Guía para colorizar capítulos de webtoon en masa

Por qué la colorización masiva lo cambia todo para los editores

Cuando empezamos a colorizar capítulos de webtoon para publicación, lo primero que aprendimos fue que las herramientas de colorización de imagen única son esencialmente inútiles para trabajo de producción. Un capítulo típico de webtoon tiene entre 40 y 80 páginas. Colorizarlas una por una — incluso con una herramienta de IA rápida — produce colores inconsistentes en cada página. El cabello de un personaje puede ser castaño rojizo en la página 12 y castaño oscuro en la 13. Los fondos cambian de tono entre paneles. El resultado parece coloreado por un artista diferente en cada página.

La colorización masiva no es solo cuestión de velocidad. Se trata de tratar un capítulo entero como una sola unidad de trabajo, de la misma manera que lo haría un artista. Cuando un colorista humano trabaja en un capítulo, establece una paleta en la primera página y la mantiene. Ve las transiciones de escena y conserva el estado de ánimo. No olvida de qué color eran las paredes tres páginas atrás. Cualquier herramienta de colorización de nivel producción tiene que replicar esa continuidad, y eso solo es posible cuando la herramienta procesa el capítulo completo de una vez.

Esta es la razón principal por la que construimos Watashi Colorizer como un pipeline masivo desde el inicio. No como una herramienta de imagen única con un modo por lotes añadido, sino como un sistema diseñado desde cero para entender capítulos como secuencias conectadas de arte.

El desafío de ingeniería: consistencia de color entre páginas

El problema más difícil en la colorización masiva no es la velocidad de procesamiento — es la consistencia. Los modelos de IA procesan imágenes en lotes de tamaño fijo, y cualquier par de lotes producirá interpretaciones de color ligeramente diferentes del mismo contenido. Si una escena comienza al final de la página 30 y continúa al inicio de la 31, y esas dos páginas caen en lotes diferentes, obtienes una costura de color visible justo en medio de la acción.

Nuestra solución fue la división en imágenes virtuales. En lugar de enviar páginas completas a la IA, escaneamos cada página en busca de divisores de paneles negros — las bandas horizontales completamente negras que separan escenas en el formato webtoon. Dividimos las páginas en bandas de arte individuales en estos divisores, y luego reagrupamos las bandas por continuidad de escena a través de los límites de página. El final de la página 30 y el inicio de la página 31 terminan en el mismo lote de IA, para que el modelo los vea y colorice juntos.

Esto requirió meses de ajuste fino. La detección de divisores tiene que distinguir los separadores de paneles completamente negros del contenido artístico oscuro como sombras, cabello y escenas nocturnas. Escaneamos cada fila de cada imagen, clasificando píxeles con un umbral RGB de 15 — solo cuenta lo que es casi completamente negro. Cualquier cosa con textura visible, incluso valores de escala de grises sutiles de 10-30 por canal, se reconoce como arte y se deja intacta.

De imágenes individuales a capítulos completos: construyendo el pipeline

El pipeline completo funciona en cuatro etapas. Primero, cada imagen subida se escanea y divide en imágenes virtuales en los vacíos negros detectados. Segundo, esas imágenes virtuales se agrupan en lotes basados en continuidad de escena, respetando una relación de aspecto máxima para que la IA reciba suficiente resolución. Tercero, cada lote se ensambla en una sola imagen alta, se envía a la IA, y el resultado colorizado se corta de vuelta. Cuarto, todas las bandas colorizadas se componen de vuelta sobre sus lienzos originales con las dimensiones originales exactas.

El paso de agrupación es donde reside la mayor complejidad. Evaluamos cada límite entre imágenes virtuales adyacentes escaneando filas completamente negras — no promediando la oscuridad de los píxeles, sino contando filas donde el 95% o más de los píxeles son completamente negros. Si un límite obtiene una puntuación alta, es un lugar seguro para dividir lotes. Si obtiene una puntuación baja, hay arte cruzando el límite y mantenemos esas imágenes juntas. Esta evaluación basada en filas captura detalles que el promedio de píxeles pasa por alto, como una sola línea de diálogo sobre fondo negro.

Requisitos de producción que moldearon nuestro enfoque

Varios requisitos de producción impulsaron las decisiones arquitectónicas. La salida debe ser exactamente de las dimensiones originales — los editores necesitan archivos que se integren directamente en flujos de trabajo existentes como reemplazos directos. Los colores de los personajes deben ser controlables a nivel hexadecimal, porque los editores tienen guías de estilo establecidas. La herramienta debe manejar formatos de manga, manhwa, manhua y webtoon sin configuración manual, porque un equipo de producción no debería necesitar ajustar configuraciones por serie.

También aprendimos que la compresión importa a escala. Una sola página PNG de 2000×8000 píxeles puede superar los 10MB. Multiplicado por 60 páginas y estás moviendo 600MB a través del pipeline por un solo capítulo. La auto-compresión en la ingesta — recodificar PNGs sobredimensionados como JPEG q92 sin cambiar las dimensiones — reduce eso a menos de 100MB preservando toda la calidad visual por píxel.

Estas no son características en las que piensas al colorizar una sola imagen de prueba. Son los requisitos que aparecen después de tu centésimo capítulo, cuando la eficiencia del pipeline y la consistencia de la salida se convierten en la diferencia entre una herramienta útil y un juguete.

Lo que aprendimos publicando capítulos colorizados

Después de colorizar miles de páginas en docenas de series, la lección más importante es que la consistencia supera a la calidad máxima. Un capítulo donde cada página es buena es mucho más publicable que uno donde cinco páginas son impresionantes y el resto son visiblemente diferentes. Las paletas de personajes, el aprendizaje de contexto y la agrupación por escena sirven a un solo objetivo: que el capítulo completo parezca coloreado por un mismo artista.

La segunda lección es que la edición no es opcional. No importa qué tan buena sea la IA, algunos paneles necesitan ajustes manuales. El color de ojos de un personaje puede desviarse. El estado de ánimo de un fondo puede no coincidir con el guión. Nuestro modo de edición permite dar instrucciones en lenguaje natural para corregir paneles específicos sin reprocesar el capítulo entero, porque en producción, la capacidad de hacer correcciones dirigidas es tan importante como la calidad de colorización inicial.