Acabo de cumplir 6 meses de autoaprendizaje.
Hay dos sitios gratis que conozco y que me gustan porque hacen lo que yo quiero... pornworks y perchance. Son bastante precisos y potentes, ojo, siempre que aprendas a escribir bien los prompts. Ese fue mi primer paso. Cuando logré que las webapps online me dieran lo que quería, me sentí satisfecho con ese avance. No digo que no haya más que aprender, hay montones, y yo apenas estoy empezando, así que uso oraciones básicas bien escritas para describir la idea general en una o dos frases. Después pongo los detalles y uso palabras clave separadas por comas, por ejemplo.
Luego quise aprender más sobre la parte técnica, así que conseguí una EVGA GTX 1080TI usada en eBay por 150 dólares. Funciona perfecto para modelos pequeños y mantiene mi presupuesto bajísimo. No le veo sentido a pagar más del precio de venta por mucho que una GPU sea buena o de una generación nueva. Usé LUMO como ayuda, haciéndole las preguntas (que yo creía que eran las buenas) que necesitaba para aprender lo que intentaba hacer. Tengo 32 GB de RAM, todo DDR4, baratísimo. NVME para que el sistema vaya rápido, pero uso discos extra para guardar los modelos grandes y el respaldo de LoRAs.
Ya con el hardware, me puse a aprender sobre los LLM y cuáles eran los términos que tenía que aprender, conocer y entender para guiarme dentro del "ecosistema". Ojo con el alcance: por ahora solo estoy aprendiendo generación de imágenes, así que mis preguntas son bastante específicas. Pero en realidad empecé con LLM de texto: corro LM studio en local, con un buen modelo que es genial en matemáticas y ciencia, registros históricos, etc., y además programa y lo hace MUY bien. Estoy usando el modelo Qwen3.5 9B Uncensored HauhauCS Aggressive, por si les interesa. Creo que es suficiente para empezar.
Con eso y LUMO pude aprender qué son los frameworks, workflows, nodos, comfy UI, local vs no local, la diferencia entre LLM de generación de texto y modelos de generación de imagen... Cuando tuve una idea básica, vi videos de youtube durante un mes más o menos, solo para ver qué hace la gente, y la verdad aquí no me sirvió mucho porque la mayoría de los que hacen guías tenían videos muy viejos o el software cambió y me salían errores si los seguía, y más importante, eran demasiado avanzados y no explicaban los conceptos básicos, simplísimos, que a mí me faltaban.
Así que seguí con los LLM de texto, instalé comfy UI y cargué mi primer modelo de RED-CIVIT.AI, que era un SD 1.5, para mantener todo pequeño y fácil para mi GPU y también para el workflow. No es tan abrumador como pensé al principio, pero solo porque me quedé con los mapas (o sea, workflows) más básicos. Uso solo los nodos necesarios y no tengo nada sofisticado. Tampoco tenía expectativas de lo que iba a obtener como resultado. Simplemente fui resolviendo bugs, problemas de software e instalación, aprendiendo cómo funciona todo, usando LUMO sobre todo porque puede acceder a la web y está más actualizado: consigue las últimas actualizaciones de software, parches, cambios, etc.
La mayor parte de mi tiempo hasta ahora la pasé en crear bien los entornos en mi computadora y mantener todo organizado. Cuando tuve funcionando la configuración más básica, pude empezar a aprender sobre los nodos y los bugs que me salían al copiar el workflow de otra persona (eso fue una pesadilla si es complejo, por cierto), así que seguí usando LUMO para salir adelante, usando solo los nodos necesarios para generar en SD 1.5. Tengo como 5 u 8 nodos o algo así, si no me falla la memoria, ehh, el que lleva la lora creo. ¿Quizá 6 nodos solo para texto a imagen? Ahora no puedo mirar, porque justo en este momento estoy entrenando una lora.
Siguiendo, cuando dominé SD 1.5, pasé a aprender más sobre los distintos modelos, qué son las LORAs, y los estilos o temáticas. En Civit.AI es muy fácil ver lo que te llevas y lo tienen bien organizado, así que me quedé ahí para eso. Descubrí qué modelos y loras funcionan con mi GPU, empecé a descargar unos cuantos modelos de los pocos arquetipos distintos que existen: tengo pony, krea2, SD 1.5, SDXL, Illustrious, y así sucesivamente, y de cada uno bajé unas pocas loras, solo unas pocas, manteniendo los directorios limpios y ordenados en un VENV funcional (esto es para python en linux).
Luego aprendí y guardé los workflows más básicos para cada tipo de modelo: con / sin lora, con / sin imagen de entrada junto al texto. Así que ahora puedo usar cualquiera de esos modelos con y sin loras para generar una imagen a partir de texto. Sin olvidar que también aprendí distintas formas de controlar el resultado, como UNET, text encoders, vae y nodos personalizados.
Después quise entrenar una lora de personaje, así que me puse con eso, usando LUMO otra vez como guía porque tiene acceso a internet e información actualizada. Instalé el framework de entrenamiento kohya_ss y lo puse a funcionar, con árbol de directorios organizado, etc... y esta mañana estoy procesando mi lora de personaje V2. Esta mañana usé por primera vez mi propia lora, la que entrené toda la noche de ayer. Tardó 10 horas. Nada mal, pensé. Entonces volví a preguntar cómo puedo mejorarla después de probar y usar esa lora. Funciona al pelo, pero es potente, demasiado potente de hecho, y tiene poca flexibilidad.
Haciendo unos ajustes al comando de entrenamiento inicial, ahora estoy corriendo un entrenamiento para producir una lora más flexible pero con el mismo dataset.
Eso es algo que no mencioné, pero tuve que aprender a crear y procesar un dataset antes de entrenar la lora... es parte del proceso. Claro que hay infinitas formas de hacerlo, pero elegí un enfoque simple que me enseñara los conceptos básicos, y además uso CLI y no GUI para ganar más experiencia con la terminal. Es más fluido y controlable, con ajuste fino, pero un poco más complejo de configurar al principio. Se puede usar windows y kohya_ss, pero es una GUI y NO uso windows, hace más de 10 años que no. No pienso volver.
Dicho esto, estoy muy contento con mi progreso, porque no escucho los malos consejos de otros sobre usar la IA como guía. Les pregunto a la gente y todos parecen tener opiniones bastante negativas sobre la IA y entiendo por qué, a mí tampoco me gusta mucho usar las granjas de IA de la industria porque gastan un montón de electricidad, prefiero usar lo local cuando puedo. Solo no se rindan, usen una herramienta, aprendan bien a usarla y sigan agregando herramientas a su caja. Tomen en cuenta todo lo que alguien les diga y no sean prejuiciosos, porque pueden perderse algo que les serviría si simplemente no hubieran mirado para otro lado.
Van a encontrar lo que les funciona a ustedes, y ese es mi consejo.
Editado por gramática u ortografía, etc.
