AI Creative Director empieza un paso antes. Recibe la fotografía de un objeto y permite añadir una pequeña orientación sobre la campaña. En el ejemplo del Lab utilizamos un altavoz naranja y este brief:

La herramienta propone tres direcciones de arte, cada una con su propia idea y planificación fotográfica. Después elegimos una y generamos cuatro imágenes que cumplen funciones distintas dentro de la misma campaña.

Lee el artículo completo con sus ejemplos interactivos →

Durante las últimas semanas han aparecido modelos con pesos descargables en casi todas las modalidades. Kimi K3 se ha acercado a los mejores modelos de lenguaje propietarios. Ideogram y Krea han publicado nuevos modelos de imagen. MiniMax ha abierto parte de H3 y Lightricks ha lanzado LTX-2.5 en su API junto a una colección de pesos descargables. Black Forest Labs también ha mostrado su primer modelo de vídeo y ya ha anunciado una futura variante abierta de FLUX 3.

Es tentador juntar todos estos lanzamientos y decir que los modelos propietarios están perdiendo su ventaja. El problema es que muchos de estos modelos no son realmente open source. Algunos no permiten el uso comercial. Otros conservan cerrada su mejor versión, y H3 excluye varios de los mayores mercados del mundo.

Lee el artículo completo con sus ejemplos interactivos →

En el ejemplo de este artículo, el prompt pide una mujer con un abrigo azul intenso delante de un tranvía rojo. La imagen muestra un abrigo negro y un tranvía blanco. Las dos diferencias son evidentes. Lo interesante es comprobar si podemos encontrarlas automáticamente y, sobre todo, qué hacemos después con ellas.

Image Debugger es el primer experimento del Lab. Recibe una imagen y el prompt que debía describirla, identifica lo que no coincide y prueba dos maneras de recuperar la intención: generar otra imagen desde cero o editar la que ya tenemos.

Lee el artículo completo con sus ejemplos interactivos →

Cuando volvieron las ganas de experimentar y de escribir por mi cuenta, retomé el proyecto para poner en marcha el Lab, una nueva sección donde publicar pequeños experimentos. Una cosa llevó a la otra y acabé rediseñando el blog entero.

El diseño anterior funcionaba, pero durante esos dos años había aprendido mucho y quería aprovecharlo para mejorar la web. Había componentes que todavía no utilizaban el sistema y demasiados valores elegidos a ojo. El objetivo no era solo cambiar el aspecto, sino terminar con un sistema más coherente y más fácil de modificar.

Lee el artículo completo con sus ejemplos interactivos →

Esta propuesta toma inspiración y trabajo previo de SDXL Turbo y LCM-LoRA, añadiendo una serie de mejoras para eliminar las principales limitaciones de estos métodos.

SDXL-Lightning no se distribuye en un único modelo multi-step, si no que hay un checkpoint optimizado para cada uso. Se distribuye un checkpoint experimental para realizar inferencia en un único paso, además de checkpoints para 2, 4 y 8 pasos. De todos estos checkpoints se puede descargar el modelo completo con todos los componentes, solo el modelo U-Net o un módulo LoRA para utilizar SDXL-Lightning con cualquier otro modelo de Stable Diffusion XL (excepto el checkpoint de 1 paso donde el módulo LoRA no está disponible).

Lee el artículo completo con sus ejemplos interactivos →

Vamos a utilizar la librería diffusers de Hugging Face ya que este blog está orientado al scripting/desarrollo. Aún así, aprender las diferentes técnicas de optimización y cómo interactúan entre ellas nos servirá para sacarle partido en todo tipo de aplicaciones, como por ejemplo Stable Diffusion web UI de Automatic1111 o, especialmente, ComfyUI.

El artículo puede parecer largo y denso, pero no tienes por qué leerlo entero del tirón. Mi objetivo es que conozcas las distintas técnicas de optimización que existen y que aprendas cuándo y cómo utilizarlas y combinarlas, aunque algunas de ellas ya suponen una diferencia sutancial por sí solas.

Lee el artículo completo con sus ejemplos interactivos →

Ya que hay mundo más allá de Stable Diffusion, en este artículo vamos a optimizar el uso de memoria del modelo de difusión fotorealístico llamado PixArt-α. Este modelo tan creativo ha sido entrenado para generar imágenes de 1024x1024 y cuenta con una serie de ventajas respecto a Stable Diffusion, siendo la mayor de ellas la reducción en un 90% del tiempo y costes del proceso de entrenamiento.

La arquitectura es similar a Stable Diffusion al tratarse de un modelo de difusión. Se utiliza un tokenizador (T5Tokenizer), un transformer del tipo text encoder (T5EncoderModel), un variational autoencoder (VAE), un scheduler (DPM-Solver) y para limpiar el ruido se utiliza otro modelo de tipo transformer (Transformer2DModel) en vez de un modelo U-Net.

Lee el artículo completo con sus ejemplos interactivos →

En este artículo vamos a implementar cada parte del proceso de inferencia mediante código en Python, para así comprender de manera más técnica su funcionamiento. Es probable que no entiendas a la perfección todas las líneas de código de este artículo. No te preocupes, no tiene importancia. La idea es ver de forma general cómo funciona, cuáles son sus componentes y cómo interactúan entre ellos.

Vamos a utilizar la misma versión que en el artículo anterior (Stable Diffusion 1.5) y un condicionamiento de tipo texto-a-imagen (txt2img).

