> For the complete documentation index, see [llms.txt](https://docs.seaart.ai/guide-1/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.seaart.ai/guide-1/es/funciones-basicas-de-seaart-ai/controlnet.md).

# ControlNet

Mejora el control sobre la generación de imágenes con IA usando ControlNet. Aprende cómo funcionan sus preprocesadores y cómo utilizarlos para guiar la creación de imágenes con mayor precisión.

## ¿Qué es ControlNet?

ControlNet guía la generación de imágenes con IA a partir de información visual de una imagen de referencia, como los contornos, las poses humanas y la estructura espacial.

Por ejemplo, puedes usar la pose de una foto para generar un personaje con otra ropa o conservar los contornos principales de un edificio mientras pruebas distintos estilos visuales. Cada tipo de ControlNet se centra en un tipo de información visual, así que puedes elegir el que mejor se adapte a los elementos que quieres conservar.

## ¿Cómo funciona ControlNet?

Un flujo de trabajo habitual de ControlNet consta de dos componentes: un **preprocesador** y un **modelo de ControlNet**.

* **Preprocesador:** Extrae información visual específica de la imagen de referencia y la convierte en un mapa de control o una vista previa, como un mapa de bordes, poses o profundidad.
* **Modelo de ControlNet:** Utiliza la información de control extraída para guiar al modelo de generación de imágenes y ayudarlo a conservar la estructura, la pose, los contornos o la profundidad de la imagen de referencia al generar el resultado final.

Por lo general, el preprocesador y el modelo de ControlNet deben ser del mismo tipo. Por ejemplo, un preprocesador de poses debe utilizarse con un modelo de ControlNet de poses, y uno de profundidad, con un modelo de ControlNet de profundidad.

### Cómo usar ControlNet

> **Antes de empezar:** Algunos modelos todavía no admiten ControlNet. Los tipos y ajustes disponibles dependen del modelo que selecciones. Consulta las opciones disponibles en la página del modelo. En el siguiente ejemplo se utiliza un modelo SDXL para explicar cómo usar ControlNet y elegir entre los tipos disponibles.

**1. Activa ControlNet**

Ve a la página **Crear imagen** de SeaArt y haz clic en el ícono de imagen situado a la izquierda del campo del prompt.

<figure><img src="https://2368884593-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F1y3zrHPB2l8reoeyLIjC%2Fuploads%2FXVsHVeCs0RTbVQYN81RJ%2Fimage.png?alt=media&amp;token=13f2c032-23b6-4e49-9348-cdace82c0526" alt="Opciones de ControlNet en el menú de imagen de la página Crear imagen de SeaArt"><figcaption></figcaption></figure>

En el menú que aparece, localiza **ControlNet** y selecciona el tipo que quieres usar, como **Canny**. Después, sube una imagen de referencia siguiendo las indicaciones.

<figure><img src="https://2368884593-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F1y3zrHPB2l8reoeyLIjC%2Fuploads%2FCLc24iSHoReAEGAXc0dD%2Fimage.png?alt=media&amp;token=06937c9a-5c32-4ab0-8985-e7391492dfd5" alt="Imagen de referencia subida sobre el campo del prompt, con Canny indicado debajo de la miniatura"><figcaption></figcaption></figure>

**2. Abre los ajustes de la imagen de referencia**

Una vez subida, la imagen aparecerá sobre el campo del prompt. Debajo de su miniatura verás el tipo de ControlNet que se está aplicando.

<figure><img src="https://2368884593-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F1y3zrHPB2l8reoeyLIjC%2Fuploads%2Fn4h5SJvC91XGZjEqinav%2Fimage.png?alt=media&amp;token=303e48a2-d9e1-4af3-889e-a128e694ec96" alt="Panel de ajustes de la imagen de referencia con el tipo de ControlNet configurado en Canny"><figcaption></figcaption></figure>

Haz clic en la imagen de referencia para abrir su panel de ajustes.

