Watashi Games
Plausibel ist nicht dasselbe wie richtig
Jedes allgemeine Bildmodell kann eine Manga-Seite kolorieren. Füge eine ein und du bekommst in unter einer Minute etwas zurück, das auf den ersten Blick in Ordnung aussieht. Die Probleme beginnen auf Seite zwei, wenn dieselbe Figur mit anderen Haaren zurückkommt. Dann kommt eine Sprechblase mit subtil neu gezeichnetem Text zurück. Dann kommt eine tiefschwarze Rinne mit erfundenen Bildinhalten gefüllt zurück.
Nichts davon bedeutet, dass das Modell schlecht in Kunst ist. Es tut genau das, wofür es trainiert wurde: ein plausibles Bild zu erzeugen. Eine Manga-Seite ist kein einzelnes Bild. Sie ist eine Folge von Panels, teilt sich eine Besetzung, ist mit echtem Text bedruckt, wird von strukturellem Schwarz getrennt und gehört zu einem Kapitel, das zum vorherigen passen muss. Pro Seite plausibel ist das falsche Ziel, und kein noch so gutes Prompting ändert das Ziel.
Watashi Colorizer ist um genau diesen Unterschied herum gebaut. Unten stehen sechs technische Entscheidungen, die daraus folgen. Sie sind nicht exotisch, aber jede existiert, weil wir ohne sie etwas scheitern sahen.
S/W
Farbe1. Gewichte per Vergleichstest gewählt, nicht per Pressemitteilung
Die meisten Colorizer sind eine dünne Hülle: Nutzerbild geht an eine öffentliche API, koloriertes Bild kommt zurück. Damit ist die Hülle nur so gut wie das, was der API-Anbieter dieses Quartal ausgeliefert hat, und das Tool erbt jeden blinden Fleck dieses Anbieters, einschließlich der Inhalte, die er ablehnt.
Wir betreiben eigene Gewichte auf eigenen GPUs und wählen sie durch Tests statt nach Ruf. Neue Kandidatenmodelle treten direkt gegen das Produktionsmodell an, an denselben echten Seiten, mit einem Menschen, der die Ergebnisse nebeneinander vergleicht. Die meisten Kandidaten verlieren. Die Gewinner gewinnen anhand von Belegen, und die Niederlagen werden festgehalten, damit dieselbe Sackgasse nicht zweimal erkundet wird.
Die aktuelle Engine ist ein auf Kolorierung spezialisiertes Fine-Tuning statt eines allgemeinen Standardmodells. Das ist der wichtigste Grund, warum Haut wie Haut aussieht und Hintergründe fertig koloriert werden, statt grau zu bleiben.
2. Anweisungen Satz für Satz validiert
Die Anweisungen, die wir mit jeder Seite senden, wurden nicht in einem Zug geschrieben. Sie wurden zusammengesetzt, indem jeder Satz einzeln getestet und nur behalten wurde, was das Ergebnis messbar veränderte.
Diese Disziplin ist wichtig, weil Prompt-Schreiben voller Intuitionen steckt, die sich als falsch herausstellen. Das klarste Beispiel aus unserer eigenen Arbeit: Eine Zeile, die Farben aufzählte, die Haut niemals haben darf, erzeugte eine Seite, auf der die Haut genau diese Farben hatte. Etwas zu benennen, das man nicht will, macht es wahrscheinlicher, nicht unwahrscheinlicher, und die Lösung war, nur zu beschreiben, wie das richtige Ergebnis aussieht. Durch Nachdenken hätten wir das nie gefunden. Wir fanden es, indem wir einen Satz testeten und uns das Ergebnis ansahen.
Der aktive Satz ist deshalb kurz und jeder Teil verdient seinen Platz: sich auf einen Hautton festlegen, jeden Hintergrund fertigstellen, die Anatomie in der gezeichneten Form belassen und Linienführung und Text exakt bewahren. Nimm einen davon weg und ein bestimmter Fehler kehrt zurück.
3. Dem Modell mehr von der Seite geben
Bildmodelle arbeiten mit einer festen internen Größe. Sende einen großen Scan und er wird herunterskaliert, bevor das Modell ihn überhaupt sieht. Alles Kleine auf dieser Seite, Gesichter in einer Totalen, Text auf einem Schild im Hintergrund, feine Schraffuren, kommt als Fleck an. Das Modell koloriert dann den Fleck, weil es nur den bekommen hat.
Wir haben das auf die harte Tour gelernt, bei der Jagd nach einem Kolorierungsfehler, der auf keinerlei Prompt-Arbeit reagierte. Derselbe Bereich, ausgeschnitten und allein gesendet, kam jedes einzelne Mal korrekt zurück. Das Modell kannte die Antwort immer; es konnte die Frage nur nie sehen.
Seiten werden deshalb in der größten Größe eingelesen, die die Engine tatsächlich nutzen kann, statt in einem bequemen Standardwert, und die Ausgabe kommt in exakt den Maßen der hochgeladenen Datei zurück.
