Generador de Retratos Profesionales con IA en PC (Windows)

¿Te imaginas poder generar retratos profesionales de cualquier persona con apenas unas cuantas fotos de referencia? Gracias a los avances en modelos generativos de IA, ahora es posible. Tecnologías como Stable Diffusion permiten crear imágenes realistas a partir de descripciones de texto y, con herramientas como DreamBooth o LoRA, podemos entrenar el modelo para reconocer un rostro específico y generar retratos muy fieles a la realidad.

En este tutorial, aprenderás cómo montar un generador de retratos profesionales en tu PC con Windows. Verás las herramientas recomendadas, cómo personalizar el modelo con fotos de la persona y consejos para obtener resultados de alta calidad.

¿Por qué Stable Diffusion y no GANs?

• Modelos de Difusión (Stable Diffusion)
  • Calidad y detalle: Genera imágenes fotorrealistas, incluyendo retratos muy creíbles.
  • Flexibilidad de estilos: Con un simple prompt (texto descriptivo), puedes cambiar el estilo (formal, caricatura, pintura al óleo, etc.).
  • Facilidad de personalización: Técnicas como DreamBooth o LoRA permiten entrenar el modelo con apenas 5-15 fotos de la persona que te interese.
• Modelos GAN (StyleGAN)
  • Son muy potentes en la generación de rostros, pero suelen requerir muchas más fotos (cientos o miles) para entrenar un rostro concreto.
  • No hay herramientas tan sencillas y populares como las de Stable Diffusion para personalizar con pocas imágenes.

Por ello, Stable Diffusion (con DreamBooth o LoRA) es la vía más práctica si buscas entrenar rápidamente un modelo con las fotos de una persona específica.

Requisitos de Hardware y Software

• Sistema Operativo: Windows 10 u 11 (64 bits).
• CPU: AMD Ryzen 9 5900X (o similar).
• RAM: 32 GB.
• GPU: NVIDIA GeForce RTX 3080 (10 GB VRAM).
• Drivers: Asegúrate de tener instalados los últimos drivers de NVIDIA.
• Python 3.10: Se recomienda fuertemente la versión 3.10 para evitar incompatibilidades.

Nota: Aunque es posible usar versiones de Python superiores (3.11, etc.), muchas herramientas de IA todavía tienen mejor compatibilidad con Python 3.10.

Preparar el Entorno de Trabajo

Instalar Python 3.10

1. Descarga Python 3.10 desde la página oficial.
2. Durante la instalación, marca “Add Python to PATH”.
3. Verifica en la terminal con: python --version Debe mostrar Python 3.10.x.

Crear un Entorno Virtual

1. Crea una carpeta para tu proyecto, por ejemplo: mkdir HeadshotAIGenerator cd HeadshotAIGenerator
2. Crea un entorno virtual (venv): python -m venv venv
3. Activa el entorno:
   • CMD: venv\Scripts\activate
   • PowerShell: .\venv\Scripts\Activate.ps1

Instalar la Interfaz de Stable Diffusion (AUTOMATIC1111)

1. Clonar el repositorio git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git cd stable-diffusion-webui Si no tienes Git o te da errores, descarga Git para Windows y vuelve a intentarlo.
2. Ejecutar el script de instalación
   • En Windows, simplemente haz doble clic en webui-user.bat o ejecútalo en la terminal: webui-user.bat
   • Se descargarán automáticamente las dependencias (PyTorch, etc.). Esto puede tardar unos minutos.
3. Colocar el modelo base de Stable Diffusion
   • Descarga un checkpoint, por ejemplo, stable-diffusion-v1.5 o el modelo Realistic Vision (en formato .ckpt o .safetensors).
   • Copia ese archivo a la carpeta models/Stable-diffusion dentro de stable-diffusion-webui.
4. Iniciar la WebUI
   • Ejecuta de nuevo webui-user.bat.
   • Cuando termine de cargar, abre http://127.0.0.1:7860 en tu navegador.
   • Verás la interfaz de Stable Diffusion, con pestañas como txt2img, img2img, DreamBooth (si instalas la extensión), etc.

Habilitar xformers (Opcional, pero Recomendado)

• xformers optimiza la atención y reduce el uso de VRAM.
• Asegúrate de que la WebUI lo instale automáticamente (a veces sale un mensaje para activarlo).
• Si no, en la carpeta stable-diffusion-webui, puedes intentar: pip install xformers o la versión compatible: pip install xformers==0.0.23.post1
• Al reiniciar la WebUI, fíjate en la consola si aparece algo como “Applying attention optimization: xformers”.

