Pipeline de contenido con persona de IA (Stable Diffusion)

El problema

El contenido generado por IA se había convertido en un mercado propio, y el cliente quería una persona virtual al estilo de Aitana Lopez (@fit_aitana): un personaje fotorrealista cuyas imágenes pudieran publicarse cada día para construir una audiencia. Un modelo de serie puede producir una cara convincente una vez; lo difícil es producir la misma cara, con la misma estética, bajo demanda. El trabajo consistía en hacer repetible esa coherencia.

Qué construí

• Stable Diffusion ejecutado a través de la interfaz web Automatic1111, instalada y configurada en una máquina local con una GPU NVIDIA 2080 Ti, para que el entrenamiento y la generación se quedaran en casa con tiempos de respuesta cortos.
• Un dataset recopilado y preprocesado que definía el aspecto de la persona y la estética objetivo.
• Un modelo de Stable Diffusion ajustado con fine-tuning sobre ese dataset, usando la 2080 Ti para las ejecuciones de entrenamiento.
• Una rutina de generación de contenido diaria que producía imágenes realistas y atractivas con una cadencia fija para mantener la cuenta activa y en crecimiento.

Cómo se entregó

Fui el único responsable de las cuatro fases: configuración del entorno, preparación de datos, entrenamiento del modelo y generación continua. Mantener toda la pila en una sola GPU local hizo que el procesamiento fuera eficiente y los tiempos de respuesta cortos, de modo que los cambios en la estética se podían probar y regenerar el mismo día.

Resultado

Un modelo ajustado que produce imágenes coherentes y realistas con una estética definida, y una cadencia de contenido diaria pensada para hacer crecer la base de seguidores de la persona. El resultado es un pipeline de contenido de IA generativa y no una imagen aislada: el mismo personaje, fiel a la marca, cada día.