IA de imágenes sin censura frente a filtrada
Los filtros de contenido se construyeron para frenar un pequeño conjunto de daños reales. En la práctica también frenan la ilustración médica, la reconstrucción forense, el dibujo del natural, la historia bélica, la sátira editorial y que una empresa retrate sus propios productos. Esto es lo que cuesta — y lo que quitar el filtro cambia y lo que no.
En resumen
Los generadores de imágenes convencionales criban prompts y salidas con clasificadores que ven palabras y píxeles, nunca el propósito. Eso garantiza falsos positivos, y estos golpean con más fuerza al trabajo cualificado: anatomía, forense, desnudo artístico, imagen histórica, previsualización, sátira, material de concienciación en seguridad y titulares de derechos que piden su propia marca. OVERT (ICML 2025), el primer benchmark a gran escala de este modo de fallo, usa 4.600 prompts inocuos pero sospechosos y concluye que el exceso de rechazos está extendido entre los modelos punteros. Shannon ejecuta la generación de imágenes, la edición de una sola imagen y la combinación de varias en nuestro propio clúster de GPU, sin filtro de contenido y sin capa de rechazo, sustituyendo la lista de bloqueo por una decisión visible: una tarjeta de confirmación que muestra el prompt exacto antes de renderizar nada. Eso eleva tu responsabilidad y la nuestra; ambas están en la Política de uso responsable. No hay generación de vídeo, y el trabajo con imágenes vive en la app de chat, no en la API.
Casi todo el que trabaja profesionalmente con imágenes tiene la misma historia. Un prompt que describe algo corriente — una sección transversal de la articulación de la rodilla, un coche en el momento del impacto, un estudio de figura al carboncillo, un soldado en 1944 — vuelve como infracción de las políticas. Reformulas y recibes otra infracción distinta. Al final escribes algo lo bastante vago como para pasar y obtienes una imagen que ya no muestra lo que necesitabas. La herramienta no falló a gritos; falló por grados, y te convirtió a ti en quien cedió.
01¿Por qué un generador de imágenes de IA rechaza un prompt claramente legítimo?
El rechazo no suele ser la opinión del modelo de imagen. Es la salida de una pila de filtrado que rodea al modelo, y sus capas explican casi todos los rechazos extraños que has recibido.
| Capa | Qué inspecciona | Fallo característico |
|---|---|---|
| Lista de bloqueo de prompts | Cadenas literales y variantes cercanas en tu texto | Bloquea una palabra sin importar la frase que la rodea: «espéculo» falla, «estetoscopio» pasa |
| Clasificador de prompts | Un juicio aprendido sobre el «riesgo» del prompt | Se dispara por proximidad temática: cualquier cosa cercana a la medicina, las armas, los cuerpos o la política puntúa alto |
| Entrenamiento de rechazo del modelo | La propia reticencia entrenada del modelo | Rechaza sin dar error, o produce en silencio un sustituto edulcorado |
| Clasificador de salida | Los píxeles renderizados, sin contexto del prompt | No puede distinguir una lámina de anatomía de la pornografía, ni un fotograma de película de un hecho real |
| Sustitución por políticas | Reescritura silenciosa de tu prompt antes de renderizar | Recibes una imagen, pero no la que especificaste, y no se te dice por qué |
Todas las capas comparten un punto ciego: ninguna puede ver por qué preguntas. Una ilustradora médica, un perito de la parte demandante reconstruyendo una colisión y alguien con malas intenciones escriben todos el mismo sustantivo. El filtro ve el sustantivo, no el atlas ni el expediente del caso, y se le evalúa por los daños que deja pasar, nunca por el trabajo que destruye. Bajo esa asimetría, el ajuste racional para cualquier operador es rechazar más. Es también por lo que «simplemente reformúlalo» no es una solución: reformular no le da al filtro ninguna información que le faltara, solo aleja tu prompt de las palabras que lo dispararon, lo que suele significar alejarlo de lo que querías decir.
02Qué previenen genuinamente los filtros de contenido
Un argumento a favor de la generación sin filtros que finja que los filtros existen sin motivo no merece leerse. Hay un conjunto estrecho de salidas cuyo daño es intrínseco a la propia imagen, con independencia de quién la pidió y por qué:
- Contenido sexual que implique a menores. Ningún contexto lo hace aceptable; ningún flujo de trabajo profesional lo requiere.