**3. Cambia el tipo de ControlNet**

En el panel de ajustes, haz clic en **Tipo de ControlNet** y selecciona el tipo que quieras utilizar, como **Canny**.

<figure><img src="https://2368884593-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F1y3zrHPB2l8reoeyLIjC%2Fuploads%2FQ2pf8tyfOTG10DuYVV5a%2Fimage.png?alt=media&amp;token=ca9884a2-6af2-4682-a9d8-0da4b1521e83" alt="Panel de selección del tipo de ControlNet con las opciones disponibles y el botón Confirmar"><figcaption></figcaption></figure>

Selecciona en la lista el tipo de ControlNet que quieres usar y haz clic en **Confirmar**.

Las siguientes secciones explican para qué sirve cada tipo de ControlNet y te ayudan a elegir la opción más adecuada según la información que quieras conservar.

### **Canny**

**Información básica**

El modelo Canny identifica principalmente los bordes de las imágenes de entrada y puede extraer líneas precisas de las imágenes que subes. A partir de esta información y de los prompts indicados, genera nuevas escenas que conservan la composición de la imagen original.

<figure><img src="https://2219884424-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FigAtVLBrlaI8jVruJfC8%2Fuploads%2FWID88kYz6RagZgC0uovG%2F26df399a-12dd-4eeb-a352-ffdbcd5a3b84.png?alt=media&#x26;token=5fea1d87-b808-4b35-b62b-a7cb40b1ed9e" alt="Comparación de una imagen de caricatura 3D antes y después de procesarla con el modelo Canny" width="563"><figcaption><p>Original / Preprocesamiento</p></figcaption></figure>

**Preprocesador:**

* **canny:** Detecta bordes definidos.
* **invert:** Invierte los colores del dibujo de líneas para obtener líneas negras sobre un fondo blanco.

<figure><img src="https://2219884424-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FigAtVLBrlaI8jVruJfC8%2Fuploads%2FohDKUdJBxtvylw8iRzJS%2F54f8a769-fde5-4b77-9400-9020d4163d0f.png?alt=media&#x26;token=470bd547-92ca-4657-8e81-f2ce55016cb9" alt="Comparación de un boceto antes y después de procesarlo con el modelo Canny" width="563"><figcaption><p>Original / invert</p></figcaption></figure>

**invert** no es exclusivo de Canny y puede utilizarse con la mayoría de los modelos de detección de líneas. También está disponible al seleccionar tipos de ControlNet como **Line Art** o **MLSD**.

**Análisis inteligente:**\
Deduce los prompts y el modelo a partir de la imagen. Si quieres obtener un estilo diferente al de la imagen original, se recomienda desactivar el análisis inteligente.

**Ajustes de parámetros:**

<mark style="background-color:yellow;">**Resolución de preprocesamiento**</mark>

La resolución de preprocesamiento afecta al tamaño de la imagen de vista previa. Como la relación de aspecto es fija y la salida predeterminada tiene una escala de 1x, este ajuste determina, en la práctica, la anchura de la vista previa. Por ejemplo, si tanto la imagen original como la imagen de destino miden 512x768, al establecer la resolución de preprocesamiento en 128, 256, 512 o 1024, la imagen preprocesada tendrá un tamaño de 128x192 (0,25x del original), 256x384 (0,5x del original), 512x768 (tamaño original) o 1024x1536 (2x del original), respectivamente.

<mark style="color:red;">En general, cuanto mayor sea la resolución, más detalles tendrá la imagen generada.</mark>

<mark style="color:red;">\*</mark>En ocasiones, si la imagen de detección del preprocesamiento y la imagen final tienen <mark style="background-color:yellow;">tamaños diferentes</mark>, pueden aparecer defectos en el resultado, como una pixelación notable en los bordes de las figuras.

