Texto en imágenes generadas con IA: por qué falla y cómo resolverlo

Generás una imagen perfecta. Composición impecable, luz preciosa, el color exacto de tu marca. Y arriba, donde tendría que decir "Estrategia de contenido", dice "Stratgeyy Contnt".

Es el fallo más frustrante de la generación de imágenes con IA, y también el peor entendido. La mayoría intenta arreglarlo escribiendo prompts cada vez más insistentes. No funciona, porque el problema no está en el prompt: está en cómo funcionan estos modelos.

Por qué la IA escribe mal

Un modelo de imagen no escribe. Dibuja formas que se parecen a letras.

Cuando aprende de millones de imágenes, no aprende ortografía ni un alfabeto: aprende que ciertos trazos suelen aparecer juntos en ciertos contextos. Por eso:

• Las palabras frecuentes salen bien. "SALE", "NEW", "2026" aparecen tantas veces en los datos de entrenamiento que el modelo tiene su forma memorizada casi como un logotipo.
• Las palabras raras salen mal. Un término técnico, un nombre propio o una palabra en español con tilde tiene menos ejemplos, y el modelo improvisa trazos plausibles.
• Los párrafos se derrumban. Cada palabra adicional multiplica las posibilidades de error, y el modelo no tiene forma de "revisar" lo que ya dibujó.
• Las tildes y la ñ son especialmente frágiles. Buena parte de los datos de entrenamiento está en inglés.

El segundo problema, más grave: el texto es píxel

Supongamos que tenés suerte y el titular sale perfecto. Seguís teniendo tres problemas serios:

1. No lo podés editar. Cambiar "68%" por "72%" implica regenerar toda la imagen, y el nuevo render no va a ser idéntico. Adiós consistencia.
2. No lo podés traducir. Publicar la misma serie en inglés significa rehacer todas las piezas desde cero.
3. No es accesible ni indexable. Un lector de pantalla no lee píxeles. Un buscador tampoco. Si toda tu información vive dentro de la imagen, para la mitad de la web tu post está vacío.

Ese tercer punto es el que más se ignora y el que más importa. Un carrusel entero cuyo mensaje está atrapado en píxeles es contenido invisible para quien usa lector de pantalla.

La solución: separar capas

El flujo correcto no pelea con el modelo, lo usa para lo que es bueno:

1. La IA genera el fondo y la composición. Sin texto. Explícitamente: sin texto, sin letras, sin marcas de agua.
2. El texto se compone encima, en una capa real, con tu tipografía.

Las ventajas son inmediatas:

• Corregís una tilde en dos segundos.
• Traducís la serie completa cambiando solo la capa de texto.
• Controlás tamaño, interlineado y contraste con precisión.
• Podés exportar el texto como alt real para accesibilidad.
• El mismo fondo sirve para diez piezas distintas.

Es exactamente cómo funciona SwipeLoop por defecto: la IA resuelve el visual, y la tipografía queda siempre editable con las fuentes de tu marca.

Cómo pedirle al modelo que NO escriba

Los negativos importan más de lo que parece. Incluí siempre alguna variante de:

sin texto, sin letras, sin números, sin marcas de agua, sin logotipos, sin carteles

Y si tu composición necesita aire para el titular, pedilo de forma explícita:

con el tercio superior deliberadamente vacío, sin elementos visuales en esa zona

Sin esa instrucción, el modelo llena todo el encuadre y tu titular va a quedar encima del sujeto principal.

Cuando sí conviene texto generado

Hay tres casos donde dejar que el modelo escriba tiene sentido:

• Texto ambiental, que forma parte de la escena y nadie va a leer: un cartel borroso al fondo, la etiqueta de un producto.
• Una sola palabra corta en un póster, si el estilo tipográfico integrado con la ilustración es parte del efecto.
• Bocetos y exploración, donde solo querés ver cómo se siente la pieza antes de producirla en serio.

Fuera de eso, texto en capa.

Legibilidad: el error que hasta los diseñadores cometen

Que el texto esté bien escrito no significa que se lea. En el feed, tu titular compite con un fondo que la IA generó sin saber que iba a haber texto encima.

Checklist rápido antes de publicar:

• Contraste real. El texto claro sobre un fondo claro se ve bien en tu monitor y desaparece en el celular con brillo bajo. Apuntá a un contraste de al menos 4.5:1 para texto de cuerpo y 3:1 para titulares grandes.
• Capa de separación. Si el fondo es ruidoso, poné una superficie sólida o un degradado semitransparente debajo del texto. Es el truco más viejo del diseño editorial y sigue siendo el mejor.
• Tamaño mínimo. En una pieza de 1080 × 1350 px, un titular por debajo de 48 px se lee mal en pantalla pequeña.
• Longitud de línea. Entre 6 y 9 palabras por línea. Más, y el ojo se pierde.
• Nada crítico en los bordes. La interfaz de Instagram se come ~100 px arriba y ~180 px abajo. Todo el detalle está en medidas de carrusel de Instagram 2026.

Accesibilidad: lo que deberías hacer siempre

• Escribí un alt descriptivo que contenga el mensaje del texto de la imagen, no una descripción del fondo. Si el slide dice "El 68% abandona en el pago", eso es lo que va en el alt.
• Repetí los puntos clave en el pie de foto. Es lo más simple y lo más efectivo: quien no puede ver el carrusel, igual recibe el contenido. Y de paso, ayuda al alcance.
• No confíes solo en el color para transmitir una diferencia. Sumá forma, posición o etiqueta.
• Cuidá el contraste, que también es un requisito de accesibilidad, no solo de estética.

Preguntas frecuentes

¿Qué IA escribe mejor el texto dentro de las imágenes?

Ideogram está especializado en tipografía dentro del render, y las versiones recientes de GPT Image y Nano Banana Pro manejan bien titulares de hasta cinco palabras. Ninguno es fiable con párrafos. Comparamos las opciones en mejores modelos de IA para generar imágenes.

¿Cómo corrijo el texto de una imagen ya generada?

Con un modelo de edición (FLUX Kontext, Seedream Edit) podés pedir que reemplace solo esa zona, pero el resultado sigue siendo píxeles y suele notarse el parche. La opción robusta es regenerar el fondo sin texto y componer la tipografía encima.

¿Por qué la IA falla más con el español?

Porque la mayoría de los datos de entrenamiento está en inglés. Las tildes, la ñ y los signos de apertura (¿ ¡) aparecen mucho menos, así que el modelo tiene menos ejemplos de sus formas y los aproxima mal.

¿El texto dentro de una imagen cuenta para el SEO?

No como texto indexable. Los buscadores no leen de forma fiable el texto incrustado en imágenes. Lo que sí leen es el atributo alt, el nombre del archivo y el texto que rodea a la imagen. Si el mensaje solo vive en píxeles, para el buscador no existe.

¿Cuántas palabras puede escribir bien una IA en una imagen?

Como regla práctica: hasta cinco palabras con alta fiabilidad, hasta quince con resultados irregulares, y por encima de eso conviene asumir que va a fallar.

Conclusión

El texto alucinado no es un defecto que se arregle con mejores prompts: es una consecuencia de cómo funcionan los modelos de imagen. La solución es estructural y simple: dejá que la IA haga lo que hace bien —visual, composición, atmósfera— y mantené la tipografía en una capa real. Ganás edición, traducción, contraste controlado y accesibilidad, todo de una vez.