Intermedio 12 minInterfaces

SillyTavern: la interfaz de personajes para LLM local

SillyTavern es una interfaz web pensada para juegos de rol y escritura interactiva con un LLM. No ejecuta modelos por sí misma: se conecta a un backend local como KoboldCpp u Ollama y añade todo lo que falta al chat clásico: tarjetas de personajes, memoria persistente del mundo, control detallado del prompt y extensiones. Esta guía cubre la instalación, la conexión a tu backend, la creación de personajes y los ajustes que marcan la diferencia en la interpretación.

Por Léa B.·Actualización 2026-08-27·Probado en Windows, macOS y Linux

#¿Por qué SillyTavern en lugar de un chat clásico?

Una interfaz como Open WebUI o LM Studio trata cada conversación como un intercambio entre asistente y usuario. SillyTavern parte de otra necesidad: encarnar un personaje coherente a lo largo de cientos de mensajes, dentro de un universo que recuerda sus propias reglas. Es la herramienta de referencia de la comunidad de juegos de rol con LLM local y aporta mecánicas que un chat básico no tiene.

Tarjetas de personajes
Un formato estandarizado (PNG con metadatos incorporados) que describe la personalidad, el estilo, ejemplos de diálogo y el mensaje de bienvenida. Se puede importar y compartir en un único archivo.
Memoria del mundo
El lorebook inyecta información en el prompt solo cuando aparece una palabra clave, lo que mantiene un universo coherente sin saturar el contexto.
Control del prompt
Ves y modificas cada bloque enviado al modelo: prompt de sistema, formato de instrucción, orden de inyección. Nada está oculto.
Backend a elegir
SillyTavern es un front-end puro. El mismo personaje funciona con KoboldCpp, Ollama, llama.cpp o una API remota sin necesidad de reescribir nada.
i
SillyTavern no reemplaza tu servidor de inferencia
Es una capa de interfaz. Siempre necesitas un backend que cargue el modelo y ejecute la generación. SillyTavern se limita a organizar el prompt y mostrar el resultado.

#Requisitos previos y elección del backend

El kit de IA Local

Tu ChatGPT privado y gratuito en tu máquina en 1 hora — LM Studio, Ollama, Open WebUI, tus documentos, sin nube.

  • Espacio en línea de por vida
  • PDF + archivos
  • Reembolsado 30 j
El kit de IA Local →o todos los kits de por vida — 49 € →

SillyTavern funciona en Node.js (versión 18 o superior) en Windows, macOS y Linux. Ligero en recursos — es el backend el que consume la VRAM. Dos backends locales cubren casi todos los usos: KoboldCpp, orientado a GGUF y juegos de rol, y Ollama, más generalista.

KoboldCpp
Binario único que ejecuta GGUF con una API compatible de forma nativa con SillyTavern. Ajustes precisos de memoria, soporte para AMD ROCm. La opción por defecto de la comunidad RP.
Ollama
El demonio escucha en http://localhost:11434. Es práctico si ya lo usas para otra cosa; SillyTavern se conecta a él a través de su endpoint compatible.
llama.cpp (llama-server)
Servidor HTTP compatible con OpenAI para un control máximo del offloading de capas.
VRAM
En Q4_K_M: un 7B cabe en ~5 GB, un 14B en ~9 GB y un 32B en ~19 GB. Para un RP fluido, busca un modelo de al menos 12-14B si tu tarjeta lo permite.
→
Contexto largo = más VRAM
El juego de rol se apoya en contextos largos (8k, 16k, 32k tokens). La caché KV crece con el contexto y consume VRAM además de la que ocupan los pesos. Prevé un margen o cuantiza la caché KV para poder usar un contexto más amplio en la misma tarjeta.

#Instalar SillyTavern

El método recomendado es clonar el repositorio con Git: facilita mucho las actualizaciones (un git pull) y SillyTavern evoluciona rápidamente. Asegúrate de tener instalados Node.js 18+ y Git.

