CLIP Interrogator resuelve un problema creativo muy concreto: tienes una imagen que te encanta, quieres generar algo parecido, pero no encuentras las palabras para describirla. En lugar de adivinar prompts, subes la imagen y la herramienta produce una descripción detallada que puedes pegar directamente en un generador.
El proceso tiene dos fases. Primero, el modelo BLIP genera un pie de foto general y sencillo que describe lo que aparece. Después, el modelo CLIP compara la imagen con un amplio banco de frases seleccionadas —a menudo llamadas «flavors»— que abarcan objetos, estilos artísticos, ambientes e incluso nombres de artistas, y añade las que mejor encajan. El resultado es mucho más rico de lo que lograría un único modelo de subtitulado.
clipinterrogator.org es más el sitio de referencia de esta herramienta que la app en sí: documenta cómo funciona, qué modelos usa (BLIP, CLIP y OpenCLIP), cómo ejecutarla en Google Colab o instalarla localmente, y enlaza a la app alojada. Es gratuita y una pieza básica de la comunidad de Stable Diffusion para la ingeniería de prompts y el ajuste de estilos.