Lee el artículo completo con sus ejemplos interactivos →

Salí contento y deseoso de llegar a casa para decirle adiós a un Windows 95 que tenía que formatear todas las semanas. Efectivamente, no era la panacea. De hecho no entendí nada, pero esa experiencia sembró en mí una semilla que he ido cultivando desde entonces. Con el tiempo aprendí a utilizar Linux y cada cierto tiempo probaba una distribución nueva.

Pasé bastantes años utilizando Gentoo, ya que me permitía optimizar los recursos al máximo a cambio de compilar cada paquete del sistema. Cuando mi ordenador ya era suficientemente potente y moderno, empecé a utilizar distribuciones como SUSE o Ubuntu. Por último me asenté en Arch Linux, donde he estado probablemente más de una década. Era relativamente estable, moderno y seguramente la mejor experiencia para utilizar Linux en tu casa.

Lee el artículo completo con sus ejemplos interactivos →

Para los modelos generativos de texto como Falcon, Llama 2 o modelos de la familia Llama (Vicuna o Alpaca), solemos utilizar la interfaz Oobabooga text-generation-webui o FastChat.

En el caso de los modelos generativos de imagen, o más bien, en el caso de Stable Diffusion, las interfaces más populares son Stable Diffusion web UI de Automatic1111, Invoke AI o ComfyUI. Para el entrenamiento o fine-tuning de estos modelos se hace uso de aplicaciones/extensiones como Dreambooth o Kohya SS.

Lee el artículo completo con sus ejemplos interactivos →

En cuestión de horas empezaron a publicarse nuevos métodos y formas de generar códigos QR con Stable Diffusion. La mayoría de resultados son sorprendentes pero en mi opinión hay 2 problemas importantes.

El primer problema es que las imágenes generadas son tan impactantes que ya nisiquiera parecen códigos QR. Cuando vemos un código de barras de una bolsa de almendras o un código QR en la mesa de un restaurante, inmediatamente sabemos para qué sirven y qué hacer con ellos. Al ver estas imágenes no tendremos esa familiaridad.

Lee el artículo completo con sus ejemplos interactivos →

En este proceso entran en escena varios algoritmos. El conocido como sampler se encarga de obtener del modelo que estemos utilizando en Stable Diffusion una muestra sobre la que aplica el ruido estimado por el predictor de ruido. Posteriormente resta esta muestra a la imagen que está limpiando, puliendo el mármol en cada paso.

Este algoritmo se encarga del cómo, mientras que el algoritmo conocido como noise scheduler se encarga del cuánto.

Lee el artículo completo con sus ejemplos interactivos →

En este artículo vamos a ver, a grandes rasgos, sin una sola línea de código y casi para todos los públicos, como funciona Stable Diffusion internamente en su versión 1.x y cómo es capaz de generar imágenes tan creativas con una simple frase de texto.

Lee el artículo completo con sus ejemplos interactivos →

Cuando el servidor web hace uso de esta política, todos los visitantes que intenten acceder a través del protocolo HTTP serán redirigidos a la versión HTTPS. De ahí viene lo de estricta.

Lee el artículo completo con sus ejemplos interactivos →

En este artículo veremos cómo funciona y las distintas opciones de las que disponemos.

Lee el artículo completo con sus ejemplos interactivos →

¿La solución? Encriptar todos los paquetes de datos para que los nodos intermedios solo puedan interceptar datos cifrados que no tienen ninguna utilidad. Y aquí es donde aparece TLS.

Lee el artículo completo con sus ejemplos interactivos →

Un protocolo de comunicaciones es un conjunto de reglas que dos o más entidades utilizan para comunicarse y transmitir información.

En lo que conocemos como Internet, se hacen uso de multitud de protocolos. Por ejemplo HTTP para navegar por la web, SMTP e IMAP/POP para enviar y recibir correo electrónico, RTSP para vídeo en tiempo real, etc.

Lee el artículo completo con sus ejemplos interactivos →

Vamos a utilizar de ejemplo una aplicación creada en Node.js. Si bien podríamos utilizar uno de los muchos gestores de procesos que se instalan a través de npm, como por ejemplo pm2, forever o supervisor, el problema es que estas herramientas están unidas a Node.js y su futuro dependen del mantenimiento que reciban estas librerías. En el caso de systemd, es una suite muy sólida que viene de serie en muchas distribuciones Linux y saber cómo funciona nos brinda nuevas oportunidades.

Otro problema es que tras reiniciar la máquina necesitaríamos un servicio o tarea que ejecute de nuevo nuestro gestor de procesos basado en Node.js. Así pues, vamos a prescindir de este tipo de herramientas, aunque podríamos combinarlas y obtener lo mejor de ambos mundos.

Lee el artículo completo con sus ejemplos interactivos →

A continuación veremos un ejemplo de configuración de iptables restrictivo y útil, en el que cerraremos todos los puertos e iremos abriendo los necesarios según las necesidades personales de cada uno.

Lo primero es especificar qué tipo de reglas vamos a añadir. Esto se hace marcando el inicio y el fin:

Lee el artículo completo con sus ejemplos interactivos →

Hasta ahora nuestra opción era depender de la etiqueta <title> para el título de la aplicación y un montón de etiquetas <link> y <meta> (apple-touch-icon, icon, msapplication, etc.) para gestionar los iconos a distintas resoluciones. Cuando un usuario añadía nuestra web a la pantalla de inicio de su teléfono móvil, aparecía utilizando este título e iconos dependiendo de la plataforma que tuviese el usuario. Esta técnica no era muy amigable para los desarrolladores y no ofrecía flexibilidad ni facilidades en el mantenimiento de estas directrices.

La W3C se puso las pilas y ahora podemos hacer uso del manifiesto para aplicaciones web.

Lee el artículo completo con sus ejemplos interactivos →