<figure><img src="https://2219884424-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FigAtVLBrlaI8jVruJfC8%2Fuploads%2FPFiQaO1cw3W3XwEsGSNs%2FRainbow%20%C3%97%20SeaArt%20AI%20(1).png?alt=media&#x26;token=ab94f4cd-5b96-45a7-a3a4-851f4b92069c" alt="Ejemplos de imágenes procesadas con el modelo Canny a distintas resoluciones"><figcaption></figcaption></figure>

<mark style="background-color:yellow;">**Peso de control**</mark>

Determina la intensidad con la que ControlNet influye en la generación. Cuanto mayor sea el valor, más marcado será su efecto de control y más se parecerá la imagen generada a la original.

<figure><img src="https://2368884593-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F1y3zrHPB2l8reoeyLIjC%2Fuploads%2F70xxYNGvxAOiXbZawhPV%2Fimage.png?alt=media&amp;token=903fa757-422d-4979-afaf-806b8baa6c54" alt=""><figcaption></figcaption></figure>

<mark style="background-color:yellow;">**Modo de control**</mark>

Permite ajustar la importancia relativa de ControlNet y del prompt. El ajuste predeterminado es equilibrado.

* **Priorizar el prompt:** Reduce la influencia del mapa de control.
* **Priorizar la imagen preprocesada:** Aumenta la influencia del mapa de control.

<mark style="background-color:yellow;">**Resultados de generación**</mark>

En los resultados se observa que la composición básica se mantiene igual que en la imagen original, mientras que los detalles son diferentes. Si quieres cambiar otros elementos, como el color del cabello, los detalles del rostro o la ropa, puedes ajustar el prompt y los parámetros para conseguir el resultado que buscas.

<figure><img src="https://2368884593-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F1y3zrHPB2l8reoeyLIjC%2Fuploads%2FDMwaASfZU5OSpBAOklI5%2Fimage.png?alt=media&amp;token=493bccba-9cb5-40d6-a69b-c952e4f3e3ee" alt=""><figcaption></figcaption></figure>

### **OpenPose Full**

**Información básica**

OpenPose Full permite controlar con precisión los <mark style="background-color:yellow;">movimientos del cuerpo humano y los rasgos de las expresiones faciales.</mark> Puede generar poses tanto de una persona como de varias.

OpenPose Full puede <mark style="background-color:yellow;">identificar puntos clave de la estructura del cuerpo humano</mark>, como la cabeza, los hombros, los codos o las rodillas, e ignorar los detalles de la ropa, el peinado y el fondo para reproducir fielmente las poses y las expresiones.

**Preprocesador**

Reconocimiento de poses humanas

Los preprocesadores predeterminados pertenecen a la serie OpenPose e incluyen <mark style="background-color:yellow;">openpose, face, faceonly, full, hand.</mark> Estos cinco preprocesadores se utilizan, según corresponda, para detectar rasgos faciales, extremidades, manos y otras estructuras del cuerpo humano.

Reconocimiento de poses de animales

Se recomienda utilizar el preprocesador animal\_openpose, que puede combinarse con modelos especializados, como control\_sd15\_animal\_openpose\_fp16.

<figure><img src="https://2219884424-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FigAtVLBrlaI8jVruJfC8%2Fuploads%2F0LNuqNhn93UWXeMwdBuz%2Ffba2887e-6a5a-46e4-a6cb-832db9277bde.png?alt=media&#x26;token=148a5ff9-9a71-4b20-8330-1370a216263a" alt="Reconocimiento de poses de animales" width="563"><figcaption></figcaption></figure>

En general, basta con utilizar el preprocesador predete**rminado openpose\_full.**

### **Line Art**

**Información básica**

Line Art también extrae las líneas de los bordes de una imagen, pero tiene usos más específicos y se divide en dos estilos: realista y anime.

**Preprocesador**

**Line Art**

Es más adecuado para imágenes realistas. Las líneas extraídas reproducen la imagen con mayor fidelidad y conservan más detalles de los bordes, por lo que el efecto de control es más marcado.

