Del desarrollo de Romergo
De las correcciones interminables a un plató: cómo estoy aprendiendo a generar historias
En el artículo anterior conté por qué hace falta todo un proceso entre el texto original y una novela visual que funcione: conservar los hechos, preparar los personajes, montar la escena y mirar lo que realmente ve quien juega.
Desde entonces, ese proceso se ha complicado. No porque quisiera inventar más nombres llamativos para la IA. Al crear historias, me encontraba una y otra vez con un problema desagradable: es fácil perder una buena imagen mientras intentas mejorarla un poco.
Primero pides corregir una mano. Después, recuperar una prenda. Luego, quitar una pierna de más; sí, también pasa. Y acabas descubriendo que, entre tantas correcciones, la cara ha cambiado, las sombras se han oscurecido y el fondo limpio se ha vuelto turbio.
Arreglas una zona mientras toda la imagen sigue cambiando. Llega un momento en que hay que admitirlo: cinco versiones atrás estaba mejor.
Corregir una imagen no significa conservarla
Una de mis grandes frustraciones es la acumulación de cambios. Tenemos una imagen A, de ella hacemos B, de B hacemos C y seguimos probando. Cada versión hereda tanto la corrección deseada como todo lo que había cambiado sin que lo notáramos.
En mis generaciones, las caras se «derretían», las sombras pesaban más, aparecían artefactos en las superficies y se perdían detalles. No todas las imágenes nuevas son necesariamente peores. Pero una cadena larga de correcciones daba demasiadas oportunidades para alejarse del aspecto original.
A una persona le parece evidente: «déjalo todo igual, solo gira la cabeza». Reconocemos al personaje, entendemos la habitación y suponemos que sigue llevando la chaqueta aunque nadie vuelva a mencionarla. Con el generador hay que acordar esas cosas explícitamente. Puede producir una imagen convincente y romper algo que dábamos por sentado.
Así que sí, buena parte del trabajo consiste en aprender a negociar con la IA. A veces hay que explicarle literalmente que seguimos sin necesitar una tercera pierna.
GENERAL: un punto al que volver
La primera respuesta fue GENERAL: una imagen de referencia aprobada de un personaje, lugar u objeto. Lo más neutra posible, con los rasgos permanentes bien visibles y sin demasiados detalles de un episodio concreto.
A partir de ahí intento evitar la cadena interminable de «última corrección → siguiente corrección». El nuevo estado se crea desde GENERAL, teniendo en cuenta lo que debe suceder ahora.
Al corregir una escena, el encargo puede apoyarse en tres elementos:
- GENERAL muestra el aspecto del personaje o del lugar;
- el fotograma anterior ayuda a conservar la pose, composición o estado deseados;
- la lista completa de requisitos describe el resultado buscado, incluida la nueva corrección.
La versión anterior sigue siendo una referencia secundaria. No debe convertirse silenciosamente en el nuevo modelo junto con todos sus errores acumulados.
*Es un esquema del método, no una comparación de generaciones reales. GENERAL ofrece un punto de referencia estable, pero no garantiza conservar cada píxel.*
No existe una fórmula mágica para impedir que el generador se equivoque. Pero ahora hay una respuesta clara a «¿a qué volvemos cuando todo empieza a deformarse?». También cambia el objetivo: conseguir la escena necesaria con el mismo personaje, en vez de limitarse a editar la última versión fallida.
Render Eye: qué existe en el mundo y qué aparece en el encuadre
El siguiente problema era más sutil. Supongamos que tenemos un personaje bien descrito: chaqueta, guantes, cinturón y botas. Pero aparece de cintura para arriba, tiene una mano detrás de la espalda y una puerta tapa parte de su cuerpo.
¿Qué detalles hay que dibujar? ¿Cuáles deben quedar ocultos? ¿Cómo distinguimos un guante oculto de uno que el generador simplemente olvidó?
Para eso estoy desarrollando Render Eye. Tiene dos tareas: preparar los requisitos antes de generar e inspeccionar la imagen obtenida después.
Primero consulta la biblia de la historia: las descripciones guardadas de personajes, lugares, objetos y sus estados. Después las contrasta con la puesta en escena: la posición de la cámara, la acción y aquello en lo que debe fijarse quien juega.
Cada detalle importante recibe una decisión: visible por completo, visible en parte, tapado por otro objeto o fuera del encuadre. Si la mano está detrás de la espalda, el guante no desaparece del mundo. Simplemente no se puede observar desde ese ángulo.
Así surge un encargo concreto para el fotograma. No solo «dibuja al protagonista en un pasillo», sino «este protagonista, con esta ropa, desde este punto y con estos detalles visibles». Si un objeto es necesario para entender la escena, no debe quedar accidentalmente fuera de la imagen.
Después de generar, Render Eye vuelve al mismo encargo. Comprueba la ropa, los objetos y la colocación de los personajes; por separado, revisa la anatomía y los artefactos. Un error detectado o una incertidumbre devuelve la imagen a corrección. No vale aceptar una chaqueta desaparecida y luego reescribir la descripción como si nunca hubiera existido.
Tampoco conviene atribuir superpoderes al sistema. La imagen la examina una IA que también puede pasar algo por alto. La revisión obligatoria aporta disciplina; no convierte al modelo visual en un observador infalible.