- Imágenes íntimas no consentidas de personas reales. El daño recae sobre alguien que no dio su acuerdo, y una retirada no lo deshace.
- Acoso dirigido y fabricación difamatoria — hacer que parezca que una persona identificada hizo algo que no hizo.
- Documentos de calidad falsificatoria — pasaportes, documentos de identidad, billetes, sellos e instrumentos financieros hechos para pasar por auténticos.
- Pruebas sintéticas engañosas — imágenes fabricadas de hechos reales presentadas como documentación y no como ilustración.
La lista es corta y tiene una estructura: el daño vive en el artefacto, en su parecido con una persona o un documento reales y en su presentación como verdad. Fíjate en lo que no está en ella: desnudez, sangre, armas, atrocidades históricas, ridículo político. Esos son la materia prima de la medicina, el periodismo, el arte, la ciencia forense y la sátira, y un filtro que los trata como categorías de daño está implementando una idea mucho más amplia sobre qué temas son respetables.
Shannon prohíbe todo lo de esa lista, en una Política de uso responsable publicada con categorías nombradas y consecuencias, en vez de una tabla de palabras clave que también atrapa «placenta». Una es una norma que puedes leer y exigirnos; la otra es una conjetura sobre tus intenciones hecha por un clasificador que no puedes ver.
03¿Cómo de grande es el problema del exceso de rechazos? Qué mide la investigación
Hasta hace poco, el exceso de rechazos en modelos de imagen era una anécdota: miles de personas con la misma historia y ninguna forma de dimensionarla. Eso cambió con OVERT (OVEr-Refusal evaluation on Text-to-image models), presentado en ICML 2025 por un grupo de UC Berkeley que incluye a Ziheng Cheng, Somayeh Sojoudi, Xuandong Zhao, Dawn Song y Song Mei: el primer benchmark a gran escala que mide con qué frecuencia los sistemas de texto a imagen rechazan prompts que son enteramente inocuos.
El diseño importa. Los 4.600 prompts están construidos para parecer dañinos siendo inofensivos — la forma de una petición profesional real que menciona un bisturí, un hematoma o una protesta — y los 1.785 prompts genuinamente dañinos se sitúan junto a ellos como control, de modo que un modelo no puede puntuar bien rechazándolo todo. Las nueve categorías van desde la privacidad individual y de figuras públicas hasta la violencia, pasando por derechos de autor, discriminación, autolesión, contenido sexual y actividad ilegal.
El hallazgo principal es que el exceso de rechazos está extendido entre categorías y entre modelos punteros. El segundo es más demoledor para el apaño habitual: los autores probaron la reescritura del prompt como mitigación e informan de que «a menudo compromete la fidelidad al significado de los prompts originales». Puedes sortear el filtro cambiando lo que pediste, y entonces ya no tienes lo que pediste.
Un estudio más acotado llega a la misma conclusión desde el lado de los píxeles. En An Art-centric perspective on AI-based content moderation of nudity (Riccio, Curto, Hofmann y Oliver, taller AI4VA en ECCV 2024), los autores evalúan tres clasificadores NSFW de producción sobre desnudo artístico y destapan tanto un sesgo de género como un sesgo de estilo: el veredicto sobre un estudio de figura depende del cuerpo representado y del estilo. Esa es una formulación medida de lo que a todo dibujante del natural le han dicho que era imaginario.
04Ocho tipos de trabajo legítimo que los generadores filtrados bloquean
Estas son las categorías donde el exceso de rechazos no es una molestia sino una parada de trabajo. Donde existe un caso concreto documentado, se cita; donde no se verificó ninguno, la categoría se describe sin inventar un incidente.
1. Ilustración médica y anatómica
El caso mejor documentado del campo. En abril de 2023, The Intercept (Debbie Nathan) informó de que Midjourney había prohibido términos anatómicos como espéculo, placenta, cérvix, vulva, trompas de Falopio, glándulas mamarias, uterino, uretra, himen, esperma, preservativo y DIU, mientras que DALL·E 2 rechazaba «pastillas usadas en el aborto con medicamentos» con un mensaje de política de contenidos. El patrón lo descubrió Julia Rockwell, analista de datos clínicos que había intentado generar una imagen de una placenta como regalo para una amiga bióloga celular, y se comunicó a MIT Technology Review. La asimetría es la señal: «estetoscopio» generaba con normalidad mientras «espéculo» estaba prohibido. El investigador de la Universidad de Washington Bill Howe calificó los filtros de «torpes» y dijo que hacían «básicamente imposible mantener una discusión científica sobre la reproducción». La educación al paciente, los atlas quirúrgicos y los planes de estudio de enfermería necesitan todos cuerpos representados con exactitud, incluidas las partes que una lista de palabras ha decidido que son indecentes.
