Watashi Games
Plausible no es lo mismo que correcto
Cualquier modelo de imagen general puede colorear una página de manga. Pega una en cualquiera de ellos y en menos de un minuto tendrás algo de vuelta que, a primera vista, se ve bien. Los problemas empiezan en la página dos, cuando el mismo personaje vuelve con otro pelo. Luego vuelve un bocadillo con el texto sutilmente redibujado. Luego vuelve una calle de negro puro rellena con dibujo inventado.
Nada de esto significa que el modelo sea malo dibujando. Está haciendo exactamente aquello para lo que fue entrenado: producir una imagen plausible. Una página de manga no es una imagen. Es una secuencia de viñetas, comparte un reparto, está impresa con texto real, se separa con negros estructurales y pertenece a un capítulo que debe encajar con el anterior. Plausible por página es el objetivo equivocado, y ninguna cantidad de prompting cambia el objetivo.
Watashi Colorizer está construido en torno a esa diferencia. Abajo hay seis decisiones de ingeniería que se derivan de ella. No son exóticas, pero cada una existe porque vimos algo fallar sin ella.
B/N
Color1. Pesos elegidos por comparativa, no por nota de prensa
La mayoría de los colorizadores son una capa fina: la imagen del usuario va a una API pública y vuelve coloreada. Eso hace que la capa sea solo tan buena como lo que el proveedor de la API haya lanzado este trimestre, y significa que la herramienta hereda todos los puntos ciegos de ese proveedor, incluido el contenido que se niega a tocar.
Nosotros ejecutamos nuestros propios pesos en nuestras propias GPU y los elegimos probando, no por reputación. Los modelos candidatos se enfrentan cara a cara con el modelo en producción, sobre las mismas páginas reales, con una persona comparando resultados lado a lado. La mayoría de los candidatos pierden. Los que ganan lo hacen con pruebas, y las derrotas se anotan para no volver a explorar el mismo callejón sin salida.
El motor actual es un ajuste fino especializado en coloreado en lugar de un modelo general de serie, y esa es la razón principal de que la piel se lea como piel y de que los fondos se terminen en lugar de quedarse grises.
2. Instrucciones validadas cláusula a cláusula
Las instrucciones que enviamos con cada página no se escribieron de una sentada. Se ensamblaron probando cada cláusula por separado y conservando solo lo que cambiaba el resultado de forma medible.
Esa disciplina importa porque escribir prompts está lleno de intuiciones que resultan ser al revés. El ejemplo más claro de nuestro propio trabajo: una línea que enumeraba colores que la piel nunca debe tener produjo una página donde la piel salió exactamente de esos colores. Nombrar algo que no quieres lo hace más probable, no menos, y la solución fue describir únicamente cómo se ve el resultado correcto. Nunca lo habríamos descubierto razonando. Lo descubrimos probando una cláusula y mirando el resultado.
Por eso el conjunto activo es corto y cada parte se gana su sitio: comprometerse con un tono de piel, terminar todos los fondos, mantener la anatomía con la forma dibujada y preservar el trazo y el texto exactamente. Quita cualquiera de ellas y vuelve un fallo concreto.
3. Enviar al modelo más cantidad de página
Los modelos de imagen trabajan a un tamaño interno fijo. Envía un escaneo grande y se reduce antes de que el modelo lo vea siquiera, y todo lo pequeño de esa página, las caras en un plano general, el texto de un cartel al fondo, el rayado fino, llega como un borrón. El modelo colorea el borrón, porque es lo único que recibió.
Lo aprendimos por las malas persiguiendo un fallo de coloreado que no respondía a ninguna cantidad de trabajo de prompt. La misma zona, recortada y enviada por separado, volvía correcta todas y cada una de las veces. El modelo siempre supo la respuesta; nunca pudo ver la pregunta.
Por eso las páginas se ingieren al mayor tamaño que el motor puede aprovechar de verdad en lugar de un valor cómodo por defecto, y la salida se devuelve exactamente con las dimensiones del archivo que subiste.