  1. 01
    Clonar el repositorio
    Obtén la rama release, estable y probada. Evita la rama staging a menos que quieras acceder a las novedades antes de su lanzamiento a costa de algunos errores.
  2. 02
    Ejecutar el script de inicio
    start.sh en Linux/macOS, Start.bat en Windows. En la primera ejecución, npm instala las dependencias automáticamente.
  3. 03
    Abrir la interfaz
    SillyTavern ofrece su interfaz en http://localhost:8000. Abre esta dirección en tu navegador; no es necesario instalar ninguna aplicación de escritorio.
  4. 04
    Actualizar más tarde
    Un git pull en el directorio, luego vuelve a ejecutar el script. Tus personajes y conversaciones están almacenados por separado en data/ y no se sobrescriben.
Terminal (Linux/macOS)
# Cloner la branche stable
git clone https://github.com/SillyTavern/SillyTavern -b release
cd SillyTavern

# Premier lancement : installe les dépendances puis démarre
./start.sh

# Interface accessible sur http://localhost:8000
PowerShell (Windows)
git clone https://github.com/SillyTavern/SillyTavern -b release
cd SillyTavern

# Double-cliquez Start.bat, ou en ligne de commande :
.\Start.bat
i
Acceso a la red y seguridad
Por defecto, SillyTavern solo escucha en localhost. Si quieres acceder desde otro dispositivo de la red, activa listen en config.yaml y configura autenticación (autenticación básica). Nunca expongas directamente la interfaz en Internet sin protección.

#Conectar el backend local

Una vez abierto SillyTavern, todo se gestiona en la pestaña de conexión API (el icono en forma de enchufe en la parte superior). El principio: iniciar el backend por un lado e indicar su dirección a SillyTavern por el otro.

#Con KoboldCpp

Inicia KoboldCpp con tu modelo GGUF; expone su API en el puerto 5001 por defecto. En SillyTavern, elige el tipo de API «Text Completion», luego el backend «KoboldCpp» e introduce la URL. Haz clic en Connect: el nombre del modelo cargado se muestra si todo está bien.

Terminal
# Lancer KoboldCpp avec un modèle et 8k de contexte
./koboldcpp --model mon-modele-rp.Q4_K_M.gguf --contextsize 8192

# API disponible sur http://localhost:5001
# Dans SillyTavern : API = Text Completion > KoboldCpp
# URL = http://localhost:5001

#Con Ollama

Ollama ya se ejecuta como daemon en el puerto 11434. En SillyTavern, selecciona «Text Completion» y luego el backend «Ollama», introduce la dirección y elige el modelo en la lista desplegable obtenida automáticamente.

Terminal
# Vérifier qu'Ollama tourne et lister les modèles
ollama list

# Le daemon écoute sur http://localhost:11434
# Dans SillyTavern : API = Text Completion > Ollama
# URL = http://localhost:11434
!
La plantilla de instrucciones adecuada es decisiva
Cada familia de modelos espera un formato preciso (ChatML para Qwen 3.5/3.8 y gpt-oss, Gemma para Gemma 4, Mistral para Mistral Small…). Si las respuestas son incoherentes, están cortadas o llenas de etiquetas visibles, casi siempre se debe a una plantilla mal elegida. Ajústala en la pestaña Advanced Formatting para que corresponda al modelo cargado.

#Crear e importar tarjetas de personajes

La carta de personaje es el corazón de SillyTavern. Es un archivo PNG cuya imagen sirve de avatar y cuyos metadatos incorporados describen al personaje. Puedes crear una desde cero o importar una carta compartida por la comunidad.

#Los campos que importan

Descripción
La base del personaje: apariencia, rasgos, historia. Se incorpora permanentemente al contexto, así que escribe de forma concisa y concreta, con información sustancial, en lugar de extenderte demasiado.
Personality
Un resumen del temperamento. Útil para orientar el tono sin tener que reescribir toda la descripción.
First message
El mensaje de bienvenida que establece la escena. Da el tono, el estilo de escritura y el formato esperado — el modelo tiende a imitar su forma.
Example dialogues
Ejemplos de frases que muestran al modelo cómo habla el personaje. Muy eficaz para fijar una voz particular.
Scenario
El contexto de la escena, separado de la descripción del personaje. Útil para reutilizar el mismo personaje en varias situaciones.
  1. 01
    Abrir el panel de personajes
    El icono de personaje en la barra superior abre la lista. El botón « + » crea una tarjeta vacía.
  2. 02
    Rellenar la descripción
    Describe al personaje de forma concisa y con abundante información. Muchos autores usan un formato estructurado (listas de rasgos) en lugar de un párrafo, un formato que los modelos siguen bien.
  3. 03
    Escribir el primer mensaje
    Cuídalo: es tu mejor recurso de estilo. Un mensaje de bienvenida narrativo en tercera persona lleva al modelo hacia este formato.
  4. 04
    Importar una tarjeta existente
    Arrastra un PNG de una tarjeta a la lista o impórtalo. Las tarjetas se comparten como simples archivos de imagen en los portales comunitarios.
→
El presupuesto de tokens del personaje
Todo lo que contiene la tarjeta ocupa espacio en el contexto en cada mensaje. Una descripción de 2000 tokens en un contexto de 8k consume una cuarta parte del presupuesto incluso antes de incluir el historial. Sé conciso: la calidad prima sobre la longitud.

