Conceptos y flujo de trabajo
Neko Translator divide la traducción de cómics en cuatro pasos que se pueden ejecutar por separado. Cada paso tiene su propia entrada, su propia salida y su propia capacidad de modelo, y algunos pasos dependen de los resultados de otros anteriores.
El flujo automatizado de traducción de cómics
Sección titulada «El flujo automatizado de traducción de cómics»El flujo automatizado completo suele ser:
Detectar bloques de texto → Extraer texto → Extraer resumen de imagen → Traducir
| Paso | Finalidad | Entrada principal | Salida principal |
|---|---|---|---|
| Detectar bloques de texto | Encontrar globos de diálogo y otras regiones de texto | Imagen del cómic | Posiciones de los bloques de texto; algunos modelos también devuelven el texto original |
| Extraer texto | Leer el texto original dentro de los cuadros existentes | Imagen del cómic y bloques de texto | Texto original |
| Extraer resumen de imagen | Describir la imagen para dar contexto a la traducción | Imagen del cómic | Descripción de la imagen |
| Traducir | Generar la traducción a partir del texto original y el contexto | Texto original, contexto, glosario | Texto traducido |
Detectar bloques de texto y extraer texto son operaciones distintas. La detección solo determina «dónde está el texto». Extraer texto determina «qué dice el texto».
Las capacidades de los modelos varían. Por ejemplo, PaddleOCR VL 1.6 y GLM-OCR pueden extraer el texto mientras detectan las posiciones de los bloques de texto, mientras que el detector local de bloques de texto solo detecta las posiciones.
Dividir el flujo en pasos permite que una persona intervenga o rehaga solo una parte del proceso, y que distintos miembros colaboren en el mismo manga.
- Extraer texto necesita bloques de texto existentes. Los bloques de texto pueden venir de un modelo de detección de bloques de texto o marcarse manualmente.
- Traducir necesita texto original. El texto original puede venir de un modelo de extracción de texto o introducirse manualmente.
- Extraer resumen de imagen se puede ejecutar de forma independiente.
- Traducir puede usar el resultado del resumen de imagen como contexto, pero no lo necesita.
Capacidades de los modelos
Sección titulada «Capacidades de los modelos»IA genérica:
Cada modelo de una configuración de IA genérica puede declarar las capacidades que ofrece:
- Extraer texto requiere entrada de visión. El modelo lee la región del bloque de texto.
- Extraer resumen de imagen requiere entrada de visión. El modelo lee la imagen de la página completa.
- Traducir requiere generación de lenguaje.
Detectar bloques de texto:
Detectar bloques de texto requiere un detector integrado específicamente. Las opciones compatibles son el detector local de bloques de texto, PaddleOCR VL 1.6 y GLM-OCR. Los modelos de IA genérica no son lo bastante precisos en esta tarea, así que por ahora esta capacidad no está disponible para ellos.
Extraer texto:
Usa un servicio dedicado. La opción compatible actualmente es el extractor de texto local.
Es posible que más adelante se añadan más integraciones dedicadas, como modelos de restauración de imágenes.
Estas capacidades de modelo configuradas en Perfil de servicio corresponden a los botones de automatización del editor de cómics:

Resultados existentes y sobrescritura
Sección titulada «Resultados existentes y sobrescritura»Al ejecutar un paso por separado, normalmente puedes elegir entre procesar solo los resultados que faltan o volver a procesar todos los elementos. Volver a procesarlo todo puede sobrescribir los resultados existentes, incluidos el texto original o las traducciones que hayas editado manualmente. Revisa el alcance antes de iniciar el procesamiento por lotes.
Qué envía al exterior una operación automatizada
Sección titulada «Qué envía al exterior una operación automatizada»Los datos que se envían a servicios de terceros dependen del paso:
- Detectar bloques de texto suele enviar la imagen de la página completa.
- El detector local de bloques de texto funciona sin conexión y no envía nada al exterior.
- Extraer texto envía un recorte del bloque de texto o la página completa, según el proveedor.
- El extractor de texto local se ejecuta en el dispositivo y no envía solicitudes de reconocimiento a ningún servicio de OCR en línea.
- Extraer resumen de imagen envía la imagen de la página completa.
- Traducir envía principalmente texto, contexto y entradas del glosario.
Consulta Preguntas frecuentes para conocer los detalles sobre almacenamiento y privacidad.