Ideogram v4: Texto a Imagen (API)
Introduce un prompt de texto en formato JSON estructurado. Genera una imagen de alta calidad con control preciso de layout, texto y paleta de colores.
Probar un ejemplo
Acerca de este flujo de trabajo
Este flujo de trabajo tutorial de ComfyUI demuestra cómo controlar Ideogram v4 mediante un prompt JSON estructurado para obtener renderizado de texto limpio, colores de marca consistentes y control fiable del layout. En lugar de una sola frase libre, construyes un objeto JSON compacto que describe la escena, el texto dentro de la imagen, una paleta de colores y bounding boxes por objeto. Ese JSON se envía al Nodo de API partner IdeogramV4, que devuelve una imagen de alta calidad que sigue tu layout especificado en la medida que el modelo lo permite. La salida va directamente a SaveImage.
Para facilitar la redacción, el grupo JSON Prompt Builder (actívalo seleccionando el grupo y pulsando Ctrl+B) incluye un MarkdownNote con un esquema/plantilla y un GeminiNode opcional que puede transformar un brief sencillo en un prompt JSON bien formado. Puedes previsualizar el prompt estructurado con PreviewAny antes de enviarlo a IdeogramV4, iterar sobre bounding boxes o valores de la paleta y luego renderizar la imagen final. Este enfoque es ideal cuando necesitas texto dentro de la imagen fiable, paletas seguras para la marca y colocación de objetos, algo que un prompt en lenguaje natural por sí solo suele no lograr.
Preguntas y respuestas
Puedes ingresar lenguaje natural directamente en el nodo IdeogramV4. Sin embargo, este flujo está optimizado para prompts JSON estructurados, que dan mucho mayor control sobre texto en imagen, paleta de color y colocación de objetos mediante bounding boxes.
Usa la plantilla en MarkdownNote como referencia. Un ejemplo mínimo incluye: prompt (descripción general), palette (array de colores hex) y layout de items con tipo, texto/sujeto y bbox [x, y, w, h] en coordenadas normalizadas 0–1. Ejemplo (las claves pueden variar): { "prompt": "póster retro de un amanecer en la montaña", "palette": ["#0F0F0F", "#FF6A00", "#FFD54D"], "layout": { "items": [ {"type": "text", "text": "SUMMER FEST", "bbox": [0.1, 0.05, 0.8, 0.2]}, {"type": "image", "subject": "amanecer en la montaña", "bbox": [0.1, 0.28, 0.8, 0.55]} ] } }
Aumenta el padding en el bounding box del texto, reduce la longitud del texto y evita cajas superpuestas. Mantén los valores bbox entre 0–1, asegúrate de que los items no colisionen y prueba pequeños ajustes: suelen resolver problemas de recorte y alineación.
Define un array conciso de colores hex de tu marca en el JSON. Limítalo a pocos colores clave para influir fuertemente en el modelo. Si los resultados se desvían, simplifica la paleta, reduce prompts conflictivos y vuelve a ejecutar. El modelo busca respetar tu paleta equilibrando la calidad general de la imagen.