Por qué los modelos de IA pierden la consistencia, qué técnicas sí funcionan para fijar a tu personaje, y cómo Lumora usa fichas de 3 vistas para mantener la misma cara en novelas, viñetas y planos animados.
La consistencia de personajes con IA es el problema más difícil de la imagen generativa, y es justamente el problema que la mayoría de "generadores de cómic con IA" y "herramientas de animación con IA" disimulan. Producen una primera imagen preciosa. Llega la segunda y el personaje tiene otros ojos, otra mandíbula, otra edad. Para la imagen diez, ya estás viendo a diez primos, no a una persona.
Esta guía explica por qué pasa, qué técnicas funcionan de verdad para evitarlo, y cómo el pipeline de Lumora mantiene la misma cara en novelas, viñetas de cómic y planos animados — usando un mecanismo que podrías replicar incluso fuera de nuestra herramienta.
Los modelos de imagen modernos — incluidas las versiones recientes de Gemini, Imagen, FLUX, Midjourney y Seedream — están entrenados para interpretar el prompt como una tarea creativa nueva cada vez. No tienen memoria de "el personaje que generaste hace treinta segundos". Cada llamada es una nueva tirada de dados. La consistencia se rompe por cinco razones que se superponen:
Reconocer estas cinco causas es el primer paso. Todo lo demás trata de cerrar cada una.
Cinco técnicas dan resultados serios. Otras dos se citan en internet y no funcionan.
Lo que funciona:
Lo que se recomienda pero no funciona en 2026:
El enfoque de Lumora es condicionamiento multimodal con referencias, no embeddings. Este es el pipeline real.
Paso 1: Defines cada personaje una sola vez. Durante la preparación, describes a tus personajes en lenguaje natural — nombre, edad, rol, descripción física, opcionalmente una foto. Lo guardamos como un registro estructurado con un campo para la URL de la foto cuando la subes. Los personajes son reutilizables entre proyectos, así que el mismo protagonista puede estar en tu novela, tu cómic y tu corto animado.
Paso 2: Lumora genera una ficha de personaje de 3 vistas. La primera vez que se necesita un personaje, nuestro servicio de imagen llama a gemini-3.1-flash-image-preview (Nano Banana 2) con un prompt que pide tres vistas — frontal, 3/4, perfil — sobre fondo neutro, renderizadas en el estilo artístico del proyecto. Si subiste una foto, esa foto entra como input multimodal y la fidelidad facial es la prioridad — el estilo solo gobierna el renderizado, no la geometría facial.
Paso 3: La ficha se cachea y se reutiliza. La ficha generada (una sola imagen que contiene las tres vistas) se guarda en Supabase Storage y se mantiene en caché en memoria. A partir de aquí, el personaje tiene una verdad visual que vive fuera de cualquier generación individual.
Paso 4: Cada imagen posterior se genera CON la ficha adjunta. Cuando Lumora genera una página de cómic, una ilustración de novela, un keyframe de video — cualquier cosa con el personaje — la petición al modelo incluye la ficha como referencia multimodal. Hasta cinco imágenes de referencia por petición (típicamente cuatro personajes más una referencia de localización). El prompt instruye explícitamente al modelo: "Usa la ficha de referencia del personaje para mantener la consistencia visual — debe verse exactamente como en su ficha."
Paso 5: En video, las mismas fichas te siguen entre etapas. En el pipeline de video, las fichas se generan en planning, se hidratan desde storage en la etapa de keyframes, y se inyectan en cada plano. La etapa de animación usa entonces Veo 3.1 con los keyframes consistentes como input — así que aunque Veo no acepte imágenes de referencia, la identidad ya quedó fijada en los keyframes que va a animar.
No hay magia. El modelo es el mismo que usan millones de otras herramientas. La diferencia está en la disciplina de inyectar siempre la referencia, sumada a una buena inversión inicial en fichas de personaje.
Cada formato exige consistencia de manera distinta. Este es el mapa práctico.
Novelas son el caso fácil para el visual: generas una o dos ilustraciones por capítulo, a veces ninguna. La consistencia importa, pero el volumen es bajo. Una ficha de personaje más la descripción canónica en el prompt del capítulo es suficiente.
Cómics son el caso de dificultad media. Un cómic de 24 páginas puede tener 90+ viñetas y una generación de imagen por página (Lumora renderiza páginas enteras, no viñetas sueltas, lo que ayuda a la consistencia — las viñetas de una misma página comparten una sola llamada de render). La ficha adjunta a cada página es lo que mantiene a tu protagonista reconocible desde la portada hasta la última página.
Cortos animados son el caso brutal. Un video de 90 segundos tiene 25–35 planos. Cada plano es una generación de imagen fresca para el keyframe, y luego se anima. Sin la misma ficha inyectada en cada keyframe, verías deriva al plano ocho. Con ella, la identidad aguanta el corto entero. Por eso todo workflow serio de animación con IA pasa hoy por una ficha estática del personaje — no hay atajo.
Tras observar miles de proyectos, los mismos cinco errores explican la mayoría de las quejas sobre consistencia:
Haz estas seis cosas y tu problema de consistencia queda resuelto en gran parte — no por magia, sino porque le das al modelo suficiente información como para que no pueda derivar.
La consistencia de personajes dejó de ser magia el día que los modelos de imagen empezaron a aceptar referencias multimodales. El trabajo está en la disciplina de inyectarlas siempre. Lumora hace ese trabajo por ti automáticamente — pero ahora sabes lo que pasa por debajo, y puedes exigir lo mismo a cualquier herramienta.
