Què és Leonardo.Ai
Leonardo.Ai és una plataforma de creació visual que combina generació d’imatges, edició, ampliació i vídeo. Reuneix models desenvolupats pel seu equip i models d’altres proveïdors dins d’un entorn comú. La utilitat rau a enllaçar exploració, selecció i transformació del material, especialment quan cal produir diverses peces relacionades.
Convé diferenciar la plataforma del model escollit. Dues imatges creades a Leonardo poden procedir de tecnologies diferents i oferir controls diferents. També cal separar el recurs generat del disseny final: una imatge pot ser la matèria primera d’un cartell, una presentació o un vídeo, però encara requerir textos, estructura i revisió. Aquesta distinció permet decidir quina part del treball es farà a Leonardo i quina continuarà en una eina de disseny o muntatge.
Documentació de referència: Leonardo.Ai overview.
Origen, inversió i adquisició per Canva
Leonardo va néixer a Sydney a finals de 2022, amb una orientació inicial cap a recursos per a videojocs. L’inversor Blackbird identifica JJ Fiasson entre els fundadors i situa la seva inversió el 2023. El producte es va ampliar després cap a il·lustració, publicitat, desenvolupament de conceptes i altres treballs creatius.
El juny de 2024 va presentar Phoenix, el seu primer model fundacional propi. El 30 de juliol de 2024 va anunciar la incorporació a Canva. La comunicació de l’adquisició preveia mantenir Leonardo com a plataforma independent i reforçar recerca i desenvolupament. Aquesta relació explica la connexió entre totes dues eines, però no converteix totes les funcions, comptes o plans en un únic producte. Per a qui ja utilitza Canva, la pregunta pràctica és quins recursos es transfereixen i quins permisos o subscripcions necessita cada etapa.
Documentació de referència: Leonardo joins Canva, 30 July 2024 · Canva acquisition announcement · Blackbird portfolio: Leonardo AI.
Models propis i models de tercers
Phoenix va marcar el pas de Leonardo cap a models fundacionals propis. Lucid Origin, publicat el 5 d’agost de 2025, es va presentar com un model versàtil amb sortida Full HD i diversitat d’estils. La documentació d’Omni descriu també famílies com FLUX, GPT i Nano Banana per a generació i edició contextual. La selecció disponible canvia amb el temps.
Triar model exigeix pensar en l’encàrrec: una exploració d’atmosferes, un producte recognoscible i una composició amb text tenen criteris diferents. Compara amb el mateix material de referència i una llista breu de condicions essencials. Registra quin model va produir la imatge escollida i quins ajustos es van aplicar. Un resultat que funciona en un model no demostra que un altre conservarà les mateixes propietats, encara que tots dos siguin a la mateixa aplicació.
Documentació de referència: Phoenix model · Lucid Origin release · Omni Models and Inline Editor.
Referències i edició contextual
El flux Omni permet afegir referències i descriure com s’han de combinar; la guia actual preveu fins a sis imatges segons el model. L’editor integrat admet canvis mitjançant llenguatge natural. Els controls anteriors d’Image Guidance, com referències d’estil, contingut o postura, continuen documentats com a fluxos amb compatibilitat específica. No s’han de confondre els seus límits amb els dels models recents.
Una bona instrucció identifica què ha de canviar i què ha de romandre. Per exemple, en adaptar un personatge a una escena nova, separa identitat, vestimenta, acció i fons. Després comprova cada grup d’elements. Si l’edició canvia accidentalment la forma d’una eina o un senyal, recuperar una versió anterior pot ser més eficaç que encadenar correccions. Conserva les referències autoritzades i l’arxiu seleccionat perquè l’actualització següent no depengui de reconstruir decisions de memòria.
Documentació de referència: Leonardo.Ai — Image Guidance · Omni Models and Inline Editor · Image editor.
Realtime Canvas i Flow State
Realtime Canvas transforma esbossos en imatges mentre es dibuixa i permet ajustar quant s’interpreta l’entrada. Flow State ofereix una exploració diferent: genera una successió d’imatges i permet acostar-se a una direcció mitjançant variants semblants. En aquest últim, el consum correspon a les imatges generades, no únicament a les guardades o descarregades.
L’esbós és útil quan la distribució espacial importa més que trobar les paraules adequades. El flux d’alternatives serveix quan encara no hi ha una direcció definida. Abans de començar, decideix com es tancarà l’exploració: tres opcions comparables, una paleta escollida o una composició amb prou espai per al text. Sense aquest criteri, produir més alternatives pot augmentar el treball de selecció. Guarda aviat les opcions rellevants, ja que modificar la descripció o els ajustos inicia una altra sèrie.
Documentació de referència: Realtime Canvas · Flow State.
Elements i entrenament amb imatges pròpies
Elements és la implementació de Leonardo d’adaptacions LoRA: ajustos entrenats amb una col·lecció d’imatges per orientar estil, subjecte o producte. La documentació explica preparació del conjunt, entrenament i aplicació de l’element en generacions posteriors. La compatibilitat depèn del model base; un element no és necessàriament transferible a tots els models disponibles.
