Wstęp

Obecnie cyfrowe mangi (Manga, Webtoons i inne) przekraczają granice kulturowe w niespotykanym dotąd tempie. Dla dystrybutorów treści i zespołów lokalizacyjnych tłumaczenie mang od zawsze stanowiło „czarną dziurę” efektywności. To znacznie więcej niż tylko przekład tekstu.

Shangyi AI(商译 AI) już na etapie powstawania projektu zrozumiał, że aby naprawdę rozwiązać ten problem, nie wystarczy stworzyć zwykłego „tłumacza”. Musimy zbudować silnik automatyzacji, który zastąpi „grafika-edytora” oraz „typesettera”.

Naszym punktem wyjścia była analiza rzeczywistych bolączek tej branży.

Wyzwanie pierwsze: Sfragmentowane „pole bitwy” — formaty mang

Przede wszystkim nie mamy do czynienia z jednolitym standardem. Nośniki cyfrowych mang są niezwykle różnorodne:

1. Formaty archiwów (CBZ/CBR): To standard wśród entuzjastów. W praktyce są to spakowane archiwa obrazów (ZIP/RAR). Nasz system musi mieć zdolność rozpakowania tych plików i odczytania zawartych w nich sekwencji plików JPEG/PNG we właściwej kolejności.
2. Format dokumentów (PDF): To standard obowiązujący dla wielu oficjalnych wydań. Przetwarzanie plików PDF jest bardziej skomplikowane — mogą to być obrazy rastrowe, grafika wektorowa lub osadzony tekst. Nasz parser musi radzić sobie ze wszystkimi przypadkami.
3. Formaty streamingowe (Webtoons): To obecnie największy obszar wzrostu, ale i największe wyzwanie. Webtoony są projektowane do urządzeń mobilnych i występują jako pionowy, przewijany strumień długich grafik. Nie istnieje tu pojęcie „strony” – układ, białe przestrzenie i podział tekstu same w sobie są częścią tempa narracji.

Nasz pipeline AI musi być w stanie „przyjmować” wszystkie te formaty i normalizować je do przetwarzalnych danych wizualnych i tekstowych.

Wyzwanie drugie: prawdziwe wąskie gardło – 20% tłumaczenia, 80% pracy przy edycji obrazów („P-imagowanie”).

Podczas analizy workflow tradycyjnych grup tłumaczeniowych lub profesjonalnych zespołów lokalizacyjnych odkryliśmy zaskakujący fakt: czysta translacja tekstu stanowi jedynie około 20% całkowitej pracy. Prawdziwe wąskie gardła to dwa etapy silnie uzależnione od manualnej pracy artystycznej:

1. Król bolączek: redrawing (przerysowywanie)

• Problem: Onomatopeje (SFX, np. „Bum!”, „Szu!”) w mandze to część dzieła sztuki – są głęboko zintegrowane z tłem, liniami postaci czy efektami specjalnymi.
• Ręczna mordęga: Nie możesz ich po prostu „zakryć”. Redrawer musi uruchomić Photoshopa i niczym konserwator zabytków, przy użyciu stempla oraz pędzla, ręcznie odtwarza zasłonięte fragmenty tła. Złożona, rozciągnięta na dwie strony onomatopeja może zająć doświadczonemu grafikowi nawet kilka godzin pracy.

2. Żmudna sztuka: typesetting (skład tekstu)

• Problem: Język japoński i koreański są zazwyczaj bardzo zwięzłe, ale po przetłumaczeniu na chiński lub angielski długość tekstu znacząco wzrasta.
• Piekło pracy ręcznej: Typesetter musi ręcznie „upychać” dłuższy przetłumaczony tekst do oryginalnych dymków o stałym rozmiarze. Oznacza to wielokrotne dostosowywanie rozmiaru czcionki, łamania linii i odstępów między znakami, by zachować czytelność oraz nie zaburzyć estetyki grafiki. W przypadku webtoonów w formie pionowej dochodzi też konieczność ponownego zaprojektowania rytmu czytania w pionie.

Tradycyjne narzędzia AI do tłumaczenia są tutaj całkowicie bezradne. Tworzone przez nie dokumenty Word są niemal całkowicie bezużyteczne dla grafików i typesetterów.

Nasze rozwiązanie: zintegrowany silnik „Shangyi AI”

Filozofia projektowa Shangyi AI(商译 AI) brzmi: dostarczamy nie tylko tłumaczenie, lecz „produkt końcowy”.

