Leitfaden zur Massenkolorierung von Webtoon-Kapiteln

Warum Massenkolorierung alles für Verleger verändert

Als wir anfingen, Webtoon-Kapitel für die Veröffentlichung zu kolorieren, war die erste Erkenntnis, dass Einzelbild-Kolorierungstools für Produktionsarbeit im Grunde nutzlos sind. Ein typisches Webtoon-Kapitel hat 40 bis 80 Seiten. Sie einzeln zu kolorieren — selbst mit einem schnellen KI-Tool — erzeugt inkonsistente Farben auf jeder Seite. Die Haare eines Charakters können auf Seite 12 rotbraun und auf Seite 13 kastanienbraun sein. Hintergründe verschieben den Farbton zwischen Panels. Das Ergebnis sieht aus, als wäre es auf jeder Seite von einem anderen Künstler koloriert worden.

Bei der Massenkolorierung geht es nicht nur um Geschwindigkeit. Es geht darum, ein ganzes Kapitel als eine einzige Arbeitseinheit zu behandeln, genauso wie es ein Künstler tun würde. Wenn ein menschlicher Kolorist an einem Kapitel arbeitet, etabliert er eine Palette auf der ersten Seite und führt sie fort. Er sieht Szenenübergänge und bewahrt die Stimmung. Er vergisst nicht, welche Farbe die Wände drei Seiten zuvor hatten. Jedes produktionsreife Kolorierungstool muss diese Kontinuität replizieren, und das ist nur möglich, wenn das Tool das gesamte Kapitel auf einmal verarbeitet.

Das ist der Kerngrund, warum wir Watashi Colorizer von Anfang an als Massen-Pipeline gebaut haben. Nicht als Einzelbild-Tool mit einem nachträglich angefügten Batch-Modus, sondern als ein System, das von Grund auf dafür konzipiert ist, Kapitel als zusammenhängende Kunstsequenzen zu verstehen.

Die Engineering-Herausforderung: Seitenübergreifende Farbkonsistenz

Das schwierigste Problem bei der Massenkolorierung ist nicht die Verarbeitungsgeschwindigkeit — es ist die Konsistenz. KI-Modelle verarbeiten Bilder in Batches fester Größe, und zwei beliebige Batches produzieren leicht unterschiedliche Farbinterpretationen desselben Inhalts. Wenn eine Szene am unteren Rand von Seite 30 beginnt und am oberen Rand von Seite 31 weitergeht, und diese beiden Seiten in verschiedenen Batches landen, erhalten Sie einen sichtbaren Farbbruch mitten in der Handlung.

Unsere Lösung war virtuelles Bild-Splitting. Anstatt ganze Seiten an die KI zu senden, scannen wir jede Seite nach schwarzen Panel-Trennlinien — den reinschwarzen horizontalen Bändern, die Szenen im Webtoon-Format trennen. Wir teilen Seiten an diesen Trennlinien in einzelne Kunstbänder auf und gruppieren die Bänder dann nach Szenenkontinuität über Seitengrenzen hinweg neu. Das untere Ende von Seite 30 und das obere Ende von Seite 31 landen im selben KI-Batch, sodass das Modell sie zusammen sieht und koloriert.

Das erforderte monatelanges Feintuning. Die Trennlinienerkennung muss reinschwarze Panel-Separatoren von dunklem Kunstinhalt wie Schatten, Haaren und Nachtszenen unterscheiden. Wir scannen jede Zeile jedes Bildes und klassifizieren Pixel mit einem RGB-Schwellenwert von 15 — nur fast reines Schwarz zählt. Alles mit sichtbarer Textur, selbst subtile Grauwerte von 10-30 pro Kanal, wird als Kunst erkannt und bleibt unberührt.

