ES ▾
Obtener clave de API

API de LLM para prompts de Flux: un flujo de trabajo práctico

Si quieres una API de LLM para prompts de Flux, el trabajo es sencillo: envía una idea breve a un modelo de texto y obtén un prompt detallado que tu servicio de imágenes pueda usar. Esta página muestra el prompt del sistema, los ajustes y el código, y explica claramente lo que un modelo solo de texto no puede hacer.

Actualizado

Una terminal que alimenta cintas de texto a lo largo de una cinta transportadora hacia un marco de imagen vacío, mostrando prompts escritos antes de las imágenes

Puntos clave

  • Usa un mensaje del sistema para fijar el formato y el estilo una vez, y envía solo la idea breve por petición.
  • El modo JSON devuelve una lista de variaciones de prompt que un script puede recorrer sin analizar texto.
  • La ventana de 100.000 tokens te permite pegar una guía de estilo o prompts anteriores en la petición.
  • Una expansión completa cuesta una fracción de centavo, y el modelo no ve ni genera la imagen.

La versión corta

Crea una clave, apunta un cliente de OpenAI a https://api.fluxapikey.com/v1, establece el modelo en uncensored y coloca tus reglas de prompt en el mensaje del sistema. Cada mensaje de usuario es entonces solo la idea: unas pocas palabras, una escena, un personaje. La respuesta es el prompt terminado. Cópialo en la herramienta de imágenes que uses, que tiene su propia clave y su propia facturación.

Nada de esto genera imágenes. La API es solo de texto, no es un servicio de un proveedor de imágenes y no puede ver tus renders. Lo que hace bien es la escritura: estructura, vocabulario, coherencia en un lote. El resto de esta página es el detalle práctico.

¿Por qué usar un modelo de lenguaje para prompts?

Los modelos de imágenes recompensan la entrada específica y castigan la entrada vaga. Una línea como "un castillo" te da el castillo promedio. Un párrafo que nombra el material de las paredes, la hora del día, la lente y la paleta de colores te da algo más cercano a la imagen en tu cabeza. Escribir ese párrafo a mano para cada imagen es lento, y tiendes a olvidar los mismos detalles cada vez.

Un modelo de lenguaje es bueno exactamente para este tipo de expansión. Añadirá el detalle faltante, mantendrá un orden fijo de elementos y mantendrá un estilo uniforme en cientos de peticiones. Como este modelo no rechaza por defecto, también maneja ficción, temas oscuros y trabajo de personajes para adultos que los modelos alojados más cautelosos suelen rechazar. Se aplica el límite habitual: uso adulto legal únicamente, y sin contenido sexual que involucre menores de edad bajo ningún encuadre.

Un prompt del sistema que funciona

La mayor parte de la calidad proviene del mensaje del sistema. Mantenlo breve, concreto y verificable. Aquí tienes un punto de partida que puedes editar:

SYSTEM = '''You write prompts for a text-to-image model.
Output exactly one prompt, one paragraph, no preamble, no quotes.
Order: subject, action, setting, lighting, camera or medium, palette, mood.
Use concrete nouns and visual adjectives. Avoid abstract words like beautiful.
Do not mention the words prompt, image or render.
Keep it under 90 words.'''

Observa lo que el mensaje no dice. No da una larga lección sobre la creatividad ni una lista de temas prohibidos. Las reglas cortas con un orden fijo son más fáciles de seguir para un modelo y más fáciles de depurar para ti. Si la salida se desvía, cambia una línea y vuelve a ejecutar la misma idea. Si quieres un estilo distinto para otro proyecto, mantén un segundo mensaje del sistema y elige uno por petición.

Muestra, no describas

Cuando las reglas por sí solas no son suficientes, añade uno o dos pares de ejemplos como mensajes anteriores en la conversación: una idea breve como mensaje de usuario y el prompt que te gusta como mensaje de asistente. Un par o dos suelen fijar el tono mejor que otro párrafo de reglas.

