Los modelos de imagen entienden bien el contenido del prompt y mal las relaciones espaciales. Una petición del tipo «el producto a la izquierda y hueco a la derecha para el texto» vuelve una y otra vez al revés, porque el modelo no procesa esas palabras como posiciones. El layout control es el trabajo con el que lo fuerzas de todos modos.
¿Por qué importa esto en lo comercial? Porque la composición no es adorno: un anuncio, una portada o una foto de producto necesitan un hueco reservado de antemano para el logo y el texto. Si la composición no se puede dirigir, la mayoría de las imágenes será inservible, por bonita que sea cada una por separado.
El error más habitual es creer que se arregla promptando mejor. No se arregla: es la capacidad más débil de los modelos de imagen actuales, y las soluciones fiables no están en el prompt, sino al lado: un boceto, una composición de referencia o colocar el texto después sobre una superficie dejada vacía a propósito.
Los cuatro métodos utilizables los recoge el layout control en la imagen, que además dice cuál funciona casi siempre. Los conceptos directamente relacionados: ControlNet, reference image y character consistency.