Mangá vs manhwa vs webtoon: qual é a diferença?

Três formatos, três desafios de produção

Mangá, manhwa e webtoon são frequentemente agrupados como «quadrinhos asiáticos», mas do ponto de vista de produção são bastante diferentes. O mangá (japonês) usa páginas de tamanho fixo, tipicamente em torno de 690×1024 pixels digitalmente, com layouts de painéis densos e margens finas. O manhwa (quadrinhos coreanos impressos) usa um formato baseado em páginas similar mas com convenções de painéis ligeiramente diferentes. Os webtoons (formato digital coreano) usam tiras verticais longas, frequentemente de 800-1280 pixels de largura e 5000-20000 pixels de altura, projetadas para rolagem móvel.

Essas diferenças de formato afetam cada etapa do pipeline de colorização. As dimensões da página determinam como a IA escala e processa o conteúdo. O layout de painéis afeta como cenas são detectadas e divididas. O estilo de divisor — preto para webtoons, frequentemente branco ou cinza para mangá — determina qual algoritmo de detecção se aplica.

Uma ferramenta de colorização que funciona bem para webtoons mas não foi testada com mangá vai falhar com a diferente estrutura de painéis. Entender essas diferenças é essencial para editores que trabalham com múltiplos formatos.

Layout de página: como o formato molda o pipeline de colorização

Páginas de webtoon são tiras verticais altas otimizadas para rolagem no celular. Uma página típica pode ter 1280 pixels de largura e 8000 pixels de altura — uma proporção de 1:6 ou mais. Quando enviada para um modelo de IA que aceita no máximo 2048 pixels, é reduzida para aproximadamente 340×2048. Isso mal é suficiente de resolução horizontal para a IA distinguir características de personagens, muito menos renderizar cores convincentes.

Esse é o problema original que a divisão em imagens virtuais foi projetada para resolver. Ao dividir uma tira de 1280×8000 em três ou quatro faixas menores, cada faixa é processada com uma resolução horizontal efetiva maior. Uma faixa de 1280×2000 é reduzida para 1280×2048 — quase quatro vezes a resolução horizontal comparada ao processamento da tira completa.

Páginas de mangá têm a geometria oposta: mais largas do que altas. Uma página de 690×1024 é reduzida para 1380×2048 — resolução excelente. Mas páginas de mangá empacotam múltiplos painéis densos com margens finas, e a IA precisa colorizar cada painel independentemente enquanto mantém consistência na página toda. O desafio muda de resolução para compreensão de painéis.

Divisores de painéis e margens: nem todo espaço preto é igual

Webtoons usam divisores de painéis pretos grandes — frequentemente de 60 a 200 pixels de rgb(0,0,0) puro entre cenas. Esses são o caso ideal para nossa detecção de vazios pretos: claramente definidos, formatados consistentemente e largos o suficiente para dividir com confiança. O limiar de 95% de linhas pretas com soma RGB abaixo de 15 os captura perfeitamente enquanto ignora conteúdo artístico escuro.

O mangá usa margens brancas ou cinzas finas entre painéis, tipicamente de 5-15 pixels de largura. Essas são invisíveis para a detecção de vazios pretos porque são da cor oposta. Para mangá, nosso pipeline usa a divisão forçada de backup: quando uma página é alta o suficiente para causar problemas de resolução mas não tem divisores pretos, escaneia em busca de margens de cor clara (soma RGB acima de 600) e divide ali.

O manhwa fica no meio. Quadrinhos coreanos impressos frequentemente usam divisores pretos como webtoons mas com larguras mais finas, mais próximas das margens de mangá. Alguns manhwa usam uma mistura de divisores pretos e brancos na mesma página. Nosso sistema de detecção lida com isso naturalmente porque escaneia cada linha independentemente — não assume um estilo de divisor consistente ao longo da página.

Proporções e restrições da API

Modelos de IA de imagem têm restrições de resolução máxima. O Google Gemini aceita imagens de até 2048 pixels no lado mais longo. Essa única restrição tem efeitos em cascata que diferem dramaticamente por formato.

Uma página de mangá de 690×1024 é reduzida para 1380×2048 — qualidade excelente com muita resolução horizontal para detalhes de painéis. Uma página de webtoon de 1280×4000 é reduzida para 655×2048 — aceitável mas notavelmente menos nítida. Uma página de webtoon de 1280×12000 é reduzida para 218×2048 — tão estreita que rostos de personagens ficam borrados e a IA não consegue produzir boa colorização.

É por isso que a divisão em imagens virtuais tem um limiar de divisão forçada na proporção 2.5. Qualquer imagem mais alta que 2.5 vezes sua largura é dividida em blocos com proporção alvo de 2.0, garantindo que cada bloco seja processado com resolução adequada. Para mangá, esse limiar raramente é ativado. Para webtoons, é ativado em quase toda página.

Escolhendo a abordagem certa para cada formato

Para webtoons, o pipeline funciona otimamente nativamente. Divisores pretos são detectados automaticamente, páginas são divididas em faixas no nível de cena e o agrupamento inteligente agrupa continuações juntas. A única configuração necessária é a paleta para a série.

Para mangá, espere menos divisões por página (muitas páginas de mangá não têm divisores pretos internos) e mais dependência da divisão forçada de backup para digitalizações grandes. Paletas de personagens são mais críticas para mangá porque o layout de painéis mais denso significa que mais personagens aparecem por página, aumentando a chance de desvio de cor.

Para manhwa, a experiência tipicamente fica entre as duas. A maioria dos manhwa tem divisores pretos suficientes para a divisão automática funcionar, mas pode precisar do backup de margens cinzas para páginas com estilos de divisor mistos. Traduções são comuns já que o manhwa é frequentemente localizado para os mercados japonês e inglês.

A conclusão principal é que uma única ferramenta de colorização precisa lidar com os três formatos inteligentemente, porque editores e equipes de scanlation frequentemente trabalham com múltiplos formatos. Uma ferramenta que só lida com webtoons força as equipes a usar um fluxo de trabalho diferente para títulos de mangá, fragmentando seu pipeline e aumentando a carga de treinamento.