El entrenamiento LoRA para personajes ya no es el camino (y qué hacer en su lugar)

Durante buena parte de 2024 y 2025, si necesitabas que un personaje se viera igual en veinte escenas distintas, el camino "serio" era entrenar un LoRA: juntar quince o treinta imágenes de referencia, ajustar hiperparámetros, esperar el entrenamiento, y cruzar los dedos para que el resultado no se sintiera sobre-ajustado en la escena doce.

Esa era está terminando. Y no lo decimos primero nosotros: el propio blog de Segmind, una de las plataformas que hospeda modelos de generación de imagen de referencia, lo dice sin rodeos — entrenar un LoRA para consistencia de personaje ya dejó de ser el enfoque recomendado.

¿Qué cambió?

Los modelos "zero-shot" de referencia, como Nano Banana 2 (ya en el catálogo de Guionauta), reciben una o varias imágenes de referencia directamente junto al prompt, sin entrenamiento previo, y generan variaciones consistentes del mismo sujeto: mismo rostro, mismo peinado, mismo vestuario, en una pose o escena distinta. Sin subir un dataset. Sin esperar un training job. Sin un modelo custom por personaje que hay que versionar y mantener.

Por qué esto nos importa

El enfoque que ya usamos en Guionauta para continuidad — un campo de prompt_dna por personaje y locación, que se inyecta automáticamente en cada prompt de imagen y video — apunta en la misma dirección: consistencia por descripción rica y reutilizable, no por entrenamiento. Que la industria esté validando ese camino (y abandonando el de LoRA custom) confirma que vamos por donde hay que ir.

Dicho esto, hoy nuestro prompt_dna es texto, no una imagen de referencia real inyectada en el modelo. Ese es el siguiente escalón natural, y es justo lo que estamos evaluando para la próxima iteración del sistema de personajes — vamos a ir contando cómo avanza en este mismo blog.

Lo que esto significa en producción real

• No hace falta entrenar nada por cliente ni por personaje.
• La consistencia mejora con la calidad de la descripción, no con más fotos de entrenamiento.
• Los modelos con soporte de imagen de referencia (Nano Banana 2 en nuestro catálogo) son hoy la opción más sólida cuando la continuidad visual es crítica.

Seguimos de cerca una alternativa de enfoque distinto: Higgsfield Soul ID, un sistema de "personaje entrenado" que analizamos como opción de largo plazo para los casos donde se necesite un candado de identidad más fuerte que el que da hoy la descripción textual.