#### Diferencias entre Line Art y Canny

* **Canny:** Produce líneas rectas y definidas, con un grosor uniforme.
* **Line Art:** Produce trazos de pincel visibles, similares a los de un boceto hecho a mano, con variaciones de grosor claramente perceptibles en los distintos bordes.

Line Art conserva más detalles y produce una imagen relativamente más suave, por lo que es más adecuado para colorear dibujos de líneas.

Canny produce contornos más precisos y simplifica el contenido de la imagen.

<mark style="color:$danger;">\*Line Art puede utilizarse para colorear bocetos manteniendo fielmente el dibujo original.</mark>

### **Depth**

**Información básica**

Depth, también conocido como mapa de profundidad, representa de forma intuitiva la profundidad tridimensional de los objetos de una escena. La profundidad se muestra en blanco y negro: <mark style="background-color:yellow;">cuanto más cerca esté un objeto de la cámara, más claro (más blanco) será su color; cuanto más lejos esté, más oscuro (más negro) será.</mark>

<figure><img src="https://2219884424-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FigAtVLBrlaI8jVruJfC8%2Fuploads%2FAy3APC4KTHkMlMQPHSsF%2F25cfc1a4-9c25-4290-8596-d11eb4657188.png?alt=media&#x26;token=8b06a194-46bf-4682-b54a-5a035b19cc75" alt="Comparación entre la imagen original y la imagen procesada con Depth"><figcaption><p>Original / Depth</p></figcaption></figure>

Depth puede identificar la relación entre los objetos del <mark style="background-color:yellow;">primer plano y el fondo</mark>, generar un mapa de profundidad y utilizarlo para guiar la generación de imágenes. Por eso, cuando necesitas <mark style="background-color:yellow;">definir con claridad la distribución espacial de los objetos dentro de una escena</mark>, la detección de profundidad puede ser una herramienta de apoyo muy útil.

Se recomienda utilizar el preprocesador <mark style="background-color:pink;">**depth\_midas**</mark> para obtener mejores resultados.

<figure><img src="https://2219884424-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FigAtVLBrlaI8jVruJfC8%2Fuploads%2F0nxK0jkU9jIfQulyPiXS%2Fe673e27a-5c5a-4dbe-8bd3-12dc046d21bb.png?alt=media&#x26;token=4e06806a-eec3-41e1-818b-4a52ee009cb8" alt="Comparación entre la imagen original, el mapa de profundidad y el resultado"><figcaption><p>Original / Depth / Resultado</p></figcaption></figure>

## **Normal Bae**

**Información básica**

Normal Bae genera un mapa de normales a partir de la información de iluminación y sombras de la escena. Esto permite representar la orientación de las superficies y reproducir con mayor precisión los detalles de su relieve y textura. Por eso, este tipo de preprocesamiento suele utilizarse para conseguir efectos de iluminación y sombras más realistas en las superficies de los objetos. En el siguiente ejemplo se observa una mejora notable en la iluminación y las sombras de la escena tras generar la imagen con este preprocesador.

Se recomienda seleccionar el preprocesador <mark style="background-color:pink;">**normal\_bae**</mark> para conseguir una mejora más visible en los efectos de iluminación y sombras.

<figure><img src="https://2219884424-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FigAtVLBrlaI8jVruJfC8%2Fuploads%2Fz79H8k0P1R4mlXaBSVwf%2F8d40f66d-90e1-4aee-9f10-d8802578e682.png?alt=media&#x26;token=e0cc57f9-b69e-4918-9351-9d0fa8be74d8" alt="Comparación entre la imagen original, el mapa de Normal Bae y el resultado"><figcaption><p>Original / Normal Bae / Resultado</p></figcaption></figure>

## **Segmentation**

**Información básica**

Segmentation divide la escena en distintas regiones al detectar los contornos de los elementos y asignar etiquetas semánticas a cada una. Esto permite controlar con mayor precisión el contenido de la imagen generada.