2. Reconstrucción forense y de accidentes
La reconstrucción de colisiones, el análisis del origen de incendios y las demostraciones para tribunales exigen representar daños, heridas y mecánicas violentas con exactitud clínica. Un filtro ajustado para rechazar «sangre» o «herida de bala» rechaza la disciplina: el contexto — un informe pericial, un expediente de seguros — es invisible para el clasificador, y la mismísima neutralidad que hace admisible ese material visual es lo que hace que se lea como casquería.
3. Desnudo artístico y dibujo del natural
El desnudo es un tema fundacional del arte en todas partes, y el estudio de figura es el núcleo de la educación artística. El resultado de ECCV 2024 citado arriba es la versión medida de lo que los artistas cuentan: los clasificadores no separan de forma fiable un estudio de figura de la pornografía, y sus errores están sesgados por género y estilo — un filtro especialmente duro justo con la tradición que debería reconocer.
4. Imágenes históricas y de guerra
El arte de libro de texto, la interpretación museística y los proyectos conmemorativos exigen representar uniformes, armas, campos, batallas y atrocidades. El episodio de Gemini de febrero de 2024 es instructivo porque el fallo corrió en dirección contraria y causó un daño equivalente. Google suspendió la capacidad de Gemini de generar imágenes de personas el 22 de febrero de 2024 después de que produjera representaciones racialmente recompuestas de grupos históricos, incluidos soldados alemanes de la era nazi. El consejero delegado Sundar Pichai calificó los resultados de «completamente inaceptables»; el vicepresidente sénior Prabhakar Raghavan reconoció que el modelo había «sobrecompensado» y se había vuelto «demasiado conservador». Una seguridad ciega al contexto no hizo más seguras las imágenes históricas: las hizo falsas, que para una editorial de historia es peor.
5. Violencia en la ficción y previsualización cinematográfica
Los storyboards, el arte conceptual, el cómic y el diseño de videojuegos representan violencia por la misma razón que lo hacen las novelas y las películas. Un filtro que no puede distinguir un storyboard de terror de una amenaza trata como sospechosa a toda la cadena de las artes narrativas — aunque un storyboard es explícitamente no real, un plan para una escena que actores y equipos de efectos van a montar.
6. Sátira política y viñeta editorial
La caricatura de los poderosos está entre las categorías de expresión más protegidas en la mayoría de las democracias, y es rutinariamente lo primero que retira un filtro de imágenes. El caso documentado más claro es la decisión de Midjourney en abril de 2023 de vetar las imágenes del presidente chino Xi Jinping y bloquear su nombre en los prompts — recogida por PetaPixel, Decrypt y otros — mientras seguía permitiendo a otros líderes mundiales. El fundador David Holz explicó en Discord que la empresa quería «minimizar el drama» y que «la posibilidad de que la gente en China use esta tecnología es más importante que tu capacidad de generar sátira»; Sarah McLaughlin, de la Foundation for Individual Rights and Expression, lo calificó de censura. Sea cual sea la conclusión sobre el cálculo empresarial, el mecanismo merece nombrarse: una restricción nacional de la expresión aplicada a todos los usuarios del mundo, porque un filtro global tiene un solo ajuste.
7. Investigación en seguridad y material de concienciación sobre phishing
Los equipos de seguridad construyen material de formación que tiene que parecerse a aquello de lo que advierte: una pantalla de acceso falsa convincente, una factura suplantada, un código QR malicioso en un parquímetro. Para un clasificador eso es indistinguible del ataque contra el que inmuniza — la verosimilitud es la cuestión — así que los filtros bloquean igual la defensa y el ataque, favoreciendo al atacante, que de todos modos nunca iba a usar una herramienta de consumo filtrada.
8. Titulares de derechos a los que se rechazan imágenes de su propia marca, producto o imagen personal
El filtrado de derechos de autor y marcas no comprueba la titularidad; comprueba el parecido. Una empresa no puede generar fácilmente imágenes de su propio logotipo o producto, un titular de derechos no puede retratar a su propio personaje y las personas a menudo no pueden generar su propia cara, porque los filtros de imagen personal se activan por reconocibilidad y no por consentimiento. OVERT incluye las «infracciones de derechos de autor» entre sus nueve categorías de exceso de rechazo precisamente porque este falso positivo es habitual. El filtro es un instrumento tosco para una pregunta — ¿tienes derecho a esto? — que no tiene forma de plantear.