S/W
Farbe4. Die Seite als Panels lesen, nicht als Rechteck
Eine Manga-Seite hat eine Struktur, für die ein allgemeines Modell keinen Grund hat sich zu interessieren: Panel-Rahmen, Rinnen und tiefschwarze Trenner, die tiefschwarz bleiben müssen. Koloriere das Rechteck und diese Struktur wird als Textur behandelt. So landet man bei einer Rinne voller erfundener Landschaft.
Unsere Pipeline erkennt Panel-Grenzen und Kunstbänder, bevor irgendetwas koloriert wird, und teilt nur an echten Grenzen. Mitten durch ein Panel zu schneiden ist schlimmer als gar nicht zu schneiden, weil die beiden Hälften unabhängig koloriert werden und nie zusammenpassen. Der Splitter verweigert lieber, als zu raten.
- Panel-bewusstes Aufteilen, damit jeder Bereich die volle Aufmerksamkeit des Modells bekommt
- Erhalt von Rinnen und Schwarzwerten, damit strukturelles Schwarz strukturell bleibt
- Paletten-Verankerung, damit wiederkehrende Figuren dieselben Haare, Augen und Outfits behalten
- Erhalt von Text und Linienführung, damit Dialoge die Kolorierung überstehen
Zusammen mit Paletten-Verankerung, bei der die Farben einer Figur fixiert statt neu geraten werden, bleibt eine Besetzung so über eine Seite und über ein Kapitel hinweg konsistent, statt pro Seite eine Nuance abzudriften.
5. Ein Modus für Seiten, die sonst niemand bewältigt
Japanische Druckzensur legt einen harten schwarz-weißen Balken über die Anatomie. Für ein Kolorierungsmodell ist das echt mehrdeutig: Unter dem Balken gibt es keine Hautinformation, mit der es arbeiten könnte, also erfindet es etwas, und bei jedem Versuch etwas anderes. In unseren Tests lieferte dieselbe Seite über vier Durchläufe desselben Modells Braun, Grau, Orange und Rosa.
Dieser Fehler ist durch Sampling nicht lösbar, denn man kann sich nicht zu einer Information hinmitteln, die nicht in der Eingabe steckt. Es braucht die ausdrückliche Ansage an das Modell, was der Balken ist und was darunter liegt. Deshalb ist die Zensur-Behandlung ein eigener Modus, den man für die Seiten einschaltet, die ihn brauchen.
Er ist aus einem Grund freiwillig, den man klar sagen sollte: Einem Modell Zensurbalken zu beschreiben, das gerade keinen sieht, bringt das Modell dazu, einen hinzuzufügen. Die Anweisung ist mächtig, und genau deshalb gilt sie nur für die Seiten, für die sie gedacht ist, statt für alles.
6. Wartezeit als Teil des Produkts behandeln
Eigene GPUs zu betreiben heißt, sie zu bezahlen, was heißt, dass sie im Leerlauf schlafen, was heißt, dass die erste Anfrage nach einer ruhigen Phase auf das Aufwachen der Hardware wartet. Das ist ein realer Preis dafür, keine Hülle zu sein, und so zu tun als wäre es anders ist der Weg, Leute mitten im Auftrag zu verlieren.
Die Engine beginnt deshalb aufzuwärmen, sobald du das Modell auswählst, noch bevor du mit der Dateiauswahl fertig bist. Für die meisten Aufträge entfällt die Wartezeit damit ganz. Ist eine Wartezeit unvermeidbar, sagt der Fortschrittsbildschirm das in klarer Sprache, statt einen Countdown zu zeigen, den er nicht halten kann.
Ein Timer, der abläuft und neu startet, ist schlimmer als gar kein Timer: Er macht aus einem langsamen Auftrag eine scheinbare Lüge. Wird eine Schätzung überschritten, hören wir auf zu schätzen und wechseln zu ehrlicher verstrichener Zeit mit einer Erklärung, und du kannst eine Benachrichtigung aktivieren, damit du den Tab gefahrlos verlassen kannst.
Nichts davon ist Magie
Jeder Punkt oben ist unspektakulär. Kandidaten testen statt Marketing zu glauben. Anweisungen einzeln validieren. Dem Modell genug Pixel geben. Die Struktur der Seite respektieren. Einen Modus für den schweren Fall bauen. Ehrlich übers Warten sein.
Den Unterschied macht keine einzelne Technik, sondern dass eine Manga-Seite vom Einlesen bis zum Export als Manga-Seite behandelt wird. Genau das ist die ganze Lücke zwischen etwas Plausiblem und etwas Veröffentlichungsreifem.
Das Tool ist kostenlos testbar, und der schnellste Weg, all das zu bewerten, ist eine Seite zu nehmen, die du bereits gut kennst, und zu sehen, ob sie als die Seite zurückkommt, die du gezeichnet hast.