En la siguiente imagen se observa que el resultado de la segmentación semántica contiene regiones de distintos colores. Cada tipo de contenido recibe un color diferente: por ejemplo, los personajes aparecen en rojo, el suelo en marrón y los letreros en rosa. Al generar la imagen, el modelo crea los elementos correspondientes en las regiones de cada color, lo que permite reproducir el contenido con mayor precisión.

Se recomienda seleccionar el preprocesador predeterminado <mark style="background-color:red;">**seg\_ufade20k**</mark>. También puedes modificar el contenido de la imagen rellenando las regiones correspondientes con distintos colores en la imagen preprocesada.

<figure><img src="https://2219884424-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FigAtVLBrlaI8jVruJfC8%2Fuploads%2FNHFnAXdy7lUWwxSfPBkN%2F17ee3ab3-bd91-47f4-8818-5b10e3dd9bbf.png?alt=media&#x26;token=e0eed696-fa77-42d7-9850-dc93533bb6f6" alt="Comparación entre la imagen original, el mapa de segmentación y el resultado"><figcaption><p>Original / Segmentation / Resultado</p></figcaption></figure>

## **Tile Resample**

Tile Resample permite ampliar imágenes de baja resolución y minimizar la pérdida de calidad durante el proceso.

Dispone de tres preprocesadores: **tile\_resample**, **tile\_colorfix** y **tile\_colorfixsharp**.

<figure><img src="https://2368884593-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F1y3zrHPB2l8reoeyLIjC%2Fuploads%2FkFGdaoWcYAmrVlhGhusQ%2Fimage.png?alt=media&amp;token=2249daef-17fe-477a-bac8-755a9b6f7628" alt=""><figcaption></figcaption></figure>

<mark style="color:red;">\*</mark>En comparación, el preprocesador predeterminado <mark style="background-color:red;">**resample**</mark> ofrece más flexibilidad durante la generación y permite mantener un mayor parecido con la imagen original.

### **MLSD**

**Información básica**

MLSD detecta las líneas <mark style="background-color:yellow;">rectas de los bordes</mark> de una escena, por lo que resulta especialmente útil para identificar los contornos geométricos de los objetos. Se utiliza principalmente en arquitectura, diseño de interiores y otros <mark style="background-color:yellow;">ámbitos similares</mark>.

<figure><img src="https://2219884424-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FigAtVLBrlaI8jVruJfC8%2Fuploads%2FOLVtg04MMLzX6UfuXxkm%2F26c049a8-4c7f-4658-8444-4ba7f0d66c57.png?alt=media&#x26;token=1905f58c-959c-45d6-9eaa-cf05c1216a65" alt="Comparación entre la imagen original, la detección de MLSD y el resultado"><figcaption></figcaption></figure>

### **Scribble HED**

**Información básica**

Scribble HED genera trazos similares a los de un dibujo hecho con crayones y ofrece más libertad para controlar el resultado de la imagen.

**Preprocesadores:** HED, PiDiNet, XDoG y t2ia\_sketch\_pidi.

Como se observa en las imágenes siguientes, los dos primeros preprocesadores generan contornos más gruesos, similares a los de un dibujo hecho a mano. Los dos últimos producen líneas más finas, adecuadas para estilos realistas.

<mark style="color:red;">\*Puede utilizarse para colorear bocetos, aunque los resultados pueden variar.</mark>

**HED**

**Información básica**

HED genera <mark style="background-color:yellow;">contornos claros y precisos alrededor de los objetos</mark>, con un resultado similar al de Canny. Destaca por su capacidad para <mark style="background-color:yellow;">captar detalles y formas complejas</mark>, y conservar rasgos como las expresiones faciales, el cabello o los dedos. El preprocesador HED puede utilizarse para modificar el estilo y el color de una imagen.

En comparación con Canny, HED produce <mark style="background-color:yellow;">líneas más suaves y conserva más detalles</mark>. Puedes elegir el preprocesador que mejor se adapte a tus necesidades.

### **color\_grid**

**Información básica**

Este preprocesador representa la imagen en bloques de color. A partir de esta representación, el modelo genera una nueva imagen tomando como referencia los colores originales.

