cerrada alrededor del asa de una taza. Los brazos cruzados. Las manos en los bolsillos. Estás describiendo una configuración que el modelo ha visto millones de veces en una posición estable, y la restituye.
Es el mismo principio que para todo lo demás, en realidad: se consigue mucho más describiendo una situación concreta que dando consignas abstractas al modelo. Describir una acción, sabe. Seguir una restricción numérica, no.
Reparar en lugar de relanzar: la edición dirigida
Un modelo de edición retoma tu imagen y solo modifica lo que describes: corregir una mano cuesta unos pocos créditos frente a una nueva generación completa y un nuevo encuadre que validar.
Este es el hábito que lo cambia todo, y el que los principiantes no tienen. Cuando una imagen está bien al 95 por ciento, no se relanza. Se repara.
Flux Kontext a 6 créditos nunca parte de cero: exige una imagen de entrada y la transforma según la instrucción, preservando lo que los modelos de generación pura recompondrían al azar. Le das tu imagen y describes únicamente lo que debe cambiar: corrige la mano izquierda, debe sostener la taza por el asa, no cambies nada más.
Nano Banana 2 a 10 créditos hace el mismo trabajo con una comprensión de instrucciones compuestas, y GPT Image Mini a 2 créditos es la opción más barata del catálogo para un retoque sencillo. En todos los casos, la segunda mitad de tu consigna debe enumerar lo que no se mueve: cara, pose, encuadre, luz, decorado. Sin esa lista, el modelo te devuelve otra imagen, muy buena, pero otra.
El zoom antes de entregar, la relectura que todo el mundo se salta
Los defectos se ven al cien por cien, no en una miniatura: ampliar la imagen antes de entregarla cuesta 12 créditos y evita el error que se descubre en la imprenta.
Una imagen generada se mira en una miniatura del canvas, se valida, y se envía. Tres semanas después está impresa en A2 y la mano tiene seis dedos. Me ha pasado, y una sola vez basta para coger la costumbre.
La relectura lleva dos minutos. Abres la imagen en grande y barres tres zonas en orden: las manos, todo lo que contiene texto incluidos los fondos, y luego los ojos y los dientes. Esos tres pases atrapan casi todos los defectos.
Para un visual destinado a la impresión, el nodo Mejorar con Topaz Precision a 12 créditos amplía limpiamente y revela de paso lo que la baja resolución escondía. Es la misma herramienta que la descrita en hacer nítida una foto, y sirve tanto de lupa de control como de ampliadora.
Los otros detalles que delatan una imagen IA
Dientes demasiado regulares, joyas que se duplican, motivos de tela incoherentes, reflejos que no corresponden a nada: las mismas causas producen otros defectos, menos conocidos pero igual de visibles.
Las manos y el texto se llevan el protagonismo, pero la misma mecánica produce otros fallos. Los dientes, a menudo demasiados y demasiado regulares, porque son pequeños y repetitivos. Las joyas y las gafas, que se duplican a la altura de las patillas. Los motivos de tela, rayas o cuadros, que van en una dirección y luego en otra en mitad de la prenda.
Los reflejos son un caso aparte y muy revelador: en un espejo o un escaparate, el modelo dibuja algo que se parece a un reflejo sin comprobar que corresponde a la escena. Mira los cristales detrás de tus personajes, encontrarás con regularidad cosas que no existen en ninguna parte de la imagen.
Y las multitudes, donde las caras del fondo se vuelven inquietantes en cuanto haces zoom. Ahí también el reflejo es el mismo: encuadre que evita el problema, o edición dirigida que lo corrige. Son exactamente los puntos que repaso en los errores de principiante en IA generativa.
El procedimiento, en resumen
Elige un modelo que escriba cuando hay texto, encuadra para evitar las manos abiertas, repara por edición en lugar de relanzar, y relee en grande antes de entregar.
En el texto, el problema está resuelto y es cuestión de modelo: Nano Banana Pro, GPT Image 2 o Recraft para lo gráfico, Flux 2 Max cuando hace falta fotorrealismo con texto dentro. Texto exacto entre comillas, frase de bloqueo, unas pocas palabras como máximo.
En las manos, ningún modelo es perfecto, y la respuesta está en la puesta en escena: encuadrar por encima, ocupar la mano con un objeto, o sacarla del plano nítido. Describe el gesto, nunca el número de dedos. Y cuando una imagen está bien al 95 por ciento, repárala con un modelo de edición en lugar de partir de cero.
Para probar todo esto sin dejarte un presupuesto, explora a 1 crédito con Flux Schnell y pasa a un modelo de 8 o 19 créditos solo con la composición elegida. El precio exacto se muestra en el botón antes de cada clic, y la tabla completa está aquí.