Von Einzelbildern zu ganzen Kapiteln: Der Aufbau der Pipeline

Die vollständige Pipeline arbeitet in vier Stufen. Erstens wird jedes hochgeladene Bild gescannt und an erkannten schwarzen Lücken in virtuelle Bilder aufgeteilt. Zweitens werden diese virtuellen Bilder basierend auf Szenenkontinuität in Batches gruppiert, unter Einhaltung eines maximalen Seitenverhältnisses, damit die KI ausreichend Auflösung erhält. Drittens wird jeder Batch zu einem einzelnen hohen Bild zusammengefügt, an die KI gesendet und das kolorierte Ergebnis wieder auseinandergeschnitten. Viertens werden alle kolorierten Bänder auf ihre ursprünglichen Leinwände in exakten Originalmaßen zurückkomponiert.

Der Gruppierungsschritt birgt die größte Komplexität. Wir bewerten jede Grenze zwischen benachbarten virtuellen Bildern, indem wir vollständig schwarze Zeilen zählen — nicht die durchschnittliche Pixeldunkelheit, sondern Zeilen, in denen 95 % oder mehr der Pixel reinschwarz sind. Wenn eine Grenze hoch bewertet wird, ist es ein sicherer Punkt zum Aufteilen der Batches. Wenn sie niedrig bewertet wird, überspannt Kunst die Grenze und wir halten diese Bilder zusammen. Dieses zeilenbasierte Scoring erkennt Details, die eine Pixeldurchschnittsberechnung übersehen würde, wie eine einzelne Dialogzeile auf schwarzem Hintergrund.

Produktionsanforderungen, die unseren Ansatz geprägt haben

Mehrere Produktionsanforderungen trieben architektonische Entscheidungen an. Die Ausgabe muss exakt die Originalmaße haben — Verleger brauchen Dateien, die als direkte Ersetzungen in bestehende Workflows passen. Charakterfarben müssen auf Hex-Ebene kontrollierbar sein, weil Verleger etablierte Styleguides haben. Das Tool muss Manga-, Manhwa-, Manhua- und Webtoon-Formate ohne manuelle Konfiguration verarbeiten, weil ein Produktionsteam nicht für jede Serie Einstellungen anpassen sollte.

Wir lernten auch, dass Kompression im großen Maßstab wichtig ist. Eine einzelne 2000×8000 Pixel PNG-Seite kann 10 MB oder mehr betragen. Multipliziert mit 60 Seiten bewegen Sie 600 MB durch die Pipeline für ein einziges Kapitel. Auto-Kompression beim Import — Neucodierung übergroßer PNGs als JPEG q92 ohne Dimensionsänderung — reduziert das auf unter 100 MB bei Beibehaltung jedes sichtbaren Qualitätspixels.

Das sind keine Features, an die man beim Kolorieren eines einzelnen Testbildes denkt. Es sind die Anforderungen, die nach dem hundertsten Kapitel auftauchen, wenn Pipeline-Effizienz und Ausgabekonsistenz den Unterschied zwischen einem brauchbaren Tool und einem Spielzeug ausmachen.

Was wir beim Veröffentlichen kolorierter Kapitel gelernt haben

Nach der Kolorierung tausender Seiten über Dutzende von Serien ist die wichtigste Erkenntnis, dass Konsistenz Spitzenqualität schlägt. Ein Kapitel, in dem jede Seite gut ist, ist weitaus veröffentlichbarer als ein Kapitel, in dem fünf Seiten beeindruckend sind und der Rest sichtbar anders. Charakterpaletten, Kontextlernen und szenenbasierte Gruppierung dienen alle diesem einen Ziel: das gesamte Kapitel so aussehen zu lassen, als hätte es ein einziger Künstler koloriert.

Die zweite Erkenntnis ist, dass Bearbeitung nicht optional ist. Egal wie gut die KI wird, manche Panels brauchen manuelle Anpassung. Die Augenfarbe eines Charakters kann abdriften. Die Stimmung eines Hintergrunds passt vielleicht nicht zum Skript. Unser Bearbeitungsmodus ermöglicht natürlichsprachliche Anweisungen, um bestimmte Panels zu korrigieren, ohne das gesamte Kapitel neu zu verarbeiten, denn in der Produktion ist die Fähigkeit zu gezielten Korrekturen genauso wichtig wie die anfängliche Kolorierungsqualität.