Entrenar pot tenir sentit quan es repetirà una identitat visual en molts encàrrecs. Per a una peça aïllada, una referència pot ser suficient. La col·lecció ha de representar allò que es vol conservar, sense confondre-ho amb un fons o una il·luminació repetits accidentalment. Reserva exemples diferents per comprovar el resultat: una altra perspectiva, una escena nova o una proporció diferent. Si el sistema només reprodueix bé les composicions d’entrenament, encara no s’ha demostrat que permeti la variació que necessita el projecte.
Documentació de referència: Elements training · Elements API training guide.
Vídeo, àudio i continuïtat entre escenes
Leonardo permet generar vídeo des de text o imatges. Fotogrames inicials i finals, so, durada i controls de moviment depenen del model. Motion 2.0 incorpora controls i elements propis; altres models ofereixen funcions diferents. La guia especifica descàrrega MP4 i adverteix que algunes operacions anomenades edició tornen a generar el vídeo.
Per a una seqüència, valida primer els fotogrames de referència i després el moviment. Una escena inicial correcta pot desenvolupar una acció incoherent o canviar un objecte durant el clip. Revisa també el so quan es generi: una frase, una alarma o un efecte inesperat pot alterar el sentit. Si l’objectiu exigeix continuïtat exacta, compara l’esforç de corregir generacions amb gravar o animar material controlat. El criteri d’acceptació ha d’incloure inici, desenvolupament i final de l’acció, no només una miniatura atractiva.
Documentació de referència: Video generation guide.
Generació 3D i abast del resultat
La guia d’agost de 2026 documenta generació 3D mitjançant Rodin V2, d’Hyper3D. A partir d’imatges de referència produeix una malla amb textura que es pot revisar en un visor i descarregar en format GLB. S’admeten diverses vistes per orientar la forma.
Aquest flux serveix per explorar un objecte visual des de diferents angles o preparar un recurs per a una altra aplicació. Una malla generada no equival a un model d’enginyeria amb mesures, materials i toleràncies comprovades. Abans de reutilitzar-la, examina les parts ocultes, la continuïtat de superfícies i el comportament al programa de destinació. Una vista frontal convincent pot deixar sense resoldre el revers o les unions de l’objecte. La revisió ha de seguir l’ús previst, no únicament l’aparença de la primera vista.
Documentació de referència: 3D generation.
Ampliació, lliurament i integració amb Canva
Pro Upscaler diferencia modes Precise i Creative, amb diferent grau de reconstrucció del detall. La pàgina oficial descriu entrades JPG, PNG i WebP i ampliació fins a 105 megapíxels. La mida de l’arxiu resultant no demostra que cada detall existís a l’original: convé comparar tots dos a escala suficient abans d’imprimir.
Edit in Canva permet traslladar una imatge a un compte de Canva per continuar el disseny. Segons l’ajuda consultada, està disponible per a usuaris individuals, inclosos gratuïts, però no per a Teams; la transferència es fa imatge a imatge. Comprova també quin compte de Canva està connectat. Per al lliurament, conserva la imatge aprovada i el disseny que conté textos i recursos corporatius. Així es pot canviar un titular sense tornar a generar la il·lustració ni alterar detalls que ja s’havien revisat.
Documentació de referència: Pro Upscaler · Edit in Canva.
Blueprints, agent i integració mitjançant API
Blueprints reuneix fluxos preparats que combinen models, referències i ajustos per a tasques visuals. La interfície pública identifica Leo Agent com a Beta. L’API permet incorporar generació a altres sistemes i l’oferta descriu l’exportació de configuracions visuals a codi. Aquestes vies automatitzen passos diferents i no tenen necessàriament els mateixos límits que una sessió manual.
Abans d’integrar, defineix què activa el treball, quins arxius entren, on es guarden els resultats i qui n’aprova l’ús. Per a un lot d’imatges de campanya, una automatització pot preparar variants; l’aprovació editorial ha de poder aturar una peça defectuosa sense repetir tot el lot. Mantén un registre de configuració i consum. Si canvia el model d’un flux preparat, revisa una mostra representativa abans de reutilitzar-lo amb totes les peces d’una sèrie.
Documentació de referència: Blueprints workflows · Public application interface · Developer API.
Plans, dispositius i treball en equip
L’oferta del 8 de novembre de 2026 diferencia Free, Essential, Premium i Ultimate, a més de plans per a equips i API. L’accés s’anuncia per a web i dispositius mòbils. Els plans condicionen models, cues i generacions privades; la generació relaxada il·limitada es limita a models seleccionats.
Teams incorpora recursos i tokens compartits, col·leccions i treball amb models comuns. Per triar una modalitat, calcula l’ús d’una sèrie completa: exploració, correccions, ampliació i vídeo si escau. Un equip també necessita decidir qui conserva l’original i qui autoritza una versió nova. Compartir recursos facilita continuïtat, però sense noms i criteris clars pot deixar diverses imatges aparentment finals. Organitza per projecte i estat de revisió, no només per data de generació.
