Coloriser des webtoons pour les équipes de scanlation

Comment les équipes de scanlation utilisent la colorisation IA

Les équipes de scanlation ont été parmi les premiers utilisateurs intensifs de Watashi Colorizer. Leur flux de travail est unique : elles traduisent et colorisent simultanément, travaillant souvent sur des calendriers hebdomadaires serrés pour suivre le matériel source. Une équipe typique comprend un traducteur, un nettoyeur/typographe, et maintenant un coloriste — un rôle qui prenait auparavant des heures par chapitre et prend maintenant des minutes.

Le flux de travail le plus courant que nous observons est : téléversement du scan brut, sélection de la palette (généralement la même palette pour chaque chapitre d’une série), colorisation avec traduction activée, révision de la qualité de la couleur et de la traduction, et export en tant que chapitre prêt à publier. Les équipes qui publiaient un chapitre par semaine peuvent maintenant en gérer deux ou trois car le goulot d’étranglement de la colorisation a disparu.

Ce qui nous a le plus surpris, c’est comment les équipes utilisent le mode édition. Plutôt que de simplement corriger les erreurs de couleur, beaucoup d’équipes l’utilisent pour la direction artistique : « rendre ce coucher de soleil plus dramatique », « cette scène devrait sembler plus froide ». L’IA devient un outil collaboratif, pas simplement un processus automatisé.

Concevoir un outil pour les flux de travail d’équipe

Construire pour les équipes a nécessité des décisions de conception différentes de celles pour les utilisateurs individuels. Un utilisateur seul peut ajuster les paramètres à chaque fois. Une équipe a besoin de valeurs par défaut cohérentes qui produisent des résultats fiables sans configuration par chapitre. C’est pourquoi les palettes sont réutilisables entre les projets — configurez-les une fois pour une série et chaque membre de l’équipe utilise la même palette.

L’apprentissage contextuel a été directement inspiré par les retours des équipes de scanlation. Les équipes nous ont dit que les lieux récurrents — un couloir d’école, la chambre d’un personnage, un café — recevaient des couleurs différentes à chaque chapitre. Le système apprend maintenant les couleurs spécifiques aux environnements (« couloir d’école : murs vert pâle, sol beige ») et les applique automatiquement dans les chapitres suivants. Une fois le contexte établi, aucun membre de l’équipe n’a besoin de se souvenir ou de spécifier ces couleurs à nouveau.

L’organisation par projet vient aussi des besoins des équipes. Chaque série est un projet. Chaque chapitre est un lot au sein de ce projet. Les palettes et le contexte sont rattachés au projet. Cela signifie qu’un nouveau membre de l’équipe peut reprendre une série et produire un résultat cohérent sans avoir besoin d’apprendre l’historique des couleurs des chapitres précédents.

Le pipeline de traduction : coloriser et localiser en une seule passe

Pour les équipes de scanlation, la traduction est le flux de travail principal. La colorisation est souvent un bonus qui augmente le lectorat. Pouvoir faire les deux en une seule passe — un seul téléversement, un seul traitement, un seul export — a éliminé une étape entière du pipeline.

L’IA lit les dialogues en langue source, les traduit et rend le texte traduit directement sur l’image colorisée. Cela fonctionne parce que Gemini comprend simultanément le contenu visuel et textuel. La traduction n’est pas une étape séparée OCR-puis-traduire ; elle est intégrée dans la même passe du modèle qui gère la colorisation.

Les équipes publiant pour plusieurs marchés l’utilisent pour produire des versions parallèles : coloriser une fois avec la traduction anglaise, puis relancer la même source avec l’espagnol, le portugais ou le français. La colorisation est mise en cache, donc les versions linguistiques suivantes sont traitées plus rapidement. Cela a permis à de petites équipes de desservir des audiences internationales qui n’étaient auparavant accessibles que par les grands éditeurs commerciaux.

Partage de palettes et cohérence entre les chapitres

La cohérence entre les chapitres est le plus grand différenciateur qualité pour les publications de scanlation. Les lecteurs suivent les séries pendant des mois ou des années, et ils remarquent quand le schéma de couleurs d’un personnage change entre les chapitres. Les fichiers de palette résolvent cela au niveau technique, mais le flux de travail autour des palettes compte tout autant.

Les équipes créent typiquement une palette maîtresse pendant le premier chapitre d’une série. Cette palette définit chaque personnage principal avec des valeurs de couleur explicites pour les cheveux, les yeux, le teint de peau et les vêtements principaux. Quand de nouveaux personnages apparaissent dans les chapitres suivants, la palette est étendue. Le système de bascule permet aux équipes de désactiver les personnages qui n’apparaissent pas dans un chapitre donné pour que l’IA ne les cherche pas dans chaque case.

Certaines équipes ont commencé à partager des fichiers de palette pour les séries populaires, créant un standard de couleur de facto que plusieurs groupes de scanlation suivent. Cela a conduit à une colorisation plus cohérente à travers la communauté, même quand différentes équipes travaillent sur différents chapitres de la même série.

Ce que les équipes de scanlation nous ont appris sur notre propre outil

La communauté de scanlation a poussé notre outil dans des directions que nous n’avions pas anticipées. Ils ont découvert des cas limites dans la détection des cases que nos données de test ne couvraient pas — des mangas avec des gouttières blanches au lieu de séparateurs noirs, des pages avec des formes de cases irrégulières, des doubles pages. Leurs retours ont conduit à la fonctionnalité de découpage forcé pour les images hautes sans séparateurs noirs et à la détection de gouttières grises en solution de repli.

Ils nous ont aussi appris que la vitesse d’itération compte plus que la perfection du premier passage. Une équipe préfère obtenir 90 % de qualité en 5 minutes et passer 5 minutes à corriger les problèmes plutôt qu’attendre 15 minutes pour 95 % de qualité. Cela a façonné notre approche du mode édition : des corrections rapides et ciblées plutôt qu’un retraitement du chapitre entier.

Plus important encore, les équipes de scanlation ont validé l’architecture fondamentale. Quand nous voyons des équipes coloriser 3-4 chapitres par semaine avec une qualité cohérente sur des centaines de pages, cela confirme que l’approche de découpage virtuel des images et de regroupement intelligent fonctionne à l’échelle pour laquelle elle a été conçue.