Ir al contenido
Esta página fue traducida por IA y puede contener errores. Leer el original en inglés

Configuración de servicios: IA genérica

Esta página es una referencia para usuarios intermedios y avanzados, y para desarrolladores. Puede resultarte útil al configurar manualmente otros servicios de terceros.

La IA genérica se usa para:

  • Extraer texto
  • Extraer resumen de imagen
  • Traducir

Detectar bloques de texto no forma parte de la IA genérica. Requiere un servicio dedicado de detección de bloques de texto.

Cómo elegir un modelo de IA genérica adecuado

Sección titulada «Cómo elegir un modelo de IA genérica adecuado»
  • Extraer texto y Extraer resumen de imagen requieren capacidades de visión.
  • Para la traducción, prioriza un modelo con una calidad lingüística estable y una longitud de contexto suficiente.
  • Vigila el costo en tokens del modelo. Puedes hacer primero una prueba con un lote pequeño.
  • Para reducir costos, usa un modelo local.

Ambas tareas requieren un modelo con capacidades de visión. En la terminología de los productos, se suelen llamar modelos multimodales o modelos de visión y lenguaje (VLM).

Los modelos con visión más extendidos suelen dar buenos resultados, sobre todo con texto irregular, texto fuera de los globos y rotulación de efectos especiales (SFX). También pueden filtrar hasta cierto punto el furigana japonés.

Por eso, aunque un modelo de Detectar bloques de texto ya haya devuelto el texto, volver a procesarlo con un modelo de visión y lenguaje puede seguir ayudando, aunque la mejora sea limitada.

El razonamiento no ayuda en la extracción de texto. En general, es mejor desactivar el razonamiento para ahorrar tokens y tiempo.

Un resumen de imagen preciso puede describir la escena y su ambiente, lo que mejora la calidad de la traducción. Sin embargo, un modelo menos capaz puede inventar detalles (alucinaciones) y desviar la traducción. Elige con cuidado un modelo capaz.

Modelos de referencia:

  • Los modelos de nivel gpt-6-sol (high) o superior funcionan muy bien.
  • OpenRouter: google/gemma-4-31b-it: regular. La Guía de inicio rápido lo usa porque es económico y funciona bien para Extraer texto, no porque sea la mejor opción para los resúmenes de imagen.
  • mimo-v2.6-flash: regular.
  • glm-5.3-flash y deepseek-v4.1-flash: propensos a alucinaciones graves; no se recomiendan para esta tarea.

El razonamiento influye mucho en esta tarea. Usa un nivel de razonamiento más alto siempre que puedas. La capacidad de los modelos de IA general para interpretar manga puede mejorar con el tiempo.

Para la traducción, prioriza una calidad lingüística estable y una longitud de contexto suficiente. Modelos de referencia:

  • DeepSeek oficial: deepseek-v4-flash, esfuerzo de razonamiento Alto. Es rápido y da buenos resultados.
  • Zhipu: glm-5.3-flash, esfuerzo de razonamiento Máximo. Tiene una precisión relativamente alta.
  • Xiaomi Mimo: mimo-v2.6-flash, esfuerzo de razonamiento Máximo. Es algo más débil que los dos anteriores, pero sigue siendo utilizable.

El endpoint que recibe las solicitudes. Normalmente lo proporcionan los preajustes. Cámbialo cuando uses Ollama u otro servicio local compatible.

La clave que emite el proveedor. Los servicios locales pueden dejarla en blanco. La clave se guarda en el almacenamiento seguro del dispositivo y se elimina cuando se elimina su configuración de servicio.

El nombre exacto del modelo que se envía al proveedor. Debe coincidir con un modelo que admita ese proveedor. Un nombre visible personalizado no cambia el identificador que se envía en la solicitud.

Las capacidades determinan qué acciones automatizadas pueden usar un modelo.

No marques como capaz de Extraer texto o Extraer resumen de imagen un modelo que no admita entrada de imágenes. Una declaración de capacidades incorrecta puede activar una acción cuya solicitud acabe fallando.

El número de solicitudes que se ejecutan al mismo tiempo. Los valores más altos suelen ser más rápidos, pero tienen más probabilidades de activar límites de frecuencia y consumen más memoria. 0 significa sin límite. Si no estás seguro, conserva el valor del preajuste.

El número máximo de solicitudes que se inician en una ventana de tiempo. Es distinto de la concurrencia: la concurrencia limita el trabajo simultáneo, mientras que el límite de frecuencia limita cuántas solicitudes se inician en un periodo. 0 desactiva el límite.

El tiempo mínimo, en segundos, entre el inicio de dos solicitudes consecutivas. Auméntalo cuando un proveedor limite tus solicitudes.

El número de reintentos tras una solicitud fallida. 0 desactiva los reintentos automáticos. Reintentar puede generar cargos del proveedor; si el error se debe a una clave de API no válida o a un modelo desconocido, aumentar el número de reintentos no suele servir de nada.

La temperatura, los límites de tokens, Top P y otros parámetros similares afectan directamente a la solicitud que se envía al modelo. Déjalos en blanco para usar los valores predeterminados del proveedor o del modelo. No los rellenes a menos que sepas que el proveedor admite el parámetro.

La sobrescritura de solicitud (requestOverride) gestiona las diferencias entre un proveedor y el formato de solicitud estándar compatible con OpenAI. Puede modificar los encabezados de la solicitud, los parámetros de consulta de la URL y el cuerpo de la solicitud sin cambiar la lógica general de solicitudes de la app.

