Generador de imágenes con texto e IA: qué sale legible
Por el equipo creativo de Virtalio, una agencia creativa con más de 15 años produciendo piezas de marca y campañas para empresas de Latinoamérica. Última revisión: noviembre de 2026.
Un generador de imágenes con texto e inteligencia artificial ya devuelve titulares legibles, siempre que la frase vaya entre comillas, ocupe un solo bloque y no pase de cuatro o cinco palabras. Lo que sigue fallando es lo demás: tildes y ñ, frases largas, letra pequeña de condiciones legales y cualquier palabra que tenga que salir idéntica en cinco piezas distintas. La división que usamos en producción es simple: la escena se genera con IA, el texto se maqueta como capa aparte. Cuando la palabra tiene que existir dentro de la foto —la etiqueta de una botella, el letrero de una fachada— se genera, se revisa letra por letra y se acepta que puede costar tres intentos.
Qué cambió y qué sigue igual
Hace tres años el texto dentro de una imagen generada era una mancha. Hoy los modelos del catálogo de Virtalio —Ideogram V3 y V4, GPT Image 2.5 en sus variantes Flare y Sunburst, Nano Banana y Nano Banana Pro, Recraft V4.1— aceptan instrucciones de tipografía y devuelven palabras reconocibles. Los proveedores lo documentan como un flujo propio, no como un truco: Ideogram mantiene una guía dedicada al texto en imágenes y pide las palabras exactas entre comillas junto con el lugar donde van; la guía de prompting de OpenAI recomienda citar el copy, indicar cuántas veces debe aparecer y pedir de forma explícita que no haya texto adicional.
Eso es escritura, no diseño. Un modelo coloca letras donde le parece que caben; no conoce tu manual de marca, no sabe que el titular va en la caja alta de la retícula ni que el logotipo tiene un área de resguardo que nadie invade. La diferencia entre una pieza aprobada y una que vuelve del cliente casi nunca está en la foto: está en que la palabra esté bien escrita, en el lugar correcto y en el tamaño correcto.
Hay un cambio de fondo que sí conviene entender. Antes, pedir texto era pedir un milagro; ahora es un campo más del prompt, con reglas de redacción. Y como todo campo del prompt, se puede escribir bien o se puede dejar al azar. La mayoría de las piezas que se rechazan no fallaron por el modelo: fallaron porque el prompt decía «un cartel que diga algo sobre café».
Los cinco defectos que se repiten
- Tildes y ñ. La documentación de Ideogram lo dice sin rodeos: el texto sale más preciso en inglés, y las letras acentuadas o los alfabetos no latinos pueden salir mal o directamente no salir. En español eso pasa todos los días: «diseño», «acción», «México», «año». Un anuncio con «diseno» se lee como descuido, aunque la foto sea impecable.
- Textos largos. Los modelos resuelven titulares y bloques cortos; un párrafo completo es una apuesta. La misma guía de Ideogram sugiere dejar el cuerpo de texto para la herramienta de diseño.
- Letra pequeña. OpenAI recomienda subir la calidad cuando la imagen lleva texto pequeño, leyendas o notas al pie. Unas condiciones legales de seis líneas no se generan: se maquetan.
- Texto que nadie pidió. Palabras inventadas en una esquina, un logotipo que se parece demasiado a una marca real, marcas de agua fantasma. Se pide «sin texto adicional, sin logotipos, sin marcas de agua» y aun así hay que revisar.
- Bloques sin jerarquía. Con texto plano el modelo decide la maqueta. Tres bloques —titular, bajada y precio— necesitan posiciones explícitas o salen en cualquier orden y en cualquier tamaño.
Anatomía de un prompt que sí escribe
Cinco piezas, en este orden: la frase exacta entre comillas, cuántas veces aparece, dónde está en el encuadre, cómo está compuesta y qué no debe aparecer. Un ejemplo que usamos para probar modelos nuevos:
Fotografía editorial de un cartel vertical pegado en una pared de concreto con luz de tarde. El cartel muestra el texto «Café de altura» una sola vez, en la mitad inferior, en tipografía sans serif condensada, mayúsculas, tinta verde oscura sobre papel crema. Sin otro texto, sin logotipos, sin marcas de agua.
Dos detalles del proveedor que ahorran intentos. Cuando la palabra es una marca o un apellido poco común, OpenAI sugiere deletrearla letra por letra dentro del prompt. Y conviene decir el número de apariciones: «una sola vez» evita que el modelo repita el titular en el cartel, en la pared y en el reflejo del vidrio.
Si la pieza lleva varias palabras con tilde, pide una versión sin acentos para verificar la composición y después corrige el texto en la maqueta. Suena a rendirse; en la práctica es lo que separa una entrega en dos horas de una tarde peleando con una «ó».
Cuándo vale la pena un prompt con posiciones
Ideogram documenta prompts en JSON para varias regiones de texto: cada elemento puede llevar su contenido, una descripción de cómo se ve, su paleta y su caja delimitadora. Ese formato se justifica cuando la pieza tiene tres o más bloques —titular, bajada y precio— o cuando el mismo layout se va a repetir en diez versiones de campaña. El propio proveedor advierte que esas coordenadas guían la composición, no la garantizan: hay que revisar colocación y ortografía sobre el resultado.
