Watashi Games
Plausible n'est pas synonyme de juste
N'importe quel modèle d'image généraliste sait coloriser une page de manga. Collez-en une dans l'un d'eux et vous obtiendrez un résultat en moins d'une minute qui, au premier coup d'oeil, semble correct. Les ennuis commencent à la page deux, quand le même personnage revient avec d'autres cheveux. Puis une bulle revient avec son texte subtilement redessiné. Puis une gouttière d'un noir pur revient remplie de décor inventé.
Rien de tout cela ne signifie que le modèle dessine mal. Il fait exactement ce pour quoi il a été entraîné : produire une image plausible. Une page de manga n'est pas une image. C'est une suite de cases, partageant une distribution, imprimée avec du vrai texte, séparée par des noirs structurels, et appartenant à un chapitre qui doit correspondre au précédent. Plausible par page est le mauvais objectif, et aucune quantité de prompting ne change l'objectif.
Watashi Colorizer est construit autour de cette différence. Voici six décisions techniques qui en découlent. Elles n'ont rien d'exotique, mais chacune existe parce que nous avons vu quelque chose échouer sans elle.
N&B
Couleur1. Des poids choisis par comparatif, pas par communiqué de presse
La plupart des coloriseurs sont une simple surcouche : l'image de l'utilisateur part vers une API publique, l'image colorisée revient. La surcouche ne vaut donc que ce que le fournisseur d'API a livré ce trimestre, et l'outil hérite de tous les angles morts de ce fournisseur, y compris les contenus qu'il refuse de traiter.
Nous faisons tourner nos propres poids sur nos propres GPU, et nous les choisissons par des tests plutôt que par réputation. Les modèles candidats affrontent directement le modèle en production, sur les mêmes pages réelles, avec un humain qui compare les sorties côte à côte. La plupart des candidats perdent. Ceux qui gagnent gagnent sur preuves, et les échecs sont consignés pour ne pas explorer deux fois la même impasse.
Le moteur actuel est un fine-tuning spécialisé dans la colorisation plutôt qu'un modèle généraliste standard, et c'est la principale raison pour laquelle la peau se lit comme de la peau et les arrière-plans sont terminés au lieu de rester gris.
2. Des instructions validées clause par clause
Les instructions envoyées avec chaque page n'ont pas été écrites d'un seul jet. Elles ont été assemblées en testant chaque clause isolément et en ne gardant que ce qui changeait le résultat de façon mesurable.
Cette discipline compte parce que l'écriture de prompts est pleine d'intuitions qui se révèlent inversées. L'exemple le plus net tiré de notre propre travail : une ligne énumérant les couleurs que la peau ne doit jamais avoir a produit une page où la peau est sortie exactement dans ces couleurs. Nommer une chose dont vous ne voulez pas la rend plus probable, pas moins, et la solution a été de décrire uniquement à quoi ressemble le bon résultat. Nous n'aurions jamais trouvé cela par raisonnement. Nous l'avons trouvé en testant une clause et en regardant le résultat.
L'ensemble actif est donc court et chaque partie mérite sa place : s'engager sur une teinte de peau, terminer chaque arrière-plan, garder l'anatomie dans la forme dessinée, et préserver exactement le trait et le texte. Retirez-en une et un défaut précis revient.
3. Donner au modèle davantage de la page
Les modèles d'image travaillent à une taille interne fixe. Envoyez un grand scan et il est réduit avant même que le modèle le voie, et tout ce qui est petit sur cette page, les visages dans un plan large, le texte d'un panneau en arrière-plan, les hachures fines, arrive sous forme de tache. Le modèle colorise alors la tache, parce que c'est tout ce qu'on lui a donné.
Nous l'avons appris à la dure en traquant un défaut de colorisation qui ne répondait à aucun travail de prompt. La même zone, recadrée et envoyée seule, revenait correcte à chaque fois. Le modèle avait toujours connu la réponse ; il n'avait jamais pu voir la question.
Les pages sont donc ingérées à la plus grande taille que le moteur peut réellement exploiter plutôt qu'à une valeur par défaut commode, et la sortie est renvoyée exactement aux dimensions du fichier que vous avez envoyé.
