Resultados para «texto a imagen»

Florence-2 Large es el modelo especialista de Microsoft para captioning de imagen — pasa una imagen, recibe una descripción en texto. Elige el nivel de detalle (`Caption` para alt-text, `Detailed` para una frase, `More Detailed` para un párrafo). Rápido, barato e ideal para trabajo de metadata por lotes en catálogos de producto.

Wan 2.7 Image es el modelo de imagen estándar de Alibaba — texto-a-imagen **y** edición en un único endpoint, con salida hasta 2K, modo de razonamiento opcional y modo image-set para generar mallas coherentes de variantes desde un único prompt. Mismo precio que el nivel Pro; elige Pro cuando necesites 4K.

Wan 2.7 Image Pro es el modelo de imagen insignia de Alibaba — texto-a-imagen **y** edición en un único endpoint, con soporte de salida **4K**, modo de razonamiento opcional para mayor calidad, y modo image-set para generar mallas de variantes coherentes desde un único prompt.

Grok Imagine Image 2 es el modelo de imagen de segunda generación de xAI: salió en agosto de 2026 y se estrenó en el segundo puesto de las clasificaciones de Arena, tanto en generación desde texto como en edición. Organiza la tipografía y la maquetación como lo haría un diseñador, pasa con soltura de la fotografía a la ilustración y edita una foto a partir de una instrucción escrita con tus palabras. Cada imagen cuesta 4 créditos fijos, así que el 2K con la mejor calidad es lo normal, no un extra.

FLUX 3 es el modelo de imagen insignia de Black Forest Labs: genera desde texto, edita fotos y compone escenas nuevas con hasta diez imágenes de referencia, todo en un solo modelo. Antes de dibujar puede documentarse con búsquedas web y de imágenes, así que lugares, productos y eventos reales salen como son. Su tipografía precisa, el control de la composición y la salida de hasta 4K (16 MP) lo hacen ideal para pósters de imprenta, gráficos de camiseta y anuncios.

Ideogram 4.5 es el modelo de septiembre de 2026 con el que Ideogram genera y edita imágenes desde un mismo sitio, apoyado en la rotulación que ha hecho famosa a la marca: eslóganes, logotipos, pósters y etiquetas que se leen bien. Su baza es la edición precisa. Reescribe o traduce una línea de texto, cambia el color de un producto o repinta una zona con máscara, y el resto de la imagen queda intacto: perfecto para diseños de impresión bajo demanda a los que solo les falta un retoque.

Nano Banana 2.1 es la renovación de octubre de 2026 del modelo de imagen rápido de Google, de la gama Flash: un solo modelo para generar desde texto, editar de forma conversacional y fusionar hasta 14 imágenes de referencia. Razona el prompt antes de dibujar, así que la dirección de la luz, el texto literal y las composiciones estructuradas, como infografías, salen mejor que con Nano Banana 2, y por casi la mitad de créditos en 1K y 2K.

FLUX.2 [klein] 9B es el modelo estrella de la línea compacta FLUX.2 [klein] de Black Forest Labs: 9.000 millones de parámetros destilados a solo cuatro pasos de muestreo, así que casi todas las imágenes llegan en unos segundos y desde 2 créditos. Genera desde texto y edita o combina hasta cinco imágenes de referencia en la misma ejecución, lo que lo convierte en la opción más barata del catálogo para explorar ideas, bocetar diseños e iterar variantes antes de pasar al render final.

Extrae la paleta de colores dominante de una imagen con ColorThief. Devuelve una lista JSON con valores hex y RGB ordenados por prominencia.

Krea 3 es el modelo de imagen rápido de Krea pensado ante todo para editar: le describes un cambio con tus palabras y lo aplica en segundos sin desfigurar productos, logos ni personajes, y si no le das imágenes, genera desde texto. Admite hasta 8 imágenes, tiene un modo de razonamiento high para planificar ediciones de varios pasos y una edición regional experimental que cambia un detalle sin tocar el resto.

Seedream 5 Lite es el modelo rápido de generación y edición de imagen de ByteDance — texto-a-imagen más edición basada en ejemplos, generación secuencial opcional en grupo (hasta 15 variantes coherentes en una llamada) y razonamiento integrado que maneja briefs complejos sin prompts verbosos.

Happy Horse 1.0 es el modelo de Alibaba para vídeo a partir de texto o imagen. Genera un clip a partir de un prompt, o anima una imagen estática en un vídeo fluido de 3 a 15 segundos a 720p o 1080p, con cinco proporciones para formato vertical, horizontal o cuadrado.

Nano Banana 2 es el modelo rápido de generación y edición de imagen de Google — texto-a-imagen más edición conversacional, fusión multi-imagen (hasta 14 referencias) y consistencia de personaje. Salida a 1K, 2K o 4K. Las opciones de búsqueda Google e Image Search anclan la generación en referencias actuales del mundo real.

Nano Banana Pro es el modelo más avanzado de Google para generación y edición de imagen — el tramo de razonamiento más fuerte de la línea Nano Banana. Fusión multi-imagen de hasta 14 referencias, salida hasta 4K, filtro de seguridad configurable y un modelo fallback opcional para throughput por lotes.

Pruna Video es un generador de vídeo rápido y multimodal — texto-a-vídeo, imagen-a-vídeo y audio-a-vídeo desde un único endpoint. Un **modo borrador** integrado reduce el coste a aproximadamente una cuarta parte para iterar rápido; desactívalo cuando estés listo para la toma final.

GPT Image 2.5 Sunburst Edit es la gama de precisión de la línea GPT Image 2.5 de OpenAI: el hermano pesado de Flare, que dedica más tiempo a cada imagen para conservar el detalle fino. Edita hasta dieciséis imágenes de referencia a partir de una instrucción en lenguaje natural, la sigue al pie de la letra y renderiza a 1K, 2K o 4K con cinco niveles de calidad, del borrador rápido a la fidelidad máxima.

Gemini 3.7 Flash es el LLM multimodal de batalla de Google: le envías un prompt y hasta 11 imágenes y te devuelve copy, JSON estructurado, captions o análisis. Lo que más lo separa de los Flash anteriores es lo fiel que se mantiene al brief —referencias visuales, normas de marca, documentos densos—, con un control de razonamiento que eliges en cada llamada, desde respuestas rápidas hasta trabajo cuidadoso en varios pasos.

**COMING SOON.** Sube un diseño y obtén un reporte estructurado — tipo (foto / ilustración), DPI, paleta, posibles problemas de IP, metadatos y siguientes pasos recomendados.

**COMING SOON.** Marca diseños que puedan infringir una marca registrada o un brand con copyright — similitud de logo, personajes reconocibles, marcas registradas — antes de que lleguen a un pedido.

Seedance 2.0 Pro es el modelo text-to-video insignia de ByteDance — alta obediencia al prompt, movimiento natural y referencias multimodales opcionales (imágenes, vídeos, audio) para fijar identidad, estilo y ritmo. Este es el endpoint nativo de ByteDance ModelArk; los hermanos enrutados por WaveSpeed siguen en el catálogo para los usuarios que ya apuntan a ellos.

Seedance 2.5 Text to Video es el modelo de vídeo de nueva generación de ByteDance: convierte un briefing escrito en una única toma continua de hasta 30 segundos, con diálogos, efectos y ambiente generados en la misma pasada. Renderiza hasta 4K nativo y, cuando lo necesitas, sigue hasta 30 imágenes de referencia además de vídeos y audios para personajes, productos y movimiento.