การลงสีเว็บตูนสำหรับทีมสแกนเลชัน

ทีมสแกนเลชันใช้การลงสี AI อย่างไร

ทีมสแกนเลชันเป็นกลุ่มผู้ใช้งานระดับสูงกลุ่มแรก ๆ ของ Watashi Colorizer ขั้นตอนการทำงานของพวกเขาเป็นเอกลักษณ์: แปลและลงสีพร้อมกัน มักทำงานในตารางรายสัปดาห์ที่แน่นหนา ทีมทั่วไปมีนักแปล ช่างทำความสะอาด/จัดตัวอักษร และตอนนี้มีนักลงสี — บทบาทที่เคยใช้เวลาหลายชั่วโมงต่อตอนและตอนนี้ใช้เวลาเพียงนาที

ขั้นตอนที่พบบ่อยที่สุดคือ: อัปโหลดสแกนดิบ เลือกพาเลต (ปกติพาเลตเดียวกันทุกตอนของซีรีส์) ลงสีพร้อมเปิดการแปล ตรวจสอบคุณภาพทั้งสีและการแปล และส่งออกเป็นตอนพร้อมตีพิมพ์ ทีมที่เคยตีพิมพ์ตอนละสัปดาห์ตอนนี้จัดการได้สองหรือสามตอนเพราะคอขวดการลงสีหายไป

สิ่งที่ทำให้เราประหลาดใจมากที่สุดคือวิธีที่ทีมใช้โหมดแก้ไข แทนที่จะแค่แก้ไขข้อผิดพลาดสี หลายทีมใช้สำหรับทิศทางสร้างสรรค์: "ทำให้พระอาทิตย์ตกนี้ดราม่ามากขึ้น" "ฉากนี้ควรรู้สึกเย็นกว่า" AI กลายเป็นเครื่องมือร่วมมือ ไม่ใช่แค่กระบวนการอัตโนมัติ

การออกแบบเครื่องมือสำหรับขั้นตอนการทำงานเชิงทีม

การสร้างสำหรับทีมต้องการการตัดสินใจออกแบบที่ต่างจากผู้ใช้เดี่ยว ผู้ใช้เดี่ยวสามารถปรับการตั้งค่าทุกครั้ง ทีมต้องการค่าเริ่มต้นที่สม่ำเสมอซึ่งให้ผลลัพธ์ที่เชื่อถือได้โดยไม่ต้องกำหนดค่าต่อตอน นี่คือเหตุผลที่พาเลตสามารถนำกลับมาใช้ข้ามโปรเจกต์ — ตั้งค่าครั้งเดียวสำหรับซีรีส์แล้วสมาชิกทุกคนใช้พาเลตเดียวกัน

การเรียนรู้บริบทได้รับแรงบันดาลใจโดยตรงจากฟีดแบ็กของสแกนเลชัน ทีมบอกเราว่าสถานที่ที่เกิดซ้ำ — ทางเดินโรงเรียน ห้องนอนตัวละคร คาเฟ่ — ได้สีต่างกันทุกตอน ระบบตอนนี้เรียนรู้สีสภาพแวดล้อมเฉพาะ ("ทางเดินโรงเรียน: ผนังสีเขียวอ่อน พื้นสีเบจ") และใช้โดยอัตโนมัติในตอนต่อไป

การจัดระเบียบแบบโปรเจกต์ก็มาจากความต้องการของทีม แต่ละซีรีส์เป็นโปรเจกต์ แต่ละตอนเป็นชุดภายในโปรเจกต์ พาเลตและบริบทผูกกับโปรเจกต์ สมาชิกทีมใหม่สามารถรับช่วงซีรีส์ต่อและให้ผลลัพธ์ที่สม่ำเสมอโดยไม่ต้องเรียนรู้ประวัติสีของตอนก่อนหน้า

ไปป์ไลน์การแปล: ลงสีและแปลในรอบเดียว

สำหรับทีมสแกนเลชัน การแปลเป็นขั้นตอนหลัก การลงสีมักเป็นโบนัสที่เพิ่มผู้อ่าน การทำทั้งสองอย่างในรอบเดียว — อัปโหลดครั้งเดียว ประมวลผลครั้งเดียว ส่งออกครั้งเดียว — กำจัดขั้นตอนทั้งขั้นตอนออกจากไปป์ไลน์