Enviar la petición

La llamada es una finalización de chat estándar. Los ajustes que más importan para la expansión creativa son la temperatura y la semilla.

from openai import OpenAI

client = OpenAI(base_url="https://api.fluxapikey.com/v1", api_key="YOUR_KEY")

def expand(idea, seed=None):
    r = client.chat.completions.create(
        model="uncensored",
        messages=[
            {"role": "system", "content": SYSTEM},
            {"role": "user", "content": idea},
        ],
        temperature=0.9,
        top_p=0.95,
        max_tokens=200,
        seed=seed,
    )
    return r.choices[0].message.content.strip()

print(expand("an abandoned observatory on a cliff", seed=7))

Una temperatura de 0,8 a 1,0 da una redacción variada, que es lo que quieres al hacer lluvia de ideas. Redúcela hacia 0,3 cuando necesites una salida casi idéntica para una plantilla repetida. El seed, top_p, stop y los parámetros de penalización se pasan al modelo, así que puedes usarlos como harías en otro lugar. El límite de max_tokens es opcional; establecerlo cerca de la longitud que esperas mantiene corta una respuesta descontrolada. Consulta la documentación para cada parámetro admitido.

Lotes de variaciones con modo JSON

Para un lote, pide una lista y activa el modo JSON con response_format. El mensaje del sistema aún debe indicarle al modelo qué forma devolver, ya que el modo JSON hace que la salida sea JSON válido pero no elige las claves por ti.

# client as above: base_url https://api.fluxapikey.com/v1
import json

def variations(idea, n=8):
    r = client.chat.completions.create(
        model="uncensored",
        response_format={"type": "json_object"},
        messages=[
            {"role": "system", "content": SYSTEM + f"\nReturn JSON: {{\"prompts\": [{n} strings]}}."},
            {"role": "user", "content": idea},
        ],
        temperature=1.0,
    )
    return json.loads(r.choices[0].message.content)["prompts"]

for p in variations("a night market in the rain"):
    print(p)

Envuelve json.loads en un bloque try de todos modos. Si una respuesta se corta por un max_tokens muy bajo, no se analizará, así que deja ese parámetro generoso para las solicitudes de lista. Cada prompt en la lista puede ir directamente a tu servicio de imágenes en un bucle.

Usando la ventana de 100.000 tokens

La ventana de contexto es de 100.000 tokens, contando el prompt más la finalización. Para el trabajo de prompts, es más de lo que necesitas por petición, pero es útil de dos maneras. Puedes pegar una guía de estilo larga, una hoja de personaje o una lista de prompts anteriores que funcionaron, y el modelo los seguirá. Y puedes mantener una conversación de trabajo: pide un prompt, di "más oscuro, añade niebla" y obtén uno revisado que recuerde el primero.

Las entradas largas cuestan dinero, así que limita la guía de estilo fija a lo que realmente cambia la salida. Quinientos tokens de reglas son baratos. Cincuenta mil tokens de prompts antiguos enviados con cada petición se acumulan, como muestra la sección de costos a continuación: 50.000 tokens de entrada extra cuestan $0,0075 por petición, o $3,75 en 500 peticiones.

Patrones de prompt para tareas comunes

El mismo endpoint cubre varias tareas diferentes. Lo que cambia es el mensaje del sistema.

  • Hojas de personaje. Mantén una descripción fija de un personaje recurrente (cabello, ropa, edad, complexión) en el mensaje del sistema, e instruye al modelo para que lo repita palabra por palabra en cada prompt. Esa es la forma más barata de mantener un personaje reconocible en una serie de renders.
  • Transferencia de estilo por palabras. Da una lista de términos de estilo que te gustan, como "guache, paleta apagada, grano", y pídelos en la última oración de cada prompt.
  • Redacción negativa. Si tu herramienta de imágenes toma un prompt negativo separado, pide al modelo que devuelva dos campos en modo JSON: prompt y negative. Mantén la lista negativa corta y específica.
  • Acortar. Algunas herramientas cortan la entrada larga. Añade un límite de palabras a las reglas y pruébalo, ya que los modelos cuentan las palabras de forma aproximada.

