Tecnología · Entrenamiento de modelos
DeepNude AI XXX: cómo se entrenan los modelos NSFW
Los modelos abiertos llegan con filtros; quitarlos es un ajuste de pocas líneas. Eso explica por qué el sector creció tan rápido y por qué la ley no lo siguió.
En corto
«Sin filtros» no nombra un modelo distinto: nombra un modelo al que le quitaron una pieza. Los generadores abiertos salen con un clasificador que revisa la imagen terminada y con listas de términos que frenan ciertos encargos; ambas piezas se apagan desde la configuración. Lo que cambia de raíz entre un motor general y uno etiquetado XXX son los datos con los que lo reentrenaron.
Qué servicios existen y qué declara cada uno está en el repaso completo del sector. Aquí miramos una sola capa: la que decide si el modelo responde o se niega.
Dónde vive el freno
Un filtro no es una sola cosa
El bloqueo está repartido en cuatro puntos del recorrido y cada uno se retira por separado. Por eso dos productos con el mismo motor responden distinto al mismo encargo.
El clasificador de salida
CompVis publica el revisor de Stable Diffusion como un modelo aparte, construido sobre CLIP ViT-L/14: mira la imagen terminada y la detiene si se parece a un concepto marcado. Va en su propio repositorio, y esa separación permite prescindir de él.
La lista de términos
Rechaza la instrucción antes de gastar cómputo. El más barato de instalar y el más fácil de rodear: basta describir lo mismo con otras palabras.
El reentrenamiento
Seguir entrenando pesos abiertos con material explícito. Aquí no se quita nada: se añade lo que el modelo base nunca vio. Es la parte cara y la única que se nota.
La revisión humana
Moderación, reportes y cierre de cuentas. La única capa que no vive dentro del modelo, y la primera que falta cuando detrás del sitio no hay nadie identificable.
Las tres primeras son código; la cuarta, una decisión de empresa. Dónde encaja cada una en el recorrido del archivo: las cuatro etapas del procesamiento. La pieza que dibuja va aparte: qué hace el motor de difusión con la máscara.
Cuando el modelo dice que no
Qué es en realidad una negativa
Un modelo no se niega como una persona: devuelve una pantalla negra, una imagen borrosa o un aviso. Cada respuesta delata qué capa actuó, y por eso el mismo encargo pasa en un sitio y falla en otro.
| Lo que aparece | Capa que actuó | Qué significa |
|---|---|---|
| Aviso inmediato | Lista de términos | La instrucción no llegó al modelo; no se gastaron créditos. |
| Cuadro negro o borroso | Clasificador de salida | Se generó y se bloqueó después: el cómputo ya se pagó. |
| Resultado plano | Modelo sin reentrenar | No hubo bloqueo: el modelo rellena con lo que conoce. |
| Cuenta cerrada después | Revisión humana | Alguien abrió el historial; la única capa con consecuencias. |
Qué declara cada uno
Tres sitios que se presentan como abiertos
Ninguno publica el nombre ni la versión del motor que corre en sus servidores. Lo que sí está a la vista es cómo se describen, y eso ya dice bastante.
-
1FotoUndress App
-
2Foto y video
UndressMe
-
3Conversación
Dreemy AI
El orden es de catálogo, no un juicio. Las fichas resumen lo que cada sitio publica de sí mismo; no medimos tiempos ni resolución, y por eso no hay calificaciones.
De dónde sale lo que dibuja
El problema de fondo son los datos
Apagar el clasificador cambia qué sale; el entrenamiento cambia qué puede salir. Y esa parte arrastra un historial que ningún ajuste arregla.
El conjunto abierto con el que se entrenaron los modelos de difusión más populares se armó rastreando la web, sin revisión previa. El Observatorio de Internet de Stanford halló en él enlaces a material de abuso sexual infantil, y la organización que lo publica cuenta el desenlace: lo retiró entero en y sacó una versión depurada ocho meses después, con 2 236 enlaces eliminados.
De ahí, dos consecuencias. «Entrenado con millones de imágenes» describe un rastreo automático, no una selección. Y los pesos derivados de aquel material siguen circulando en copias de terceros, ninguna con la limpieza posterior: es lo que suele correr detrás de los sitios que reutilizan la marca de 2019, y bajo el mismo nombre traducido al español.
Dudas frecuentes
Sobre modelos sin restricciones
Con documentación pública de los modelos y lo que cada servicio afirma de sí mismo.
¿Un modelo sin filtros da mejores resultados?
No por quitar el filtro. El clasificador solo decide si la imagen se entrega, no cómo se dibuja. La calidad viene del reentrenamiento, otra operación y mucho más cara: un servicio puede haber apagado el revisor sin reentrenar nada.
¿Por qué el mismo encargo pasa en un sitio y falla en otro?
Porque el motor puede ser el mismo y las capas de alrededor no. Uno conserva la lista de términos, otro la quitó; uno revisa la salida, otro entrega lo que sea. La diferencia la pone el operador.
¿Qué significa NSFW aplicado a un modelo?
Es una etiqueta de catálogo, no una especificación. Puede señalar un ajuste entrenado con material explícito, el revisor apagado o solo un nombre comercial. Sin versión publicada no se deduce qué corre del otro lado.
¿Se nota si el modelo fue reentrenado?
A veces. Un ajuste hecho con pocas imágenes repite poses, encuadres y tipos de cuerpo, y la monotonía salta al comparar resultados. Las señales, en cómo se reconoce una imagen fabricada.
¿Existe lo mismo aplicado a video?
Existe, y ahí los defectos se multiplican: cada cuadro se calcula por separado y el modelo no recuerda el anterior. Está en la versión en movimiento de este mismo problema.