Cuatro de los ocho anteriores están anclados a un caso publicado concreto (médico, desnudo artístico, histórico, sátira), más la categoría de derechos de autor de OVERT para el octavo. La ciencia forense, la previsualización de ficción y el material de concienciación en seguridad se exponen como categorías: son clases bien conocidas de trabajo profesional afectado para las que no verificamos un incidente publicado concreto.
Todos los casos documentados anteriores son públicos y verificables de forma independiente. Léelos en vez de dar por buena nuestra caracterización.
05Por qué los generadores de arte con IA bloquean lo que no deben, y por qué los falsos positivos del filtro de contenido no se pueden ajustar hasta hacerlos desaparecer
La respuesta instintiva al bloqueo excesivo es «bajad el umbral». No funciona, por razones estructurales y no por falta de esfuerzo.
Las categorías se solapan en la señal, pero no en la realidad. Una ilustración quirúrgica y la pornografía comparten desnudez. Una reconstrucción forense y la casquería comparten sangre. Una diapositiva de concienciación y un kit de phishing comparten un formulario de acceso falso. Una viñeta satírica y una fabricación difamatoria comparten un político reconocible. Lo que distingue a cada par es el propósito y la presentación — ausentes del prompt y ausentes de los píxeles. Ningún umbral separa dos poblaciones que ocupan la misma región del espacio de entrada; moverlo solo cambia un error por el otro. Eso es lo que mostró el episodio de Gemini: una intervención destinada a corregir un fallo produjo otro, descrito por el propio vicepresidente sénior de Google como «sobrecompensado».
Los costes son asimétricos para el operador, no para ti. Un filtro que deja pasar una imagen mala produce una noticia. Un filtro que bloquea diez mil legítimas produce silencio, porque los usuarios rechazados no se organizan: se rinden. La gestión de riesgos bajo esa asimetría converge en el bloqueo excesivo, de forma permanente. Y como el juicio subyacente es imposible, las listas de bloqueo acumulan cadenas literales según ocurren los incidentes, que es como acabas con «estetoscopio» permitido y «espéculo» prohibido. Nadie decidió que los instrumentos específicos para mujeres fueran más peligrosos; la lista creció allí donde cayeron las quejas. Codifica el historial de relaciones públicas de un operador, no una teoría del daño.
La jurisdicción más estricta se convierte en el valor por defecto global. Un solo filtro sirve a todos los usuarios de todos los países, así que una restricción añadida para un mercado se exporta a todos ellos — la regla sobre Xi Jinping es el caso de manual. Y reescribir tu prompt destruye tu significado, que es lo que demuestra experimentalmente OVERT: todo profesional que ha lavado una petición hasta el eufemismo para colarla por un filtro lo ha confirmado a mano. No ganaste; te conformaste.
Nada de esto es gratis, y como falla en silencio el coste es invisible en las métricas que un operador vigila. Tras suficientes rechazos dejas de preguntar y estrechas de antemano cada prompt a lo que predices que pasará; el eufemismo que por fin pasa produce una imagen parecida a la que tu documento necesitaba, pero no esa. Un mensaje genérico de políticas no te dice nada sobre qué capa se disparó, así que solo puedes adivinar y reintentar — y el trabajo con imágenes es iterativo, así que un filtro que atrapa un intento de cada cinco rompe el bucle en vez de limitarse a ralentizarlo. Mientras tanto, los campos con más derecho a herramientas serias no obtienen revisor, ni apelación, ni normalmente una lista publicada de lo que está bloqueado. Una norma que no puedes leer no es una norma; es meteorología.