Documentació de referència: Individual plans · Leonardo for Teams.
Privacitat, drets i ús comercial
L’ajuda permet ús comercial subjecte a condicions i diferencia generacions públiques de privades. Les opcions privades requereixen un compte de pagament. Les condicions assignen drets de manera diferent a subscriptors gratuïts i de pagament, i limiten l’ús del contingut privat pel proveïdor a les finalitats contractuals, sense entrenament addicional llevat de consentiment exprés.
Abans de carregar material, comprova el règim del compte i la visibilitat de cada recurs. Una llicència per utilitzar una sortida no equival a exclusivitat, ni resol permisos sobre rostres, marques o imatges d’entrada. Per entrenar un estil corporatiu, utilitza una col·lecció de la qual es pugui documentar origen i autorització. La capacitat de crear una variant d’un producte o d’una persona no demostra que estigui autoritzada per a publicitat. La decisió s’ha de prendre sobre el recurs i la finalitat concrets.
Documentació de referència: Leonardo.Ai — Private and public images · Terms of Service · Commercial usage.
Aplicacions concretes en SST
Pot donar suport a la creació d’il·lustracions per a comunicació preventiva i a la preparació d’escenes conceptuals per a materials formatius. La relació amb la seguretat i salut en el treball depèn del contingut aportat i de la revisió tècnica: la plataforma produeix recursos visuals, però no verifica que una operació sigui segura.
Pot servir per preparar una seqüència il·lustrada, variants d’un escenari formatiu o recursos amb una estètica comuna en diversos mòduls. En SST cal separar el fons decoratiu dels elements que ensenyen una conducta. La mida d’un obstacle, la posició d’una càrrega o una protecció no són detalls només estètics.
Els escenaris s’han de presentar com a exemples, no com a fotografies del centre. Per representar un lloc real, és preferible utilitzar recursos autoritzats que permetin comprovar la correspondència amb aquell lloc.
Cas pràctic i comprovació del resultat
Exemple: desenvolupar una sèrie d’il·lustracions coherents per explicar la importància de mantenir lliures les zones de pas. L’equip defineix els escenaris, revisa cada obstacle representat i afegeix les accions concretes acordades per al centre de treball.
- Definir tres escenes i la idea que ensenya cadascuna: reconèixer una obstrucció, comunicar-la i mantenir el pas lliure segons les instruccions del centre.
- Preparar referències autoritzades i una llista d’elements constants, com recorregut, il·luminació i senyalització aprovada.
- Generar i comparar les escenes juntes. Detectar canvis que confonguin la seqüència, no només defectes individuals.
- Revisar que el resultat no normalitzi una pràctica inadequada. Si una escena exigeix massa correccions, substituir-la per un esquema clar.
- Afegir instruccions aprovades com a text editable i demanar que una persona expliqui la seqüència amb paraules pròpies.
L’exercici proposat permet avaluar el material; no afirma que s’hagi provat amb treballadors reals.
Límits i condicions d’ús
Les funcions de millora o edició poden introduir detalls que no eren a l’original. Revisa les imatges completes, especialment màquines, elements de protecció i senyals; conserva una versió de referència i evita utilitzar una escena modificada com a prova de les condicions reals d’un lloc de treball.
Cal comprovar la visibilitat abans de pujar referències. La documentació diferencia generacions públiques i privades i vincula les opcions privades a determinats comptes. No utilitzis imatges personals o informació del centre assumint que totes les creacions són reservades.
Una referència no transmet drets sobre la imatge ni garanteix conservar-ne exactament la identitat. També pot introduir trets no desitjats. Revisa que persones, equips i contextos es representin adequadament, sense estereotips per explicar un risc.
Documentació de referència: Leonardo.Ai — Image Guidance · Leonardo.Ai — Private and public images.
Quan escollir-la i amb què complementar-la
Leonardo AI encaixa quan interessa desenvolupar una sèrie amb referències i opcions d’edició. Midjourney ofereix un altre flux d’exploració visual; la tria s’hauria de basar en una escena del projecte i l’esforç de correcció. Canva pot organitzar després la seqüència amb textos i recursos corporatius.
Inclou a la prova un canvi de personatge o fons. Comprova quins detalls canvien inesperadament i si l’equip pot mantenir la coherència quan actualitzi el material.
Preguntes freqüents
Una referència garanteix una reproducció exacta?
No. Orienta la generació, però cal comparar el resultat amb els elements que s’han de conservar.
Com s’ha de revisar una sèrie d’il·lustracions?
Observa-la completa: comprova continuïtat de personatges, equips, espais i accions, a més de cada escena.
Què cal comprovar abans de pujar una foto?
Drets d’ús, autorització sobre les persones o el lloc i configuració real de visibilitat del projecte.