Para una pieza suelta, un párrafo con las cinco piezas alcanza. El JSON se justifica cuando el costo de repetir el encuadre diez veces supera el de escribirlo una vez. Es la misma lógica que aplicamos al flujo general de crear imágenes con IA: el trabajo fino se hace antes de gastar el primer crédito.
Resolución: el texto se mide en píxeles
Un titular que ocupa el 3 % de la altura en una imagen de 1024 px tiene unos 30 px de altura de letra. Se lee en una tarjeta de Instagram y desaparece en un banner horizontal. Antes de generar, decide el tamaño final: si la pieza va a 1080 px de ancho, genera en esa proporción y exporta al doble para pantallas de alta densidad.
El recorte es el otro enemigo. Una escena generada en 3:2 que después se publica en 9:16 pierde los lados, y con ellos el texto que estaba cerca del borde. Deja un margen de resguardo de al menos el 10 % y coloca las palabras en la zona que sobrevive a los dos formatos. Si el texto no cabe en el margen seguro, no es un problema de prompt: es una pieza que necesita otra composición.
Esto se nota más en piezas de catálogo, donde la palabra suele ir sobre una foto de producto. En editar fotos con IA para ecommerce el criterio es el mismo: la imagen se genera limpia y el dato —modelo, talla, precio— se monta como texto real.
La regla que ahorra más trabajo
Texto dentro de la escena solo cuando la palabra forma parte del mundo físico: la etiqueta de una botella, el letrero de una fachada, el bordado de una gorra, la portada de un libro sobre una mesa. Ahí la perspectiva, la luz y la sombra son parte del argumento y no se pueden pegar después.
Texto como capa cuando importa la exactitud: precios, condiciones, direcciones web, nombres de producto, cualquier frase que vaya a cambiar. Ahí el archivo se genera sin palabras y el texto se monta en la maqueta con la tipografía del manual, en el tamaño que pide el soporte y con las tildes correctas. Cambiar una palabra cuesta un minuto y no un crédito.
Tres piezas, tres decisiones
Un póster de campaña con un titular de tres palabras: se genera completo, con el titular dentro, porque el texto es parte del cartel y la tipografía puede ser expresiva. Una etiqueta de producto: se genera la escena y el texto va en la maqueta, porque la etiqueta tiene que ser exacta, repetible y legalmente correcta. Un anuncio con precio y condiciones: la foto se genera, el bloque de texto se maqueta en vector y se revisa dos veces, igual que se revisa una pieza de diseño publicitario para cada soporte.
Checklist antes de aprobar
La revisión se hace sobre la pieza final, no sobre el preview del generador. Se ve distinta en un teléfono y distinta impresa, y el texto es lo primero que delata una pieza apurada.
- Zoom al 100 %: leer todas las palabras, no mirarlas.
- Tildes y ñ revisadas una por una; si falta una, se corrige en la maqueta o se regenera.
- Contar apariciones: el texto aparece las veces que se pidió y ninguna más.
- Bordes: el texto cabe dentro del margen que sobrevive al recorte vertical y al horizontal.
- Logotipos: ningún logo real ni un parecido peligroso; ninguna marca de agua.
- Color: el texto y el fondo coinciden con el manual de marca, no con «un verde parecido».
- Ajustes de generación: la calidad y la resolución usadas corresponden al tamaño final de la pieza.
Cómo se trabaja en Virtalio
El AI Studio genera la escena, la foto de producto y las variantes de encuadre; el equipo creativo decide la tipografía, monta el texto y revisa tildes, márgenes y versión final. Son dos pasos con responsables distintos, y por eso las piezas salen con el copy exacto. Hay más de 150 modelos disponibles en el catálogo para elegir según la pieza, y la mayoría de los trabajos tiene primera entrega en menos de 48 horas, con revisiones incluidas y sin contratos.
Si necesitas una pieza con texto que se lea bien en todos los soportes, el camino corto es AI Studio con revisión del equipo. Si el texto es el corazón de la pieza —un anuncio con precio, una campaña con condiciones—, conviene empezar por diseño y branding y usar la IA para la imagen. El detalle de cada flujo está en las funciones del AI Studio, y los planes en precios.
Preguntas frecuentes
¿Un generador de imágenes con IA escribe bien en español?
Titulares cortos, sí, con revisión de tildes. Frases largas, no: los proveedores advierten que el texto sale más preciso en inglés y que las letras acentuadas pueden fallar.
¿Por qué se equivoca en las tildes?
Porque el modelo aprende de imágenes donde el inglés domina. La corrección práctica es deletrear la palabra acentuada en el prompt, regenerar una vez y, si sigue fallando, montar el texto en la maqueta.
¿Qué modelo conviene para una pieza con mucho texto?
Los que documentan un flujo de texto propio, como Ideogram o Recraft con colocación de texto. Para una escena fotorrealista con dos o tres palabras, GPT Image 2.5 o Nano Banana Pro resuelven bien. La decisión depende de cuántas palabras hay y de qué tan grande se ven.
¿Puedo generar el texto legal dentro de la imagen?
No conviene. Es letra pequeña, cambia por mercado y tiene que leerse. Se maqueta aparte, en vector, y se revisa con la misma checklist que el resto de la pieza.