Sube una imagen a un modelo de lenguaje con visión y recibe una descripción corta y clara que puedes usar como texto alternativo. Dile dónde aparecerá la imagen y de qué trata la página, y luego edita el resultado para que diga lo que de verdad necesita saber quien usa un lector de pantalla.
El texto alternativo es la frase que ocupa el lugar de una imagen cuando alguien no puede verla: una persona ciega con un lector de pantalla, una conexión lenta que nunca carga la foto, un buscador que intenta entender tu página. La mayoría de los sitios tienen cientos de imágenes y casi nada de texto alternativo, porque escribirlo a mano aburre. Un modelo de lenguaje con visión puede redactar un borrador en segundos, y tú dedicas tu tiempo a lo que importa: comprobar que la descripción es cierta y útil.
Nadie se salta el texto alternativo porque no le importe. Se lo salta porque un blog con trescientas imágenes, una tienda con miles de fotos de producto o una mediateca con cinco años de campañas hacen que la tarea parezca interminable. Un modelo que puede mirar una imagen convierte un campo vacío en un primer borrador, y corregir un borrador es mucho más rápido que mirar una caja en blanco.
Picasso IA reúne varios modelos de lenguaje con visión en el mismo toolkit, así que puedes probar la misma imagen en más de uno y comparar la redacción. Gemini 3 Flash acepta hasta diez imágenes en una sola petición, lo que viene bien para un lote de fotos relacionadas de un mismo artículo. Claude Sonnet 4.6 y GPT-4o aceptan cada uno una imagen junto con una instrucción escrita. El toolkit es donde se ejecutan todos, y el catálogo completo lista el resto de modelos de lenguaje por si quieres probar más. Las cuentas nuevas reciben créditos gratis, suficientes para pasar una página real antes de decidir nada.
Lo honesto es verlo como un asistente de borradores. Ve píxeles, no tu intención. Puede decir que una foto muestra a dos personas frente a una pizarra, pero no que una de ellas es tu nueva responsable de producto y que el sentido de la foto es el anuncio. Ese contexto lo pones tú, y la siguiente sección trata justo de qué incluir.
Un buen texto alternativo responde a una pregunta: qué se perdería alguien si esta imagen no estuviera. No es un pie de foto, ni una lista de palabras clave, ni un inventario de cada objeto del encuadre. Quien usa un lector de pantalla lo oye en mitad de tu párrafo, así que cada palabra de más le cuesta tiempo.
Unos cuantos hábitos separan las descripciones útiles del relleno. Empieza por el sujeto y el sentido, y añade solo el detalle que apoya la página. Evita arranques como imagen de o foto de, porque el lector de pantalla ya anuncia que es una imagen. Describe el contenido, no el archivo. Si la imagen contiene texto que importa, como un cartel, la etiqueta de un botón o el título de un gráfico, incluye ese texto, ya que el lector no puede obtenerlo de otra forma.
La misma foto necesita palabras distintas en páginas distintas. Una imagen de una taza de cerámica es una foto de producto en una tienda, donde importan el color, la forma y el tamaño. En una entrada sobre rutinas de mañana es ambiente, y una frase corta basta. Por eso un modelo que solo ve la imagen produce un texto mediocre, y uno al que también le cuentas la página y el propósito produce algo cercano a publicable.
Cada imagen cumple un trabajo distinto, así que necesita instrucciones distintas. Úsalo como punto de partida para saber qué pedirle al modelo y en qué suele fallar.
| Tipo de imagen | Qué debe llevar el texto alternativo | Qué revisar en el borrador |
|---|---|---|
| Foto de producto | Artículo, color, material, rasgos visibles | Datos que la foto no puede probar, como la talla o la tela |
| Foto editorial | El sujeto y lo que ocurre | Nombres de personas, lugares y hechos que el modelo no puede saber |
| Gráfico o diagrama | La conclusión, más dónde están los datos completos | Cifras y tendencias leídas en los ejes |
| Captura de pantalla | La pantalla y la acción que muestra | El texto de la interfaz, copiado palabra por palabra |
| Logotipo o icono | El nombre, o la acción si es un icono de botón | Si necesita descripción siquiera |
| Adorno decorativo | Nada, usa un atributo alt vacío | Que el modelo no lo haya descrito igualmente |
Las imágenes complejas como gráficos e infografías necesitan más que una frase. Un texto alternativo breve con la conclusión, más los datos en una tabla o en un párrafo junto a la imagen, sirve mejor a todos que un bloque largo metido en el atributo.
Esta es la rutina que termina en descripciones publicables y no en un montón de pies de foto genéricos. Sirve para una imagen o para una docena de la misma página.
Un prompt reutilizable hace casi todo el control de calidad por ti. Uno bueno nombra la página, el propósito y los límites en el mismo mensaje, por ejemplo: esta imagen aparece en una entrada sobre trasplantar plantas de interior, describe lo que se ve en una frase de menos de veinte palabras, lenguaje llano, sin suposiciones sobre personas, e incluye exactamente cualquier texto visible. Guárdalo como instrucción de sistema y cada imagen posterior hereda los mismos criterios.
Una descripción que no has leído no es texto alternativo, es un riesgo. Los modelos describen con seguridad y a veces se equivocan, y quien usa un lector de pantalla no puede ver la imagen para detectar el error. Lee cada línea contra la imagen antes de publicarla.
