Los modelos de imagen crean cada imagen por separado. No tienen «memoria» de cómo era la cara, el logotipo o el envase en la imagen anterior, así que el mismo prompt ejecutado dos veces te da dos personas distintas. La character consistency es el trabajo con el que reduces esa dispersión.
En 2026 la solución ya no es entrenar, sino una imagen de referencia: el modelo recibe la imagen original y ajusta a ella la siguiente. Funciona con caras y con productos, pero no sin límites — cuanto más te aleja el prompt del encuadre original (otro ángulo, otra luz, otra edad), más deprisa se pierde el parecido.
El error más frecuente es pensar que esto es un fallo de prompting. No lo es: la dispersión viene de cómo funciona el modelo y ni el mejor prompt la elimina del todo. Donde ser reconocible vale dinero — una marca, una mascota, una serie de fotos de producto —, al final siempre hace falta que alguien elija a mano.
Los métodos prácticos y sus límites los recorre Character consistency: el mismo personaje o producto en cada imagenuno a uno. Los conceptos directamente relacionados: reference image, seed y style reference.