Днес дигиталните комикси (manga, webtoons и др.) преминават културни граници с безпрецедентна скорост. Въпреки това за издателите и екипите по локализация преводът на комикси винаги е бил „черна дупка“ по отношение на ефективността. Това далеч не се изчерпва само с превеждането на текст.

Още при старта на проекта Shangyi AI(商译 AI) беше ясно, че ако искаме наистина да решим този проблем, не може да създадем просто „преводач“ – трябва да изградим автоматизиран енджин, който да може да замени както „графичния редактор“, така и „летърера“.

Нашата изходна точка беше да идентифицираме истинските болки на този сектор.

Предизвикателство 1: Фрагментиран „боен фронт“ – формати на манга

На първо място се изправяме не пред единен стандарт. Носителите на дигиталната манга са изключително разнообразни:

Архивни формати (CBZ/CBR): Това е стандартът сред ентусиастите. По същество представляват архиви с изображения (ZIP/RAR). Нашата система трябва да може да разархивира и да прочита вътрешната последователност от JPEG/PNG файлове в правилния ред.
Документни формати (PDF): Това е стандартът за много официални издания. Обработката на PDF е по-сложна – може да съдържа изображения, векторна графика и вграден текст, като нашият парсър трябва да работи и с двете.
Стрийминг формати (Webtoons): Това е областта с най-голям растеж и най-голямо предизвикателство. Уебтуните са проектирани специално за мобилни устройства – дълги изображения с вертикално превъртане. Той няма концепция за „страница“; самите оформление, празни пространства и разделяне на изречения са част от наративния ритъм.

Нашият AI-пайплайн трябва да може да „обработва“ всички тези формати и да ги уеднаквява като визуални и текстови данни, подходящи за обработка.

Предизвикателство две: Истинският тясно място — 20% превод, 80% „P 图“

Когато анализирахме работните процеси на традиционни ханиязиционни екипи или професионални локализационни екипи, установихме изненадващ факт: чисто текстовият превод (Translation) може да представлява само 20% от общия обем работа. Истинското тясно място са двата творчески процеса, които в голяма степен разчитат на човешка намеса:

1. Царят на предизвикателствата: прерисуване (Redrawing)

Проблем: Звуковите ефекти (SFX), като „Бум!“, „Шур!“ и други в мангата, са част от самото изкуство, като са дълбоко интегрирани във фоновете, контурите на персонажите и дори специалните ефекти.
Ръчен ад: Не можете просто да ги „покриете“. Редроуърът трябва да отвори Photoshop и, подобно на реставратор на артефакти, с помощта на инструмента за клониране и четката ръчно възстановява закрития фон. Един сложен двупосочен звуков ефект може да изисква няколко часа работа от опитен художник.

2. Трудоемко изкуство: поставяне на текст (Typesetting)

Проблем: Японският и корейският език обикновено са много кратки, но след превод на китайски или английски, дължината на текста рязко се увеличава.
Ръчен ад: Типсетърът трябва ръчно да „вмъкне“ по-дългия превод обратно в първоначално фиксирания по размер говорен балон. Това изисква многократно коригиране на размера на шрифта, пренасянето на редове и разстоянието между знаците, така че едновременно да се гарантира четимост, без да се нарушава визуалната естетика на изображението. При webtoon ивици това включва и преосмисляне на ритъма на вертикалното четене.

Традиционните AI инструменти за превод в този случай са напълно безполезни. Word документите, които те предоставят, са практически безполезни за ретушьорите и типсетърите.

Нашето решение: Интегрираният енджин на „商译 AI“

Дизайн концепцията на Shangyi AI(商译 AI) е: Ние не предоставяме просто превод, а доставяме „окончателен краен продукт“.

За да постигнем това, изградихме интелигентен енджин, който обединява OCR, AI графика и реконструкция на оформлението в едно:

1. „Пикселно ниво“ OCR и анализ на оформлението

Първата ни стъпка не е преводът, а „декомпозицията“.

Нашата OCR технология не само разпознава текста, но по-важното — извършва анализ на оформлението (Layout Analysis). Тя може прецизно да разграничава:

Текст в балони (Balloon Text): Намира се в диалогов балон, изисква превод и подмяна.
Артистичен текст (Artistic Text/SFX): Налага се върху изображението и изисква „изтриване“ и „прерисуване“.

Същевременно системата разбира реда на четене (отдясно наляво при манга, отгоре надолу при Webtoon), като изгражда индекси за по-нататъшна обработка.

2. „Интелигентна гума“: AI прерисуване и генеративно запълване

Това е нашата основна технология. След като OCR разпознае SFX и ги премахне, възникналите „празнини“ веднага се обработват от нашия AI инпейнтинг (Inpainting) модел.

Как работи? Не използваме универсален AI модел, а специализиран модел, обучен върху огромни масиви манга линии и точки за растерна текстура. Той може да „разбира“ художествения стил на мангата (дебелина на линиите, щрихиране на сенките, плътност на растерите) и генеративно да „допълва“ фона и крайни зони.
Ефект: При опростени фонове задачата се изпълнява мигновено. При сложни случаи на пресичане на персонажни линии, генерираният резултат също значително намалява необходимостта от ръчни корекции. Това директно решава най-сериозния проблем на процеса по „прерисуване“.

3. „Интелигентен типограф“: Технология за възстановяване на страници

Преводът не се изчерпва просто с поставяне на текста обратно. Нашият двигател за възстановяване на страници (Document Reconstruction Engine) поема работата по „вграждането на текст“.

Как работи? Двигателят анализира оригиналния шрифт, размера на шрифта и подравняването. След като получи (обикновено по-дългия) превод, той автоматично изчислява оптималното пренасяне на редовете и мащабирането на шрифта, за да се адаптира перфектно към оригиналното пространство на балона за диалог, като същевременно запазва максимална четимост.
Специална оптимизация за вертикални комикси: При вертикалните комикси нашият енджин обръща специално внимание на „пространствения ритъм“ на вертикалния поток, гарантирайки, че разчленяването на изреченията и празните пространства съответстват на ритъма на четене на мобилните устройства.

4. „Превод с душа“: осъзнаване на контекста

Последната стъпка е преводът. Модулът за превод е тясно интегриран с гореспоменатия визуален анализ. При превода той знае следната информация:

„Този текст е от експлозивен говорен балон.“（При превода да се използва по-интензивна тоналност）
„Този текст е от балон за мисли.“（При превода да се използва вътрешен монолог）
„Всички реплики на този персонаж.“（Запазете последователността в стила на персонажа）

Заключение

Мисията на „商译 AI“ е чрез използване на AI да изведе локализацията на манга от трудоемкия „ръчен занаятчийски процес“ до високоефективен „автоматизиран индустриален поток“. Добре съзнаваме, че AI не може на 100% да замени човешката художествена естетика, но нашата цел е да освободим създателите и преводачите от 80% от повтарящата се механична работа, така че да се концентрират върху онези 20% най-съществени задачи, свързани с творческата и културна адаптация.

Ние разрешаваме не само проблемите с превода, а и предизвикателствата, свързани с артистичната продуктивност.

Относно Shangyi AI (商译 AI) >>

Посетете Shangyi AI (商译 AI), качете документ и опитайте безплатно още сега. >>

Стратегия за превод на PDF документи: преодоляване на предизвикателствата по отношение на форматирането и постигане на прецизно възпроизвеждане на оформлението и съдържанието