06IA de imágenes sin censura frente a filtrada: qué cambia realmente
Esta es la versión honesta de la comparación, incluido lo que un sistema sin filtros no te da.
| Dimensión | Generador filtrado | Sin filtro (Shannon) |
|---|---|---|
| Quién decide | Un clasificador que lee palabras y píxeles | Una persona que lee el prompt exacto |
| Cuándo te enteras | Después de enviar — a veces después de pagar | Antes de que se renderice o se cobre nada |
| Cuál es la norma | Listas de bloqueo no publicadas y cambiantes | Una Política de uso responsable publicada |
| Contexto profesional | Invisible para el sistema | Tuyo para sostenerlo y tuyo para responder de él |
| Modo de fallo | Bloqueo excesivo silencioso, deriva del significado | Obtienes lo que pediste — errores incluidos |
| Quién carga con el riesgo | El proveedor, descargándolo sobre tu trabajo | Compartido: política del operador más responsabilidad del usuario |
La última fila es la que la gente se salta, y la que importa. Quitar un filtro no elimina las categorías de daño de la sección 02; elimina la máquina que estaba conjeturando mal sobre ellas. La obligación se queda donde estaba, sostenida ahora por dos partes capaces de razonar sobre el contexto: el operador, que publica y hace cumplir una política, y tú, que sabes para qué es la imagen. La generación de imágenes con IA sin filtros es una herramienta para gente ya dispuesta a responder por lo que produce — el atlas del cirujano, el informe pericial, el storyboard, la viñeta — a la que estaba frenando un sistema incapaz de distinguirla de otra persona.
07Qué hace Shannon — y qué no hace
Aquí la precisión importa más que el entusiasmo, sobre todo para quien llega desde una búsqueda de API.
Qué hace
- Generación. Describe una imagen en lenguaje natural, en cualquier idioma. Shannon escribe él mismo el prompt de generación, en inglés, sea cual sea el idioma en el que preguntaste.
- Edición de una imagen. Exactamente una fuente — una imagen ya en la conversación o una adjunta a tu mensaje actual — modificada por una instrucción que dice qué cambia y qué se queda. La salida conserva automáticamente la relación de aspecto de origen.
- Combinación de dos o más imágenes. Transferencia de vestuario, objeto dentro de escena, persona junto a persona, producto sobre persona, sujeto de una imagen con el estilo de otra. El prompt nombra el papel de cada imagen en orden, y se usan las imágenes reales, de modo que se preserva su aspecto verdadero en vez de volver a describirlo.
- Control del formato. square (por defecto), portrait, landscape, wide y tall. Una petición explícita siempre manda.
- Renderizado en nuestro propio clúster de GPU, sin filtro de contenido en la ruta de generación y sin capa de rechazo en el modelo que escribe el prompt.
Qué no hace
- Nada de vídeo. Shannon no anima imágenes y no produce vídeo. No es un punto de la hoja de ruta que se esté ocultando con coquetería: no existe.
- No está en la API. La generación, la edición y la combinación de imágenes viven en la app de chat de Shannon. La API /v1 sirve texto y visión — puede leer las imágenes que le envías — pero no las renderiza.
- Nada de generación sin que se lo pidas. Un saludo, una pregunta o una foto adjuntada de pasada no disparan una imagen. Pedirle a Shannon que mire una imagen — describirla, leerla, analizarla — es trabajo de visión ordinario, no una generación, y no cuesta nada adicional.
La tarjeta de confirmación
Este es el mecanismo que sustituye al filtro, y es una decisión de diseño, no una formalidad. Cuando Shannon determina que estás pidiendo una imagen, escribe el prompt de generación y te lo muestra en una tarjeta de confirmación antes de renderizar nada. No se genera ni se cobra nada hasta que confirmas.
Compara los dos diseños por sus méritos. Un filtro conjetura tu intención con menos información de la que tú tienes y aplica la conjetura en silencio. Una tarjeta de confirmación pone la especificación literal de la imagen delante de la parte que sabe para qué es, antes de gastar cómputo alguno. Detecta malas lecturas de tu petición, cosa que los filtros nunca hacen; te deja añadir la precisión anatómica o el detalle histórico que el modelo dejó poco especificados; y hace legible la responsabilidad en lugar de difusa. Viste el prompt y pulsaste el botón.
08La generación sin filtros eleva la responsabilidad, no la elimina
Esto va aquí y no en un pie de página, porque es la mitad del argumento. Un generador filtrado hace una promesa que no puede cumplir: que la herramienta impedirá el mal uso en tu nombre. Falla en ambas direcciones — bloquea al cirujano y no detiene a un actor malicioso decidido, que tiene otras opciones y siempre las tuvo. Lo que sí hace de forma fiable es dejar que todos sientan que la responsabilidad se resolvió aguas arriba, por una máquina. Quitar el filtro elimina esa ficción; la pregunta de si una imagen debe existir vuelve a las personas que pueden responderla.