Aby to osiągnąć, stworzyliśmy inteligentny silnik łączący OCR, AI do grafiki oraz odtwarzanie układu strony:

1. OCR o precyzji „pikselowej” oraz analiza układu

Naszym pierwszym krokiem nie jest tłumaczenie, lecz „dekonstrukcja”.

Nasza technologia OCR nie tylko rozpoznaje tekst, ale – co ważniejsze – przeprowadza analizę układu (Layout Analysis). Precyzyjnie odróżnia:

• Tekst w dymkach dialogowych (Balloon Text): znajdujący się w dymkach, wymagający tłumaczenia i zastąpienia.
• Tekst artystyczny (Artistic Text/SFX): Nakładany na obraz, wymaga „wymazania” i „odtworzenia”.

Jednocześnie system rozpoznaje kolejność czytania (w mandze od prawej do lewej, w webtoonach z góry na dół), umożliwiając indeksowanie do dalszych działań.

2. „Inteligentna gumka”: AI do rekonstrukcji i generatywnego wypełniania

To nasza kluczowa technologia. Gdy OCR wykryje SFX i zostanie on usunięty, powstałe „puste miejsce” natychmiast przejmuje nasz model AI do rysowania (Inpainting).

• Jak to działa? Nie korzystamy z uniwersalnych modeli AI, lecz z dedykowanych modeli wytrenowanych na ogromnych zbiorach mangowych linii i siatek rastrowych. System potrafi „zrozumieć” artystyczny styl mangi (grubość linii, rozmieszczenie cieni, gęstość rastrów) oraz generatywnie „uzupełniać” tła i obszary brzegowe.
• Efekt: Proste tła są przygotowywane błyskawicznie. W przypadku złożonych linii postaci wygenerowany rezultat znacząco obniża koszt ręcznych poprawek. To bezpośrednio rozwiązuje największy problem, czyli konieczność „redrawu”.

3. „Inteligentny operator łamania tekstu”: technologia rekonstrukcji układu stron

Tłumaczenie to nie tylko proste wklejenie tekstu z powrotem. Nasz silnik rekonstrukcji układu dokumentu (Document Reconstruction Engine) przejmuje zadanie „osadzania tekstu”.

• Jak to działa? Silnik analizuje czcionkę oryginalnego tekstu, jego rozmiar oraz sposób wyrównania. Po uzyskaniu (zazwyczaj dłuższego) tłumaczenia, automatycznie oblicza optymalny podział wierszy oraz skalowanie rozmiaru czcionki, aby idealnie dopasować się do przestrzeni oryginalnych dymków dialogowych, zachowując przy tym najwyższą czytelność.
• Specjalna optymalizacja dla webtoonów: W przypadku webtoonów nasz silnik zwraca szczególną uwagę na „oddech” pionowego przepływu – dba o właściwe podziały zdań i przerwy, by rytm lektury był dostosowany do czytania na urządzeniach mobilnych.

4. „Tłumaczenie z duszą”: rozpoznawanie kontekstu

Dopiero na końcu następuje tłumaczenie. Nasz moduł tłumaczący jest ściśle zintegrowany z powyższą analizą wizualną i podczas tłumaczenia zna takie informacje jak:

• „Ten tekst pochodzi z wybuchowej chmurki.”(Przy tłumaczeniu należy użyć bardziej gwałtownego tonu)
• „Ten tekst pochodzi z chmurki myśli.”(Tłumacząc, użyj wewnętrznego monologu)
• „Wszystkie kwestie tej postaci.”(Zachowaj spójność tonu wypowiedzi postaci)

Zakończenie

Misją „商译 AI” jest wykorzystanie AI do przekształcenia lokalizacji mangi z pracochłonnej „ręcznej manufaktury” w wydajny, zautomatyzowany proces przemysłowy. Doskonale rozumiemy, że AI nie jest w stanie w pełni zastąpić ludzkiego poczucia estetyki, jednak naszym celem jest uwolnienie twórców i tłumaczy od 80% powtarzalnej, mechanicznej pracy, by mogli skoncentrować się na tych 20% najbardziej kluczowych zadaniach związanych z kreatywnością i kulturową adaptacją.

Rozwiązujemy nie tylko problemy tłumaczeniowe, ale przede wszystkim wyzwania związane z wydajnością twórczą w sztuce.

O Shangyi AI (商译 AI) >>

Odwiedź Shangyi AI (商译 AI), prześlij swój dokument i skorzystaj z bezpłatnej wersji próbnej już teraz. >>

Strategia tłumaczenia dokumentów PDF: pokonywanie barier formatowania oraz precyzyjne odtwarzanie zawartości i układu