Personalizar el Modelo con Fotos de la Persona

Para que el modelo genere retratos de alguien real, necesitamos entrenarlo con sus fotos. Hay dos técnicas principales:

7.1 DreamBooth

1. Instala la extensión DreamBooth
   • Dentro de la WebUI, ve a la pestaña Extensions o revisa la extensión DreamBooth oficial (u otro fork).
   • Copia el repositorio en la carpeta extensions/.
   • Reinicia la WebUI.
2. Prepara tus fotos
   • Necesitas de 5 a 15 fotos de la persona, con diferentes ángulos, expresiones e iluminación.
   • Recorta para que la cara se vea claramente (mínimo 512×512).
   • Copia esas imágenes en una carpeta (por ejemplo, C:\fotos_dreambooth).
3. Configura DreamBooth
   • En la pestaña DreamBooth, crea un nuevo modelo o selecciona uno existente.
   • Indica la ruta de tus fotos (ej. C:\fotos_dreambooth).
   • Define un token único (por ejemplo, <juanPersona>).
   • Ajusta parámetros de entrenamiento (número de pasos, resolución 512×512, batch size 1 o 2, etc.).
   • Activa “Prior preservation” para que el modelo no olvide cómo generar personas en general.
4. Ejecuta el entrenamiento
   • Pulsa el botón de entrenar (puede llamarse “Train” o similar).
   • Espera entre 30 y 60 minutos (depende de tus ajustes y tu GPU).
   • Cuando termine, tendrás un checkpoint entrenado con el rostro de la persona.

LoRA (Low-Rank Adaptation)

1. Instala la extensión LoRA
   • Hay varios repositorios; uno popular es la extensión LoRA para AUTOMATIC1111 (usada también vía scripts).
   • Reinicia la WebUI.
2. Prepara tus fotos
   • Igual que con DreamBooth: 5 a 15 fotos, recortadas y variadas.
3. Configura y entrena LoRA
   • Define un token (ej. <miSujeto>).
   • Ajusta parámetros (puede tardar solo 10-15 min con una RTX 3080).
   • Obtendrás un archivo .safetensors pequeño (unos 10-15 MB) en lugar de un checkpoint de 4 GB.
4. Usa el LoRA
   • En la pestaña de generación, selecciona tu modelo base (p. ej., “v1.5” o “RealisticVision”) y activa el LoRA que acabas de entrenar.
   • En el prompt, usa el token que definiste para invocar el rostro.

¿Cuál elegir?

• DreamBooth: Máxima fidelidad, genera un checkpoint grande.
• LoRA: Más ligero y rápido de entrenar, muy buena calidad para la mayoría de casos.

Ahora que ya tenemos todo instalado veamos paso a paso como generar retratos:

Cómo generar retratos profesionales (paso a paso)

1. Inicia la WebUI y ve a la pestaña txt2img.
2. Escribe tu prompt, por ejemplo: Retrato profesional de <juanPersona>, fondo gris neutro, iluminación de estudio suave, 85mm DSLR, f/1.8
3. Parámetros de generación:
   • Pasos de muestreo: ~30 (puedes probar 20-50).
   • CFG scale: 7-9 (para controlar cuánta libertad tiene el modelo).
   • Resolución: 512×512 o 768×768.
   • Activa “Face restoration” si quieres corregir detalles (GFPGAN o CodeFormer).
   • “Highres fix” para escalar a mayor resolución.
4. Haz clic en “Generate”.
   • Espera unos segundos (o un par de minutos, según tu configuración).
   • Observa la imagen resultante.
5. Prueba variaciones:
   • Cambia el prompt para obtener diferentes estilos (por ejemplo, “iluminación tipo Rembrandt”, “retrato al óleo”, etc.).
   • Ajusta la semilla (seed) si quieres reproducir resultados o buscar variaciones.

Algunos tips para un resultado óptimo

• Fotos de entrenamiento: Usa fotos de calidad, con distintos ángulos y expresiones.
• Overfitting: Si el modelo genera siempre la misma pose, quizá necesites más variedad de fotos o menos pasos de entrenamiento.
• Prompts detallados: Incluir palabras clave como “fotografía de estudio”, “iluminación suave”, “fondo liso” ayuda a lograr resultados más profesionales.
• Upscaling: Si deseas imágenes 4K, genera primero a 512×512 o 768×768 y luego usa un upscaler (Real-ESRGAN, SwinIR, etc.).
• Ética y responsabilidad: Si usas fotos de personas reales, asegúrate de tener su consentimiento y ser respetuoso con el uso de su imagen.

Daniel Pajuelo es ingeniero informático y SEO Senior, actualmente trabajando en Guruwalk e impartiendo clases en BIG School (antes BIGSEO Academy). Ver más