Una sobrescritura de solicitud debe ser un objeto JSON:

{
"headers": {},
"query": {},
"body": {}
}

Conserva los tres campos. Usa un objeto vacío {} en la sección que no necesite sobrescritura.

headers y query admiten el marcador de posición {{API_KEY}}. Antes de enviar la solicitud, se reemplaza por la clave de API de la configuración actual. No pongas una clave de API real directamente en una sobrescritura de solicitud ni la incluyas en documentación o en un repositorio.

headers: sobrescritura de los encabezados de la solicitud

Sección titulada «headers: sobrescritura de los encabezados de la solicitud»

headers es un objeto JSON plano. Las claves son nombres de encabezado y los valores deben ser cadenas o null:

  • Una cadena añade o reemplaza un encabezado.
  • null elimina el campo correspondiente de los encabezados predeterminados de la app.

Por ejemplo, para añadir un encabezado que exige un proveedor:

{
"headers": {
"X-Provider-Version": "2026-01"
},
"query": {},
"body": {}
}

query: sobrescritura de los parámetros de consulta de la URL

Sección titulada «query: sobrescritura de los parámetros de consulta de la URL»

query también es un objeto plano. Modifica los parámetros de consulta que van después de la URL de la API:

  • Una cadena añade o reemplaza un parámetro de consulta.
  • null elimina un parámetro de consulta.

Por ejemplo, algunos proveedores exigen la clave de API en un parámetro de consulta key:

{
"headers": {},
"query": {
"key": "{{API_KEY}}"
},
"body": {}
}

Una sobrescritura de solicitud puede modificar los parámetros de consulta, pero no el método HTTP ni la ruta de la API.

body: sobrescritura del cuerpo de la solicitud

Sección titulada «body: sobrescritura del cuerpo de la solicitud»

body es un parche parcial del cuerpo de la solicitud, no un cuerpo de solicitud completo. La app crea primero los parámetros comunes de la solicitud y después combina este contenido con ellos:

  • Los campos normales añaden o reemplazan los campos con el mismo nombre.
  • Los objetos anidados se combinan de forma recursiva; sobrescribir un campo hijo no elimina sus campos hermanos.
  • Un campo cuyo valor es null se elimina del cuerpo final de la solicitud.
  • Los números, cadenas, booleanos y arrays reemplazan directamente el valor con el mismo nombre.

Por ejemplo, para añadir parámetros específicos de un proveedor:

{
"headers": {},
"query": {},
"body": {
"response_format": {
"type": "json_object"
},
"vendor_option": "value"
}
}

Usa null para eliminar un campo que la app enviaría en otro caso:

{
"headers": {},
"query": {},
"body": {
"reasoning": null,
"reasoning_effort": null
}
}

La sobrescritura del cuerpo se aplica después de los parámetros del modelo y de los parámetros de razonamiento. Por lo tanto, los valores de body tienen prioridad sobre los parámetros comunes y las asignaciones de razonamiento. Una sobrescritura incorrecta puede hacer que la solicitud sea incompatible con el proveedor.

Sobrescrituras a nivel de proveedor y a nivel de modelo

Sección titulada «Sobrescrituras a nivel de proveedor y a nivel de modelo»

Una sobrescritura de solicitud puede venir de dos niveles:

  • Sobrescritura a nivel de proveedor: la sobrescritura predeterminada del proveedor, que normalmente proporciona el catálogo de proveedores.
  • Sobrescritura a nivel de modelo: una sobrescritura que solo se aplica a un modelo.

Las sobrescrituras a nivel de modelo siguen estos estados de valor:

  • null: hereda la sobrescritura a nivel de proveedor.
  • Un objeto que no es null: reemplaza por completo el objeto a nivel de proveedor; no se combina en profundidad con él.
  • {}: también es un objeto que no es null, e indica explícitamente que este modelo no usa ninguna sobrescritura a nivel de proveedor.

Por lo tanto, si una sobrescritura a nivel de modelo solo cambia un campo de la sobrescritura a nivel de proveedor, también debe incluir los demás campos del nivel de proveedor que quieras conservar.

Valores predeterminados del catálogo y ediciones manuales

Sección titulada «Valores predeterminados del catálogo y ediciones manuales»

Cuando se crea una configuración a partir del catálogo de proveedores, la app puede rellenar automáticamente una sobrescritura de solicitud. Mientras no la edites manualmente, la configuración seguirá las actualizaciones de los valores predeterminados del catálogo.

Después de editar manualmente una sobrescritura de solicitud, la app la marca como contenido personalizado y ya no reemplazará lo que escribiste con los valores predeterminados del catálogo al abrir la página de configuración. Selecciona Restaurar valores predeterminados para volver a usar la sobrescritura que proporciona el catálogo.

  • El contenido de headers, query y body debe ser un objeto JSON válido.
  • headers y query usan valores planos de tipo cadena o null; no escribas objetos anidados en ellos.
  • Solo body admite objetos anidados y combinación en profundidad.
  • Da preferencia a los valores que proporciona automáticamente el catálogo de proveedores.
  • Si no estás seguro de si un proveedor admite un campo, consulta primero su documentación de la API.
  • Prueba la configuración guardada con una sola imagen antes de ejecutarla sobre un volumen completo.