La ficción madura y el arte de rol para adultos son un caso legítimo aquí. El modelo escribirá la descripción de la escena en un lenguaje claro y no gráfico si se lo pides. Si trabajas en una plataforma con sus propias reglas de contenido, incluye esas reglas en el mensaje del sistema también, para que los prompts coincidan donde se publicarán las imágenes.

Pruebas y ajuste del bucle

Trata el mensaje del sistema como código. Elige cinco ideas de prueba que cubran tu rango habitual, ejecútalas con un seed fijo y una temperatura baja, y guarda las salidas. Después de cada cambio en las reglas, vuelve a ejecutar las mismas cinco y compara. Esto detecta el fallo común donde una corrección para un caso rompe otro.

Busca tres síntomas. Los prompts que repiten las mismas palabras de apertura en un lote significan que la temperatura es demasiado baja o que los ejemplos son demasiado uniformes. Los prompts que ignoran tu límite de palabras significan que la regla está enterrada; muévela al final del mensaje. Los prompts que incluyen introducciones charlatanas como "Aquí tienes tu prompt" significan que la regla de formato necesita ser más estricta, o puedes eliminar la primera línea en el código. El streaming con stream: true está disponible si muestras resultados en una interfaz de usuario, y el uso se informa al final del flujo.

Límites para planificar

Tres límites honestos. Primero, el modelo es solo de texto: no puede ver una imagen, así que no puede juzgar si un prompt produjo una buena imagen. Tú eres el juez, y el bucle es escribir, renderizar, ajustar las reglas. Segundo, no sabe nada sobre las peculiaridades de tu modelo de imágenes en particular a menos que se lo digas, así que pon esas peculiaridades en el mensaje del sistema. Tercero, límites de velocidad: una clave completa permite 8 peticiones simultáneas y 300 por minuto, y una clave de prueba 2 y 60. Si un bucle excede eso, obtienes HTTP 429 con el código concurrency o rate_limited; espera un momento y reintenta. Un 429 con un encabezado Retry-After: 5 significa sobrecarga temporal y se aplica el mismo consejo.

Qué cuesta por prompt

La tarifa es de $0,15 por 1M de tokens de entrada y $0,50 por 1M de tokens de salida. Supongamos que cada petición envía un mensaje del sistema de 800 tokens más la idea y devuelve un prompt de 200 tokens. En 500 peticiones, eso son 400.000 tokens de entrada y 100.000 tokens de salida. Entrada: 0,4 x $0,15 = $0,06. Salida: 0,1 x $0,50 = $0,05. Total: $0,11 para 500 prompts.

El lote JSON anterior, con aproximadamente 400 tokens de entrada y 700 de salida por llamada, cuesta 0,0004 x $0,15 más 0,0007 x $0,50, que es $0,00006 + $0,00035 = $0,00041 para ocho prompts. El crédito de prueba es de $0,50, reclamado con un clic después del registro. Las recargas comienzan en $20; consulta la página de precios para los niveles de bonificación, y la página de claves para comenzar.

Preguntas y respuestas

¿Puede el modelo escribir prompts para cualquier generador de imágenes?

Sí, porque solo produce texto. Indícale el formato que prefiere tu herramienta de imágenes en el mensaje del sistema y luego copia el resultado.

¿Rechazará temas maduros u oscuros?

Está ajustado para responder sin rechazos de contenido para uso adulto lícito. El contenido sexual que involucre a menores de edad nunca está permitido.

¿Cuántos prompts puedo generar por minuto?

Una clave completa permite 300 peticiones por minuto y 8 simultáneas. Con el modo JSON, una petición puede devolver varios prompts.

¿También genera las imágenes?

No. La API es solo de texto, sin generación de imágenes, audio ni video.

Tu clave está a un formulario de distancia

Crea una cuenta, copia la clave, cambia la URL base. Esa es toda la configuración.

Obtener clave de API