- La obligación de Shannon Lab LLC. Una Política de uso responsable publicada y concreta que nombra las categorías prohibidas, en lugar de una lista de bloqueo no publicada: normas que puedes leer, citar y exigirnos.
- Tu obligación. Tú conoces el propósito, el público, la jurisdicción y el estado del consentimiento de todas las personas representadas. La herramienta no, y un clasificador nunca podría. La tarjeta de confirmación existe para que ese conocimiento se aplique en el momento en que importa, por la parte que lo tiene.
- La línea que no se mueve. «El filtro no me lo impidió» nunca ha sido una defensa en ningún medio. Una cámara no se niega, un lápiz no se niega; la ley y la ética profesional rigen el uso, no el instrumento. Un generador sin filtros restaura el arreglo ordinario bajo el que funciona cualquier otra herramienta profesional.
Lee la Política de uso responsable antes de empezar. Es corta, concreta y es la parte de este producto que hace defendible todo lo demás.
09Preguntas frecuentes
¿Por qué un generador de imágenes de IA rechaza un prompt claramente legítimo?
Porque la mayoría de los filtros juzgan las palabras de tu prompt, no tu propósito. Un clasificador se sitúa delante del modelo sin acceso a quién eres ni a por qué preguntas, así que una ilustradora médica, un analista forense y un actor malicioso escriben el mismo sustantivo y reciben el mismo rechazo. The Intercept informó en abril de 2023 de que Midjourney había prohibido términos anatómicos como espéculo, placenta y cérvix, mientras que estetoscopio funcionaba con normalidad.
¿Hay investigación que mida los falsos positivos del filtro de contenido en herramientas de arte con IA?
Sí. OVERT (arXiv:2505.21347, ICML 2025) es el primer benchmark a gran escala de exceso de rechazos para modelos de texto a imagen: 4.600 prompts aparentemente dañinos pero genuinamente inocuos repartidos en nueve categorías de seguridad, más 1.785 prompts realmente dañinos como control. Sus autores informan de que el exceso de rechazos está extendido entre los modelos punteros. Un estudio aparte de ECCV 2024 halló sesgo de género y de estilo en tres clasificadores NSFW evaluados sobre desnudo artístico.
¿Qué cambia realmente un generador de imágenes de IA sin censura?
Retira la capa de rechazo y el filtro de contenido de la ruta de generación, de modo que una petición legítima no se reclasifica en silencio como un ataque. No elimina el juicio — lo reubica. Shannon te muestra el prompt de generación exacto en una tarjeta de confirmación antes de renderizar nada, así que la decisión la toma una persona que puede ver qué se va a producir, bajo la Política de uso responsable.
¿Shannon genera vídeo?
No. Shannon genera imágenes nuevas, edita una imagen existente y combina dos o más imágenes en una. No anima imágenes y no produce vídeo de ningún tipo.
¿Puedo generar imágenes a través de la API de Shannon?
No. La generación, la edición y la combinación de imágenes viven en la app de chat de Shannon. La API /v1 sirve texto y visión — leer y analizar las imágenes que aportas — no generación de imágenes.
Si no hay filtro, ¿qué impide el mal uso?
La política, la responsabilidad y un punto de decisión visible, en lugar de una lista de palabras bloqueadas. Shannon nunca genera sin que se lo pidas, muestra el prompt completo antes de renderizar, no cobra nada hasta que confirmas y opera bajo una Política de uso responsable publicada que prohíbe el contenido sexual con menores, las imágenes íntimas no consentidas de personas reales, el acoso dirigido y la falsificación de documentos de identidad o financieros.
Pide la imagen que de verdad necesitas
Generación, edición de una sola imagen y combinación de varias en la app de chat — sin filtro de contenido, sin capa de rechazo y con el prompt en pantalla antes de renderizar nada.
Empezar a chatear Política de uso responsableImágenes en la app de chat · sin generación de vídeo · más investigación
Fuentes: Cheng, Huang, Xu, Sojoudi, Zhao, Song y Mei — OVERT (arXiv:2505.21347, ICML 2025) · Riccio, Curto, Hofmann y Oliver — An Art-centric perspective on AI-based content moderation of nudity (arXiv:2409.17156, AI4VA @ ECCV 2024) · Debbie Nathan, The Intercept, 22 de abril de 2023 · PetaPixel, 3 de abril de 2023 · CNBC, 22 de febrero de 2024. Shannon AI está operado por Shannon Lab LLC, Nuevo México, EE. UU.