Qué es LoRA
LoRA ajusta un modelo grande de IA con pocos datos y un archivo pequeño; cambia el estilo o la anatomía sin reentrenar todo el modelo.
LoRA (Low-Rank Adaptation) es una técnica de ajuste fino que congela el modelo original y entrena solo unas matrices pequeñas añadidas a sus capas. Fue propuesta en 2021 por un equipo de Microsoft para modelos de lenguaje y hoy es el método habitual para adaptar generadores de imagen a un estilo, un objeto o una anatomía concreta.
Cómo funciona
Un modelo de difusión o de lenguaje tiene miles de millones de parámetros. Reentrenarlos todos para un estilo nuevo exige mucha memoria y produce una copia completa del modelo. La técnica deja esos pesos congelados e inserta en cada capa dos matrices de rango bajo que sí se entrenan; su producto se suma al modelo original en el momento de generar.
El artículo original (Hu et al., 2021) reporta, para GPT-3 de 175.000 millones de parámetros, 10.000 veces menos parámetros entrenables y 3 veces menos memoria de GPU que el ajuste completo, sin latencia adicional al generar. Por eso un archivo LoRA pesa megabytes y no gigabytes: se comparte, se combina con otros y se activa con un peso ajustable.
Para qué se usa en imagen
| Uso | Qué aprende | Riesgo |
|---|---|---|
| Estilo visual | Trazo, paleta y luz de un autor | Bajo; derechos de autor aparte |
| Objeto o producto | Una prenda, un logo, un auto | Bajo |
| Rostro de una persona | Los rasgos de alguien concreto | Alto: deepfake si es un tercero |
| Anatomía sin ropa | Cuerpos con un modelo sin filtro | Alto: base de las apps para desnudar |
El procedimiento es el mismo en las cuatro filas; cambian los datos de entrenamiento y el uso que se le da al resultado.
Por qué importa en esta categoría
Los servicios de IA nude que reseñamos no publican qué modelo usan, pero la arquitectura habitual de la categoría es una variante de Stable Diffusion ajustada con adaptadores de este tipo para un estilo o una anatomía concreta. Un adaptador entrenado con desnudos anula en la práctica el filtro del modelo base.
En nuestras reseñas no se evalúa el adaptador, que el proveedor no declara, sino el resultado: coherencia de bordes, luz y textura en fotos de control propias (criterio de calidad, 25 % del puntaje) y qué pasa con la foto subida (privacidad, 30 %). El detalle está en cómo evaluamos.
Riesgos y límites
- Datos de entrenamiento: un adaptador aprende de las fotos que recibe; si son de una persona identificable, reproduce su rostro en cualquier escena.
- Sin filtro: combinado con un modelo sin restricciones, produce el desnudo sintético de quien aparezca en la foto de entrada.
- Distribución: los archivos son pequeños y circulan en repositorios públicos; el origen y el consentimiento de los datos rara vez se documentan.
- Calidad variable: un adaptador mal entrenado deforma manos, joyas y proporciones, señales que usa la detección de deepfakes.
- Límite editorial: este sitio no entrena modelos ni recibe fotos; describe la técnica y reseña servicios de terceros.
En Chile
La técnica es neutra. Entrenar un adaptador con fotos del rostro de otra persona sin su consentimiento es tratar un dato biométrico sensible según la Ley 21.719 (artículo 2, letra g), vigente desde el 1 de diciembre de 2026; hoy ya es un tratamiento ilícito reclamable ante tribunales.
Difundir el desnudo sintético de una persona identificable puede caer en el artículo 161-C del Código Penal (Ley 21.153, 2019) o en el 161-D (Ley 21.675, 2024). El Boletín 17.795-19 sobre deepfakes sigue en trámite. Esta entrada informa; no es asesoría legal.
Términos relacionados
- Stable Diffusion: el modelo base que los adaptadores modifican con más frecuencia.
- ControlNet: el módulo que fija pose y contorno; se combina con un adaptador de estilo.
- img2img: la transformación de una foto completa, donde el adaptador define el resultado.
Herramientas relacionadas
Los servicios que aplican modelos ajustados a fotos de personas están comparados en quitar ropa con IA; las fichas con puntaje y fecha de prueba, en el catálogo de apps para desnudar.
Preguntas frecuentes sobre LoRA
¿Qué significa LoRA?
Low-Rank Adaptation, «adaptación de rango bajo»: ajustar un modelo grande entrenando solo dos matrices pequeñas por capa, con el resto de los pesos congelados. Lo propuso un equipo de Microsoft en 2021.
¿Un LoRA es un modelo completo?
No. Es un archivo de adaptación que se carga sobre un modelo base como Stable Diffusion. Sin ese modelo no genera nada; con él, cambia estilo, objeto o anatomía del resultado.
¿Se puede entrenar con la cara de alguien?
Técnicamente sí, con pocas decenas de fotos. Con una persona identificable sin su consentimiento es un tratamiento de dato biométrico sensible según la Ley 21.719 y el origen de muchos deepfakes.
¿Las apps para desnudar usan LoRA?
Los proveedores no lo declaran, pero la arquitectura habitual de la categoría es Stable Diffusion con adaptadores de este tipo para un estilo o una anatomía. Las reseñas miden el resultado, no el adaptador.
¿Es legal entrenar un LoRA en Chile?
Con tus propias fotos o con material con licencia, sí. Con fotos de terceros sin permiso entras en la Ley 21.719; si difundes un desnudo sintético, en los artículos 161-C o 161-D del Código Penal.
Seguir leyendo
- GAN: la arquitectura anterior a la difusión, la que usó DeepNude en 2019.
- IA generativa: el marco general de los modelos que crean imagen, texto y video.
- Cómo detectar un deepfake: las señales que deja un adaptador mal entrenado.
- Desnudar fotos con IA: guía y ranking: las herramientas probadas, con puntaje y fecha.
Fuentes
- Hu, Shen, Wallis, Allen-Zhu, Li, Wang, Wang y Chen (2021) — «LoRA: Low-Rank Adaptation of Large Language Models», arXiv 2106.09685: arxiv.org.
- Hugging Face — documentación de Diffusers, entrenamiento y carga de adaptadores LoRA: huggingface.co.
- Biblioteca del Congreso Nacional — Ley N.° 21.153, artículo 161-C del Código Penal: bcn.cl.
- Biblioteca del Congreso Nacional — Ley N.° 21.719 de protección de datos personales: bcn.cl.