### **shuffle**

**Información básica**

Al mezclar aleatoriamente las características de la imagen de referencia y recombinarlas, el modelo puede generar una imagen con diferencias en la estructura, el contenido y otros aspectos, aunque conserva cierta coherencia de estilo con la original.

Esta técnica no se utiliza de forma generalizada porque ofrece un control relativamente poco estable. Sin embargo, puede ser una buena opción para encontrar inspiración.

<figure><img src="https://2219884424-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FigAtVLBrlaI8jVruJfC8%2Fuploads%2F4EKfSttSg1X6U4Odkw1R%2F1c1f5598-fb07-41ff-833b-b4c0cee7ea5e.png?alt=media&#x26;token=24917d02-60ae-4408-9a37-441cf22f8fee" alt="Comparación entre la imagen original, el procesamiento con shuffle y el resultado" width="563"><figcaption></figcaption></figure>

### **Generación con referencia**

**Información básica**

Para generar una nueva imagen a partir de la imagen de referencia original, se recomienda utilizar el preprocesador predeterminado **only**.

**Peso de control:** Cuanto mayor sea el valor, más estable será el resultado y más se conservarán los rasgos característicos del estilo de la imagen original.

<figure><img src="https://2368884593-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F1y3zrHPB2l8reoeyLIjC%2Fuploads%2Fp84PkvRHQXdS6jD5hItc%2Fimage.png?alt=media&amp;token=ca28a579-1766-4927-b43e-cafd309335d9" alt=""><figcaption></figcaption></figure>

### **recolor**

Colorear imágenes resulta especialmente útil para restaurar fotos antiguas en blanco y negro. Sin embargo, no garantiza que los colores se apliquen con precisión a zonas concretas y pueden extenderse a áreas que no corresponden.

**Preprocesadores:** **intensity** y **luminance**. Se recomienda **luminance**.

<figure><img src="https://2219884424-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FigAtVLBrlaI8jVruJfC8%2Fuploads%2FUlQKi0YmVJK8osCl7nsO%2Fd857536d-c629-4fc7-b1c8-b8158b54ac9d.png?alt=media&#x26;token=6a514cea-1527-4f8d-80b0-2c3f71edfade" alt="Comparación entre la imagen original, recolor_luminance y recolor_intensity"><figcaption></figcaption></figure>

### **ip\_adapter**

**Información básica**

Convierte la imagen que subes en una referencia visual para identificar el estilo artístico y el contenido de la imagen de referencia y generar imágenes similares. También puede combinarse con otros tipos de ControlNet.

<figure><img src="https://2219884424-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FigAtVLBrlaI8jVruJfC8%2Fuploads%2FzrySeb4o3yRECgplxNRs%2F3f9ee50e-8c2b-45ff-80cc-f64f96375759.png?alt=media&#x26;token=fbe2d1c8-6642-48b9-aea0-45e06352cb47" alt="Aplicación de ip_adapter a una imagen para generar otra nueva"><figcaption></figcaption></figure>

<figure><img src="https://2219884424-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FigAtVLBrlaI8jVruJfC8%2Fuploads%2FzrySeb4o3yRECgplxNRs%2F3f9ee50e-8c2b-45ff-80cc-f64f96375759.png?alt=media&#x26;token=fbe2d1c8-6642-48b9-aea0-45e06352cb47" alt="Aplicación de ip_adapter a una imagen para generar otra nueva"><figcaption></figcaption></figure>

<mark style="color:$danger;">**Ajustes y consejos**</mark>

1. Sube la imagen original A que quieres utilizar para la generación y selecciona un tipo de ControlNet, como **Canny**, **openpose** o **Depth**.
2. Añade otro ControlNet de tipo **ip\_adapter**, sube la imagen de estilo B que quieres utilizar como referencia y haz clic en **Generar**.

**Resultado:** Imagen A con el estilo de B.