#El mundo persistente: el lorebook

El lorebook (o World Info) resuelve el problema central de las partidas largas: cómo mantener un universo coherente sin inyectar todo constantemente. El principio es la inyección condicional por palabras clave.

Creas entradas, cada una asociada a una o varias palabras clave. Cuando una de estas palabras aparece en los mensajes recientes, la entrada correspondiente se inyecta en el contexto justo antes de la generación. El resto del tiempo, no ocupa ningún espacio. Así puedes describir decenas de lugares, personajes secundarios y reglas sin saturar nunca el prompt.

Entrada
Un bloque de texto (el lore a inyectar) y sus palabras clave de activación. Ejemplo: palabra clave « Valmont » → descripción de la ciudad de Valmont.
Constante vs selectivo
Una entrada puede estar siempre activa (reglas fundamentales del universo) o desencadenarse solo por palabra clave (detalles contextuales).
Profundidad de inyección
Eliges la posición en la que se inserta la entrada dentro del prompt, lo que influye en el peso que el modelo le asigna.
Relacionado con el personaje o global
Un lorebook puede acompañar a una ficha específica o aplicarse a todas tus conversaciones como universo compartido.
i
Lorebook ≠ RAG
La inyección por palabras clave es más sencilla y previsible que una búsqueda vectorial: se activa por una coincidencia de texto, no por una similitud semántica. Para un universo de ficción estructurado, suele ser más fiable que un RAG clásico, y queda completamente bajo tu control.

#Ajustar la generación para la interpretación

Los parámetros de muestreo determinan la proporción entre coherencia y creatividad. Para juegos de rol, se busca más variedad que para asistencia factual, sin caer en incoherencias. Estos ajustes se encuentran en la pestaña de parámetros de generación (icono de deslizadores).

Temperatura
El control deslizante de creatividad/estabilidad. En torno a 0.7-0.9 para un buen equilibrio en el juego de rol. Un valor demasiado alto (> 1.2) genera incoherencias; uno demasiado bajo hace que el personaje sea repetitivo y plano.
Min-P
Un sampler moderno que descarta los tokens poco probables en proporción al más probable. Un valor de 0.05-0.1 depura la salida y permite aumentar la temperatura sin que el modelo pierda el rumbo.
Penalización por repetición
Penaliza la repetición de los mismos tokens. Es útil para evitar bucles, pero, si la penalización es demasiado alta, obliga al modelo a usar expresiones artificiales. Mantén un nivel moderado.
Response length
El número máximo de tokens generados por respuesta. 200-400 tokens para réplicas narrativas sustanciosas sin monólogos interminables.
Context size
Debe coincidir con lo que ha cargado tu backend. No sirve de nada pedir 16k a SillyTavern si KoboldCpp se ha iniciado solo con 8k.
→
Partir de un preset antes de modificarlo
SillyTavern ofrece presets de muestreo listos para usar. Carga uno adecuado al RP, actúa en una escena y ajusta un parámetro a la vez. Cambiar cinco controles al mismo tiempo hace imposible cualquier diagnóstico.

#Las extensiones que cambian la experiencia

SillyTavern es extensible. Algunas extensiones vienen incluidas y otras se instalan mediante la URL de su repositorio. Estas son las que realmente transforman la forma de usarlo.