AI อ่านบทสนทนาภาษาต้นฉบับ แปล และเรนเดอร์ข้อความที่แปลแล้วลงบนภาพที่ลงสีโดยตรง สิ่งนี้ทำงานได้เพราะ Gemini เข้าใจทั้งเนื้อหาภาพและเนื้อหาข้อความพร้อมกัน การแปลไม่ใช่ขั้นตอน OCR-แล้ว-แปลแยก แต่รวมอยู่ในรอบโมเดลเดียวกับการลงสี

ทีมที่ตีพิมพ์สำหรับหลายตลาดใช้สิ่งนี้ผลิตเวอร์ชันคู่ขนาน: ลงสีครั้งเดียวพร้อมแปลอังกฤษ แล้วรันซ้ำจากต้นฉบับเดียวกันพร้อมภาษาสเปน โปรตุเกส หรือฝรั่งเศส การลงสีถูกแคช เวอร์ชันภาษาถัดไปจึงประมวลผลเร็วกว่า สิ่งนี้ช่วยให้ทีมเล็กเข้าถึงผู้ชมนานาชาติที่เคยเข้าถึงได้เฉพาะสำนักพิมพ์ขนาดใหญ่

การแชร์พาเลตและความสม่ำเสมอข้ามตอน

ความสม่ำเสมอข้ามตอนเป็นจุดแบ่งคุณภาพที่ใหญ่ที่สุดสำหรับรีลีสของสแกนเลชัน ผู้อ่านติดตามซีรีส์เป็นเดือนหรือปี และพวกเขาสังเกตเห็นเมื่อโทนสีตัวละครเปลี่ยนระหว่างตอน ไฟล์พาเลตแก้ปัญหานี้ที่ระดับเทคนิค แต่ขั้นตอนรอบพาเลตก็สำคัญเท่ากัน

ทีมมักสร้างพาเลตหลักระหว่างตอนแรกของซีรีส์ พาเลตนี้กำหนดตัวละครหลักทุกตัวด้วยค่าสีที่ชัดเจนสำหรับผม ดวงตา สีผิว และเสื้อผ้าหลัก เมื่อตัวละครใหม่ปรากฏในตอนต่อมา พาเลตจะถูกขยาย ระบบสลับให้ทีมปิดตัวละครที่ไม่ปรากฏในตอนใดตอนหนึ่งเพื่อไม่ให้ AI มองหาพวกเขาในทุกช่อง

บางทีมเริ่มแชร์ไฟล์พาเลตสำหรับซีรีส์ยอดนิยม สร้างมาตรฐานสีพฤตินัยที่กลุ่มสแกนเลชันหลายกลุ่มทำตาม สิ่งนี้นำไปสู่การลงสีที่สม่ำเสมอมากขึ้นในชุมชน แม้ทีมต่างกันจะทำงานกับตอนต่างกันของซีรีส์เดียวกัน

สิ่งที่ทีมสแกนเลชันสอนเราเกี่ยวกับเครื่องมือของเราเอง

ชุมชนสแกนเลชันผลักเครื่องมือของเราไปในทิศทางที่เราไม่คาดคิด พวกเขาค้นพบกรณีขอบในการตรวจจับช่องที่ข้อมูลทดสอบของเราไม่ครอบคลุม — มังงะที่มีร่องขาวแทนเส้นแบ่งสีดำ หน้าที่มีรูปร่างช่องไม่สม่ำเสมอ ภาพคู่หน้า ฟีดแบ็กของพวกเขาขับเคลื่อนคุณสมบัติ force-split สำหรับภาพสูงที่ไม่มีเส้นแบ่งสีดำและการตรวจจับร่องสีเทาสำรอง

พวกเขายังสอนเราว่าความเร็วในการแก้ไขสำคัญกว่าความสมบูรณ์แบบของรอบแรก ทีมจะยอมได้คุณภาพ 90% ใน 5 นาทีและใช้เวลา 5 นาทีแก้ปัญหา แทนที่จะรอ 15 นาทีเพื่อคุณภาพ 95% สิ่งนี้กำหนดแนวทางของเราต่อโหมดแก้ไข: การแก้ไขเร็วเฉพาะจุดแทนการประมวลผลทั้งตอนใหม่

ที่สำคัญที่สุด ทีมสแกนเลชันยืนยันสถาปัตยกรรมหลัก เมื่อเราเห็นทีมลงสี 3-4 ตอนต่อสัปดาห์ด้วยคุณภาพสม่ำเสมอข้ามหลายร้อยหน้า มันยืนยันว่าแนวทางการแยกภาพเสมือนและการจัดกลุ่มอัจฉริยะทำงานได้ในระดับที่ออกแบบไว้