N&B
Couleur4. Lire la page comme des cases, pas comme un rectangle
Une page de manga a une structure dont un modèle généraliste n'a aucune raison de se soucier : bordures de cases, gouttières, et séparateurs d'un noir pur qui doivent le rester. Colorisez le rectangle et cette structure est traitée comme une texture. C'est ainsi qu'on se retrouve avec une gouttière remplie de paysage inventé.
Notre pipeline détecte les limites de cases et les bandes de dessin avant toute colorisation, et ne découpe qu'aux limites réelles. Couper au milieu d'une case est pire que ne pas couper, car les deux moitiés sont colorisées indépendamment et ne s'accordent jamais : le découpeur refuse plutôt que de deviner.
- Découpage conscient des cases pour que chaque région reçoive toute l'attention du modèle
- Préservation des gouttières et des niveaux de noir pour que les noirs structurels le restent
- Ancrage de palette pour que les personnages récurrents gardent les mêmes cheveux, yeux et tenues
- Préservation du texte et du trait pour que les dialogues survivent à la colorisation
Associé à l'ancrage de palette, où les couleurs d'un personnage sont fixées au lieu d'être redevinées, c'est ce qui maintient une distribution fidèle sur une page et sur un chapitre au lieu de dériver d'une nuance par page.
5. Un mode pour des pages que personne d'autre ne gère
La censure imprimée japonaise pose une barre dure en noir et blanc sur l'anatomie. Pour un modèle de colorisation, c'est réellement ambigu : sous la barre il n'y a aucune information de peau exploitable, alors il invente quelque chose, et il invente autre chose à chaque tentative. Lors de nos tests, la même page a produit du brun, du gris, de l'orange et du rose sur quatre passages du même modèle.
Cet échec ne se règle pas par échantillonnage, car on ne peut pas moyenner jusqu'à obtenir une information absente de l'entrée. Il faut dire explicitement au modèle ce qu'est la barre et ce qui se trouve dessous. Le traitement de la censure est donc un mode dédié que l'on active pour les pages qui en ont besoin.
Il est optionnel pour une raison qu'il vaut mieux énoncer clairement : décrire des barres de censure à un modèle qui n'en voit aucune l'amène à en ajouter une. L'instruction est puissante, et c'est précisément pourquoi elle est limitée aux pages concernées plutôt qu'appliquée partout.
6. Traiter l'attente comme une partie du produit
Héberger ses propres GPU signifie les payer, donc les laisser dormir à vide, donc la première requête après une période calme attend le réveil du matériel. C'est un coût réel du fait de ne pas être une simple surcouche, et prétendre le contraire est le meilleur moyen de perdre les gens en cours de travail.
Le moteur commence donc à chauffer dès que vous choisissez le modèle, avant même que vous ayez fini de sélectionner vos fichiers, ce qui supprime totalement l'attente pour la plupart des travaux. Quand l'attente est inévitable, l'écran de progression le dit en langage clair au lieu d'afficher un compte à rebours qu'il ne peut pas tenir.
Un minuteur qui expire et redémarre est pire que pas de minuteur du tout : il transforme un travail lent en mensonge apparent. Si une estimation est dépassée, nous arrêtons d'estimer et passons à un temps écoulé honnête avec une explication, et vous pouvez activer une notification pour quitter l'onglet sans risque.
Rien de tout cela n'est magique
Chaque point ci-dessus est sans éclat. Tester des candidats plutôt que croire le marketing. Valider les instructions une à une. Donner assez de pixels au modèle. Respecter la structure de la page. Construire un mode pour le cas difficile. Être honnête sur l'attente.
Ce qui fait la différence n'est aucune technique isolée, mais le fait qu'une page de manga soit traitée comme une page de manga, de l'ingestion à l'export. C'est tout l'écart entre quelque chose de plausible et quelque chose de publiable.
L'outil est gratuit à essayer, et le moyen le plus rapide d'évaluer tout cela est de passer une page que vous connaissez déjà bien et de voir si elle revient telle que vous l'avez dessinée.