Vector Storage (resumen de memoria)
Vectoriza el historial y reintegra los pasajes relevantes de los mensajes antiguos, extendiendo la memoria más allá de la ventana de contexto. Útil para partidas muy largas.
Summarize
Genera y mantiene un resumen actualizado de la conversación, que se vuelve a incluir en el prompt. El personaje recuerda los acontecimientos importantes incluso después de cientos de mensajes.
Text-to-Speech
Da voz a los personajes mediante un motor TTS local. Mayor inmersión para quienes juegan por voz.
Generación de imágenes
Se conecta a un backend local de imágenes (como Stable Diffusion) para ilustrar escenas y personajes sobre la marcha desde el chat.
Expresiones
Muestra el avatar con una emoción que corresponda al tono del mensaje, a partir de un conjunto de sprites del personaje.
i
Cada extensión cuesta tokens o VRAM
Summarize y Vector Storage consumen contexto; la generación de imágenes y TTS requieren sus propios modelos y, por tanto, VRAM o CPU adicionales a los que utiliza tu LLM. Actívalos según tu presupuesto de hardware, no todos de golpe.

#¿Qué modelos locales destacan en interpretación?

No todos los LLM rinden igual en juegos de rol. Los modelos «instruct» alineados para la asistencia tienden a salirse del personaje, moralizar o rechazar escenarios de ficción. La comunidad prefiere modelos con ajustes finos especializados, a menudo construidos sobre bases sólidas y luego reentrenados para la narración y el diálogo en el papel del personaje.

Tamaño útil
Por debajo de 4B, la coherencia del personaje a lo largo del tiempo se resiente. En 2026, una base reciente como Qwen 3.5 9B (~6,6 GB, 256k de contexto) o Gemma 4 12B (~7,6 GB, Apache 2.0) es el punto de equilibrio para la mayoría de las tarjetas gráficas de gama media; un escalón por encima, Mistral Small 24B (~14 GB, muy competente en francés) cabe en 16 GB y aporta mayor sutileza narrativa.
Fine-tunes RP
Busca modelos explícitamente entrenados para roleplay o ficción (a menudo marcados como «RP», «storytelling» o «uncensored» en Hugging Face). Los mejores fine-tunes de 2026 se basan en estas bases recientes (Qwen 3.5, Mistral Small 24B, Gemma 4) en lugar de los antiguos Llama 2 o Mistral 7B de 2023; siguen mejor el formato de las tarjetas.
Contexto largo
Prioriza un modelo que mantenga un buen rendimiento con 16k tokens o más sin degradarse: las partidas largas lo exigen. Comprueba el contexto nativo anunciado para el modelo.
Formato GGUF
Para KoboldCpp, usa archivos GGUF cuantizados. Q4_K_M es el equilibrio recomendado; sube a Q5_K_M o Q8_0 si tu VRAM lo permite y buscas más precisión.
→
Probar una tarjeta con dos o tres modelos
Un mismo personaje puede parecer apagado en un modelo y brillante en otro. Antes de concluir que tu tarjeta es mala, pruébala con varios modelos RP diferentes: la diferencia en el resultado suele ser espectacular.

#Solución de problemas comunes

SillyTavern no se conecta
Comprueba que el backend esté funcionando bien y que el puerto sea el correcto (5001 para KoboldCpp, 11434 para Ollama). Un test en el navegador en la URL de la API confirma que responde.
Respuestas con etiquetas visibles
Casi siempre se debe a una plantilla de instrucciones inadecuada. Ajusta el formato (ChatML, Gemma, Mistral…) al del modelo en Advanced Formatting.
El personaje sale de su rol
Refuerza la descripción y los ejemplos de diálogo, baja un poco la temperatura y verifica que tu prompt de sistema no entre en conflicto con la tarjeta.
Repeticiones y bucles
Aumenta ligeramente la penalización por repetición y añade un Min-P. Si el problema persiste, puede que el contexto esté saturado: activa Summarize o reduce el tamaño de la tarjeta.
Respuestas truncadas
El valor de Response length es demasiado bajo, o el backend se inició con un contexto más pequeño que el que requiere SillyTavern. Ajusta ambos valores para que coincidan.

#Para ir más allá

SillyTavern es solo una capa: la calidad final depende principalmente de tu backend y del modelo. Estas guías te ayudan a consolidar las bases.

KoboldCpp: instalación y primeros pasos
El backend de referencia para el RP local: GGUF, ajustes de memoria y una API que SillyTavern admite de forma nativa.
Ollama, ¿qué es y cómo funciona?
La alternativa generalista si prefieres un daemon único en el puerto 11434 para todos tus usos.
Cuantizar la caché KV
Para mantener contextos de RP más largos en la misma tarjeta gráfica sin disparar el consumo de VRAM.
¿Esta guía te ha ayudado?

¿Un comentario, un error, una precisión? Avísanos, eso mejora la guía para todos.