Колоризация вебтунов для сканлейт-команд

Как сканлейт-команды используют ИИ-колоризацию

Сканлейт-команды были одними из первых активных пользователей Watashi Colorizer. Их рабочий процесс уникален: они переводят и колоризируют одновременно, часто работая в сжатых еженедельных графиках, чтобы не отставать от исходного материала. Типичная команда состоит из переводчика, клинера/тайпсеттера и теперь колориста — роли, которая раньше занимала часы на главу, а теперь занимает минуты.

Самый распространённый рабочий процесс, который мы наблюдаем: загрузка необработанного скана, выбор палитры (обычно одна и та же палитра для каждой главы серии), колоризация с включённым переводом, проверка качества цвета и перевода, экспорт готовой к публикации главы. Команды, которые публиковали одну главу в неделю, теперь могут справляться с двумя-тремя, потому что узкое место колоризации устранено.

Больше всего нас удивило то, как команды используют режим редактирования. Вместо простого исправления цветовых ошибок многие команды используют его для творческого руководства: «сделать этот закат более драматичным», «эта сцена должна ощущаться холоднее». ИИ становится инструментом совместной работы, а не просто автоматизированным процессом.

Проектирование инструмента для командных процессов

Разработка для команд потребовала иных решений по проектированию, чем для одиночных пользователей. Одиночный пользователь может настраивать параметры каждый раз. Команде нужны согласованные настройки по умолчанию, которые дают надёжные результаты без настройки для каждой главы. Поэтому палитры переиспользуемы между проектами — настройте один раз для серии, и каждый член команды использует ту же палитру.

Обучение контексту было напрямую вдохновлено обратной связью от сканлейт-команд. Команды сообщали нам, что повторяющиеся локации — школьный коридор, спальня персонажа, кафе — получали разные цвета в каждой главе. Система теперь запоминает цвета конкретных окружений («школьный коридор: бледно-зелёные стены, бежевый пол») и автоматически применяет их в будущих главах. Как только контекст установлен, ни одному члену команды не нужно запоминать или указывать эти цвета снова.

Организация по проектам тоже пришла из потребностей команд. Каждая серия — проект. Каждая глава — пакет внутри проекта. Палитры и контекст привязаны к проекту. Это означает, что новый член команды может подхватить серию и выдавать согласованный результат, не изучая цветовую историю предыдущих глав.

Конвейер перевода: колоризация и локализация за один проход

Для сканлейт-команд перевод — основной рабочий процесс. Колоризация часто является бонусом, увеличивающим аудиторию. Возможность делать и то, и другое за один проход — одна загрузка, одна обработка, один экспорт — устранила целый этап из конвейера.

ИИ читает диалоги на исходном языке, переводит их и отрисовывает переведённый текст прямо на колоризированном изображении. Это работает, потому что Gemini понимает и визуальное, и текстовое содержимое одновременно. Перевод — не отдельный шаг OCR-потом-переводить; он интегрирован в тот же проход модели, который обрабатывает колоризацию.

Команды, публикующие для нескольких рынков, используют это для создания параллельных версий: колоризация один раз с английским переводом, затем повторный запуск того же исходника с испанским, португальским или французским. Колоризация кэшируется, поэтому последующие языковые версии обрабатываются быстрее. Это позволило небольшим командам обслуживать международную аудиторию, которая ранее была доступна только крупным коммерческим издателям.

Обмен палитрами и согласованность между главами

Согласованность между главами — главный качественный дифференциатор для сканлейт-релизов. Читатели следят за сериями месяцами или годами и замечают, когда цветовая схема персонажа меняется между главами. Файлы палитр решают это на техническом уровне, но рабочий процесс вокруг палитр не менее важен.

Команды обычно создают мастер-палитру во время первой главы серии. Эта палитра определяет каждого основного персонажа с явными значениями цветов для волос, глаз, тона кожи и основной одежды. Когда новые персонажи появляются в последующих главах, палитра расширяется. Система переключателей позволяет командам отключать персонажей, которые не появляются в конкретной главе, чтобы ИИ не искал их в каждой панели.

Некоторые команды начали делиться файлами палитр для популярных серий, создавая фактический цветовой стандарт, которому следуют несколько сканлейт-групп. Это привело к более согласованной колоризации в сообществе, даже когда разные команды работают над разными главами одной серии.

Чему сканлейт-команды научили нас о нашем собственном инструменте

Сканлейт-сообщество двинуло наш инструмент в направлениях, которых мы не предвидели. Они обнаружили граничные случаи в детекции панелей, которые наши тестовые данные не покрывали — манга с белыми отступами вместо чёрных разделителей, страницы с нестандартными формами панелей, двойные развороты. Их обратная связь привела к функции принудительного разделения для высоких изображений без чёрных разделителей и к резервной детекции серых отступов.

Они также научили нас, что скорость итераций важнее совершенства первого прохода. Команда предпочтёт получить 90% качества за 5 минут и потратить 5 минут на исправления, чем ждать 15 минут ради 95% качества. Это сформировало наш подход к режиму редактирования: быстрые, точечные исправления вместо повторной обработки всей главы.

Самое важное — сканлейт-команды подтвердили правильность базовой архитектуры. Когда мы видим, что команды колоризируют 3-4 главы в неделю с согласованным качеством на сотнях страниц, это подтверждает, что подход виртуального разделения изображений и умной группировки работает в том масштабе, для которого он был спроектирован.