La mayoría de los problemas se repiten, así que aquí tienes una lista corta para revisar antes de pegar nada:
El mismo borrador sirve para las descripciones de imagen que muchas redes dejan adjuntar, mira publicaciones para redes sociales con IA, y fotografía de producto con IA cubre las imágenes de tienda que seguramente vas a describir.
Aquí termina el borrador y una persona tiene que tomar el relevo. Un modelo no puede saber por qué una imagen está en la página, así que describirá con gusto una foto decorativa que debió omitirse, o aplanará una foto cuyo sentido entero es un detalle que trató como fondo.
Tampoco reconoce a las personas que te importan. Describir una foto de grupo como tres personas sonriendo en una oficina es correcto y casi inútil si la página trata de los fundadores, y no debes pedirle al modelo que identifique a personas reales por su cara. Añade los nombres tú cuando la página lo pida, y solo de personas que estén de acuerdo.
Los gráficos, mapas y diagramas son el caso más difícil. Los modelos pueden leer mal los valores de un eje o invertir una tendencia, y una cifra equivocada dicha con seguridad es peor que una ausente, así que comprueba cada dato con la fuente. Las imágenes con mucho texto pequeño, como infografías y capturas de documentos largos, se resuelven mejor poniendo el propio texto en la página.
Por último, las obligaciones de accesibilidad son tuyas. Si tu sitio tiene requisitos legales, un borrador automático no los cumple por sí solo, y el estándar que sigas, como WCAG, pide descripciones exactas y con sentido, no solo presentes. Trata al modelo como primera pasada y a la revisión humana como requisito. Para video, el trabajo equivalente son los subtítulos, que cubre subtítulos automáticos para video.
El texto alternativo es una descripción escrita corta que va unida a una imagen en el código de tu página. Los lectores de pantalla lo leen en voz alta para quien no puede ver la imagen, los navegadores lo muestran cuando la imagen no carga y los buscadores lo usan como una pista sobre lo que contiene. Importa sobre todo por accesibilidad: sin él, un visitante ciego oye solo el nombre del archivo o silencio donde debería estar tu imagen.
Sí, como primer borrador. Un modelo de lenguaje con visión como Gemini 3 Flash, Claude Sonnet 4.6 o GPT-4o en Picasso IA puede mirar una imagen y describir lo que muestra. El borrador suele ser decente con objetos y escenas y más flojo en todo lo que depende de un contexto que no le diste, así que revisas y editas cada uno antes de publicar.
Empieza por un modelo de lenguaje que acepte imágenes. Gemini 3 Flash maneja varias imágenes en una petición, lo que ayuda cuando describes un conjunto de fotos de un mismo artículo. Claude Sonnet 4.6 y GPT-4o aceptan una imagen con una instrucción. Pasar la misma imagen por dos de ellos y comparar es una forma rápida de encontrar la redacción que prefieres.
Lo más corto posible sin perder el sentido de la imagen. Para la mayoría de las fotos eso significa una frase, de un puñado de palabras a una línea corta. Los gráficos complejos son la excepción, y para ellos un texto alternativo breve más los datos completos o la explicación en el texto de la página funciona mejor que un atributo largo. Ser breve, además, es lo más seguro.
Ayuda a los buscadores a entender una imagen y la página que la rodea, y es el texto que se muestra si la imagen no carga. No es un truco de posicionamiento. Las descripciones escritas para personas, con palabras relevantes usadas con naturalidad, sirven tanto a los lectores como a la búsqueda. Meter palabras clave a la fuerza suena mal en voz alta y no aporta nada, así que escribe la frase que una persona querría oír.
No. Las imágenes puramente decorativas, como separadores, florituras y texturas de fondo, deben llevar un atributo alt vacío para que los lectores de pantalla las salten. Describirlas solo añade ruido para quien escucha. La prueba es sencilla: si quitar la imagen no cambiara lo que la página le dice a alguien, es decorativa, y hay que indicarle al modelo que la deje fuera.
No debería, y tú no deberías pedírselo. Identificar a personas reales por su cara es poco fiable y plantea problemas de privacidad. Describe lo que se ve, como una mujer presentando ante una pizarra, y añade los nombres tú solo donde la página lo pida y las personas implicadas estén de acuerdo. En las fotos de tu propio equipo, tú sabes quién es quién y el modelo no.
Escribe un texto alternativo breve con la conclusión principal y pon los números de fondo o la explicación completa en una tabla o un párrafo junto a la imagen. Puedes pedirle a un modelo de visión que lea el gráfico y redacte las dos piezas, pero comprueba cada cifra con tus datos de origen, porque los modelos pueden leer mal los ejes o invertir una tendencia sin dar ninguna señal de que lo hicieron.
Dentro de unos límites. Gemini 3 Flash acepta varias imágenes en una sola petición, así que puedes pedir una descripción por imagen en una lista numerada. Para una mediateca grande, trabaja por lotes de imágenes relacionadas y mantén el mismo prompt, y luego revisa cada resultado. Leer cada descripción sigue llevando tiempo, pero mucho menos que escribirlas desde cero.
La generación usa créditos, y el coste depende del modelo y de los ajustes que elijas, así que cualquier cifra escrita aquí quedaría anticuada. Las respuestas de texto de los modelos de lenguaje suelen estar entre los trabajos más ligeros del catálogo frente al video. Las cuentas nuevas empiezan con créditos gratis, y la página de precios es el sitio para ver los planes actuales.
Elige una página con imágenes sin descripción, abre el toolkit de Picasso IA y mira hasta dónde llega un primer borrador antes de ponerte a editar.
Elige tu idioma