El director de escena: para qué queremos este fotograma
Puedes dibujar bien la ropa, conservar la cara y colocar a todos los personajes correctamente, y aun así obtener una escena insípida.
Una historia no se compone únicamente de lo que contiene. Importa cuándo lo percibe quien juega, qué frase llega primero, cuánto dura una reacción y qué se oye en ese momento.
Por eso apareció un rol de dirección de escena. Trabaja cerca de la escena misma: ordena las frases y las reacciones, decide la presencia de los personajes, la luz, el color, la música, los sonidos, las pausas y la composición de la interfaz. El original sigue siendo material de trabajo durante todo el proceso, no una breve referencia leída una vez al principio.
Imaginemos una frase: «Se oyeron pasos detrás de la puerta».
Podemos enseñar una puerta y mostrar el texto. O retirar antes la música, dejar un ambiente tenue de habitación, hacer que los pasos suenen fuera de campo, detenernos en la reacción del personaje y solo entonces continuar la conversación. Si el original todavía oculta quién ha llegado, la cámara no debería mostrarnos amablemente a esa persona.
Ese mismo pasillo puede dirigir la atención hacia una pista en un misterio o hacia la espera de un encuentro en una escena romántica. La diferencia nace de decisiones concretas. Escribir «ambiente: terror» en el encargo no basta.
El director guarda esas decisiones en un plan de puesta en escena. Los hechos de la obra se separan de la interpretación: una luz fría puede ser una elección artística; introducir a otro perseguidor cambia los acontecimientos.
Además, en un juego cada persona lee a su ritmo. Una pausa antes de una frase y esperar a que alguien termine de leerla son cosas distintas. No puedes diseñar un precioso momento de cuatro segundos y cerrar el texto a quien necesitaba seis.
Tampoco quiero sustituir una escena insípida por una colección mecánica de efectos. A veces la decisión correcta es un plano inmóvil, un corte sencillo y ninguna música. Cada recurso necesita un propósito.
El director de calidad: ¿hemos conseguido lo que buscábamos?
Los nombres «director de escena» y «director de calidad» se parecen, pero separo sus responsabilidades. El primero realiza la puesta en escena. El segundo comprueba el resultado.
Contrasta el original y el plan con lo que ha quedado en el juego: examina la secuencia terminada, no solo imágenes bonitas por separado.
¿Ha tapado la interfaz un objeto importante? ¿Desaparece quien escucha al cambiar de frase? ¿Suena música de la habitación anterior? ¿Se descompone el encuadre en un teléfono? ¿Transmite la escena el tono que motivó la elección de luz, pausas y sonido?
Una revisión útil también debe saber adónde devolver el problema. Si el defecto está dentro de la imagen, toca corregir la generación. Si un buen personaje está mal colocado en pantalla, hay que ajustar el montaje. Un sonido que empieza demasiado pronto no obliga a dibujar otra vez el fondo.
*En el esquema, Director corresponde a la dirección de escena y QA a la dirección de calidad. Es una simplificación: el original sigue guiando el montaje y la revisión final. La flecha de retorno indica corregir la etapa afectada, no reiniciar necesariamente todo el trabajo.*
Las personas tampoco deberían hacer guardia junto al generador
Aunque las imágenes lleguen antes, queda otro coste: cambiar continuamente de tarea. Abres el chat, miras un fotograma, escribes una observación y vuelves a lo tuyo. A los pocos minutos, otra vez.
Por eso otra línea de trabajo es preparar GENERAL por lotes. Las referencias independientes pueden generarse de antemano y mostrarse juntas. Así la persona las compara, detecta incoherencias y deja comentarios generales o individuales.
Después se rehacen los fotogramas necesarios. Los aprobados no deberían perderse por un intento fallido. Las dependencias siguen contando: si una imagen se apoya en una referencia todavía no aceptada, primero hay que resolver esa referencia.
No prometo que el generador vaya a ser varias veces más rápido. Me importa más reducir las ocasiones en que alguien tiene que abandonar lo que está haciendo para realizar otra revisión.
Un pequeño equipo de rodaje en lugar de una orden gigantesca
En definitiva, estoy intentando reunir un pequeño equipo de rodaje de IA. Tiene un mundo descrito, imágenes de referencia, puesta en escena, producción de fotogramas, montaje y control de calidad.
Son responsabilidades dentro del trabajo de un agente. Eso no significa que cada rol ya tenga su propia IA funcionando permanentemente. Importa más guardar las decisiones, no modificar los requisitos a posteriori y saber qué debe volver a revisarse después de cada cambio.
Las nuevas etapas ya cuentan con herramientas y planes persistentes. Ahora toca probarlas con capítulos largos reales: cuánto ayudan a conservar los personajes, el ambiente y la atención del autor durante toda la historia.
Mi objetivo final es traer un libro extenso, elegir un capítulo y convertirlo paso a paso en una aventura jugable. Poder parar, mirar el resultado, corregir lo importante y continuar donde se quedó el trabajo.
Generar historias ha resultado mucho más difícil que «escribir un buen prompt». Pero ahora esa dificultad se divide en tareas concretas. A veces hace falta una referencia estable; otras, leer con atención o dejar silencio antes de una frase. Y a veces sigue haciendo falta una persona que mire la escena y diga: «No, aquí no te creo».