rv_fansub/OPTIMIZACIONES.md

Optimizaciones de manga-image-translator

OPCIÓN A: Solo config (sin tocar código)

Flags para acelerar en CPU

Flag	Default	Recomendado	Impacto	Riesgo
--detection-size	2048	1024	~2-4x más rápido detección	Puede perder burbujas muy pequeñas
--inpainting-size	2048	1024	~2-4x más rápido inpainting	Menor calidad de borrado
--inpainter	lama_large	default (AOT)	~3-5x más rápido inpainting	AOT borra un poco peor
--ocr	48px	32px	~20-30% más rápido OCR	Puede fallar en texto pequeño
--batch-size	1	20-50	Reduce llamadas API ~20x	Textos muy largos pueden fallar (error 2013)
--batch-concurrent	off	on	Superpone red + CPU	Mejora parcial
--skip-no-text	off	on	Ahorra I/O en páginas sin texto	Solo ahorra escritura, no procesamiento

Comando óptimo

python -m manga_translator local \
  -i "input" -o "output" \
  --config-file translate_config.json \
  --detection-size 1024 \
  --inpainting-size 1024 \
  --inpainter default \
  --ocr 32px \
  --batch-size 30 \
  --batch-concurrent \
  --skip-no-text \
  --ignore-errors --overwrite

Estimación: 1.5h → ~20-30 min

---

OPCIÓN B: Cambios de código (requiere modificar el repo)

B1. Corregir _concurrent_translate_contexts (chatgpt.py)

• Usar asyncio.gather en vez de loop secuencial
• Impacto: ~30-40% más rápido en fase de traducción
• Riesgo: Bajo

B2. Pipeline real con ProcessPoolExecutor

• multiprocessing.Pool para detección + OCR paralela
• Bypass del GIL de Python
• Impacto: ~50-60% más rápido (mayor salto)
• Riesgo: Requiere refactorizar state global de modelos

B3. Aumentar _MAX_TOKENS (chatgpt.py)

• Default: 4096 → 8192 si MiniMax lo soporta
• Impacto: Menor con batch-size alto

Estimación: 1.5h → ~15-25 min

---

OPCIÓN C: Híbrida (recomendada)

• Config de Opción A + B1 (código menor)
• Estimación: ~15-25 min, ~50-80 llamadas API