B/N
Color4. Leer la página como viñetas, no como un rectángulo
Una página de manga tiene una estructura que a un modelo general no tiene por qué importarle: bordes de viñeta, calles y separadores de negro puro que deben seguir siendo negro puro. Colorea el rectángulo y esa estructura se trata como textura. Así acabas con una calle llena de paisaje inventado.
Nuestra tubería detecta los límites de viñeta y las bandas de dibujo antes de colorear nada, y solo corta por límites reales. Cortar por dentro de una viñeta es peor que no cortar, porque las dos mitades se colorean de forma independiente y nunca coinciden, así que el divisor se niega en lugar de adivinar.
- División consciente de viñetas para que cada región reciba toda la atención del modelo
- Preservación de calles y niveles de negro para que los negros estructurales sigan siendo estructurales
- Anclaje de paleta para que los personajes recurrentes conserven el mismo pelo, ojos y ropa
- Preservación de texto y trazo para que el diálogo sobreviva al coloreado
Combinado con el anclaje de paleta, donde los colores de un personaje quedan fijados en vez de readivinados, esto es lo que mantiene al reparto fiel a lo largo de una página y de un capítulo en lugar de derivar un tono por página.
5. Un modo para páginas que nadie más resuelve
La censura impresa japonesa coloca una barra dura en blanco y negro sobre la anatomía. Para un modelo de coloreado esto es genuinamente ambiguo: bajo la barra no hay información de piel con la que trabajar, así que inventa algo, y en cada intento inventa algo distinto. En nuestras pruebas la misma página produjo marrón, gris, naranja y rosa en cuatro ejecuciones del mismo modelo.
Ese fallo no se resuelve muestreando, porque no puedes promediar hasta obtener información que no está en la entrada. Hace falta decirle al modelo, de forma explícita, qué es la barra y qué hay debajo. Por eso el tratamiento de la censura es un modo dedicado que activas para las páginas que lo necesitan.
Es opcional por una razón que conviene decir sin rodeos: describir barras de censura a un modelo que no está mirando ninguna hace que el modelo añada una. La instrucción es potente, y precisamente por eso se limita a las páginas a las que se aplica en lugar de ejecutarse siempre.
6. Tratar la espera como parte del producto
Alojar tus propias GPU significa pagarlas, lo que significa que duermen cuando están ociosas, lo que significa que la primera petición tras un rato de calma espera a que el hardware despierte. Ese es un coste real de no ser una simple capa, y fingir lo contrario es como se pierde a la gente a mitad del trabajo.
Por eso el motor empieza a calentarse en cuanto eliges el modelo, antes de que termines de escoger archivos, lo que elimina la espera por completo en la mayoría de los trabajos. Cuando la espera es inevitable, la pantalla de progreso lo dice en lenguaje claro en vez de mostrar una cuenta atrás que no puede cumplir.
Un temporizador que se agota y vuelve a empezar es peor que no tener temporizador: convierte un trabajo lento en una mentira aparente. Si se supera una estimación, dejamos de estimar y pasamos a tiempo transcurrido honesto con una explicación, y puedes activar una notificación para que salir de la pestaña sea seguro.
Nada de esto es magia
Todo lo anterior es poco glamuroso. Probar candidatos en vez de fiarse del marketing. Validar instrucciones de una en una. Dar al modelo píxeles suficientes. Respetar la estructura de la página. Construir un modo para el caso difícil. Ser honesto sobre la espera.
Lo que marca la diferencia no es ninguna técnica concreta, sino el hecho de que una página de manga se trate como una página de manga desde la ingesta hasta la exportación. Ahí está toda la distancia entre algo plausible y algo publicable.
La herramienta se puede probar gratis, y la forma más rápida de evaluar todo esto es pasar una página que ya conozcas bien y ver si vuelve siendo la página que dibujaste.