Un nuevo y potente modelo de inteligencia artificial, bautizado como OmniGen2, ha sido presentado a través de una página de proyecto que muestra capacidades de generación y edición de imágenes que parecen superar a muchas de las herramientas actuales. Publicado en un sitio web asociado a una entidad llamada VectorSpaceLab, el modelo demuestra un control asombroso sobre la creación de imágenes a partir de texto, la edición precisa mediante instrucciones y, lo que es más notable, la capacidad de manipular y recomponer escenas utilizando sujetos de imágenes de referencia con una fidelidad sin precedentes.
La demostración, lanzada el 24 de junio de 2025, consiste en una extensa galería de ejemplos visuales que ilustran el potencial de la herramienta. Aunque no se acompaña de un documento técnico que detalle su arquitectura o su proceso de entrenamiento, los resultados hablan por sí solos y sugieren un avance significativo en el campo de la IA multimodal, aquella que puede comprender y procesar información de diferentes tipos, como texto e imágenes, de forma integrada.
De la idea a la imagen: creatividad y fotorrealismo sin precedentes
La primera de las habilidades destacadas de OmniGen2 es su capacidad para generar imágenes a partir de descripciones textuales (text-to-image). Los ejemplos mostrados en la galería del proyecto exhiben un nivel de calidad, detalle y comprensión de las instrucciones que llama poderosamente la atención. El modelo es capaz de interpretar tanto conceptos sencillos como peticiones complejas que involucran iluminación específica, composición y estilos artísticos.
Entre los ejemplos más notables se encuentra una imagen generada a partir de la instrucción: «El sol sale ligeramente, el rocío en los pétalos de rosa del jardín es claro, una mariquita de cristal se arrastra hacia el rocío, el fondo es el jardín de la madrugada, lente macro». El resultado es una fotografía hiperrealista que captura a la perfección cada uno de estos elementos, demostrando un entendimiento profundo de términos técnicos como «lente macro» y conceptos atmosféricos como «madrugada».
Otras creaciones muestran su versatilidad creativa, como «un mago oscuro conjurando hechizos en una cueva antigua» o «un gato con una corona holgazaneando en un trono de terciopelo». De forma aún más sorprendente, OmniGen2 demuestra la capacidad de generar texto legible dentro de las propias imágenes, una tarea que ha sido históricamente un desafío para los modelos de IA. Un ejemplo muestra a un gato sosteniendo una pizarra blanca con el texto «OmniGen2» y un corazón rojo dibujados con claridad, un logro técnico considerable.
Más allá de la creación: edición inteligente con instrucciones sencillas
La segunda gran área de competencia de OmniGen2 es la edición de imágenes existentes a través de simples comandos en lenguaje natural. Esta funcionalidad va mucho más allá de los filtros o ajustes básicos, permitiendo modificaciones estructurales y semánticas complejas con una precisión asombrosa. La galería de ejemplos revela cómo los usuarios podrían manipular casi cualquier aspecto de una imagen.
Las ediciones demostradas incluyen:
- Cambios de atributos: Con una instrucción como «Cambia el vestido a azul», el modelo identifica la prenda en la imagen y altera su color de forma realista, respetando las sombras y la textura del tejido.
- Modificación de objetos: OmniGen2 puede añadir elementos, como en el ejemplo «Añade un sombrero de pescador a la cabeza de la mujer», o eliminarlos por completo, como muestra la instrucción «Quita el gato» de una escena. También puede reemplazar objetos, como se ve al «Reemplazar la espada con un martillo».
- Alteraciones de pose y expresión: El modelo es capaz de interpretar acciones y emociones, como demuestran los comandos «Levanta la mano» o «Haz que sonría», modificando la pose y la expresión facial del sujeto de manera natural.
- Cambios de fondo y estilo: También puede aislar a un sujeto y cambiar completamente su entorno («Cambia el fondo a un aula») o incluso transformar el estilo artístico de una parte de la imagen, como al «Generar una figura de estilo anime basada en la imagen original».
Esta capacidad sugiere que OmniGen2 posee un entendimiento contextual profundo de los elementos que componen una imagen, tratándolos como objetos distintos y editables en lugar de simples agrupaciones de píxeles.
La verdadera revolución: el control del sujeto para crear nuevas realidades
La característica más innovadora y potencialmente disruptiva de OmniGen2 es su capacidad para realizar «generación guiada por sujeto» (subject-driven generation). Esta técnica permite al modelo tomar una o varias personas u objetos de imágenes de referencia y trasladarlos a un entorno completamente nuevo, manteniendo su identidad visual, rasgos y características, pero adaptándolos a la nueva escena, iluminación y contexto.
Los ejemplos de esta función son los más espectaculares de la demostración. En uno de ellos, a partir de dos retratos individuales, el modelo genera una nueva imagen con la instrucción «Deja que la chica y el chico se casen en la iglesia», creando una escena de boda creíble donde ambos sujetos interactúan. En otro, toma a un hombre de un retrato y lo sitúa «frente a la Casa Blanca pronunciando un discurso», adaptando su pose y su vestimenta a la nueva situación.
La sofisticación del modelo llega a un punto álgido en un ejemplo que combina sujetos de estilos artísticos dispares. A partir de una imagen de una chica de estilo anime y otra de un hombre fotorrealista, OmniGen2 genera una foto de boda en la que ambos personajes aparecen juntos, cada uno manteniendo su estilo original. La instrucción especifica: «Crea una figura de boda basada en la chica de la primera imagen y el hombre de la segunda. El hombre debe adoptar un estilo realista, mientras que la chica debe mantener su estilo clásico de anime». El resultado, tal y como se muestra en la página del proyecto, es una composición coherente que fusiona dos realidades visuales distintas, algo que representa un salto cualitativo en la IA generativa.
Un vistazo al futuro, con preguntas aún en el aire
Las capacidades exhibidas por OmniGen2 apuntan a un futuro donde la creación y manipulación de contenido visual será más accesible e intuitiva que nunca. Las aplicaciones potenciales son inmensas, abarcando desde el diseño gráfico, la publicidad y la producción de efectos visuales para cine, hasta la creación de contenido hiperpersonalizado y nuevas formas de expresión artística.
No obstante, es importante señalar que la presentación de OmniGen2 por parte de VectorSpaceLab es, por ahora, una demostración de fuerza sin un respaldo documental. La página del proyecto es parca en detalles técnicos. No se ha publicado un documento de investigación (paper) que explique su arquitectura, los datos utilizados para su entrenamiento o las técnicas que le permiten alcanzar este nivel de control y coherencia. Tampoco hay información disponible sobre si OmniGen2 será un proyecto de código abierto, una API de pago o un producto comercial.
A la espera de más información, la comunidad tecnológica y creativa observa con gran expectación. OmniGen2 se ha posicionado, a través de sus impactantes ejemplos visuales, como un serio contendiente en la carrera de la IA generativa, prometiendo herramientas que podrían redefinir los límites entre lo real y lo imaginado.
