OpenManga
OpenManga es una herramienta de autoalojamiento que convierte historias en cómics ilustrados consistentes, webtoons o videos narrativos mediante IA. Permite usar claves propias de proveedores, síntesis de voz local y exportación determinista.
Ficha actualizada 23 sept 2026, 10:33 · upstream 23 sept 2026, 10:28 · release v0.5.0
Qué es OpenManga
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
OpenManga es un estudio de producción self-hosted para crear manhwa, manga, webtoons e historias ilustradas con consistencia AI. No se trata simplemente de 'historia → prompt gigante → imagen.png', sino que el proceso transforma la historia en estado estructurado (cast, mundo, capítulos, escenas, páginas, especificaciones de panel). Los referencias canónicas fijan la identidad visual, los paneles se generan económicamente y versionados, mientras que tipografía, diseño, narración y exportación son deterministas. El proyecto no genera telemetría ni analytics; las solicitudes de IA solo se envían a proveedores configurables.
- Crear manhwa o manga con consistencia visual en producción
- Generar webtoons a partir de guiones existentes
- Producción de narraciones animadas con voz propia
- Exportación de cómics para plataformas digitales
- Creación de contenido narrativo con control total sobre la identidad visual
- Soporte BYOK (Bring Your Own Keys): permite usar claves propias de proveedores como OpenAI o Google para razonamiento y generación, evitando costos compartidos
- Kokoro-82M local: síntesis de voz sin dependencias externas, con costo $0 adicional
- Sin telemetría ni analytics: no hay seguimiento de uso ni envío de datos a terceros
- Pipeline determinista: panel por panel, edición de páginas en Konva y exportación controlada
- Generación económica mediante batches: imágenes o texto se envían a proveedores batch con precio reducido (hasta 50%)
- Depende de APIs externas para generación de imagen e IA, lo que introduce latencia y costos variables
- La consistencia visual depende del uso correcto de referencias canónicas en cada etapa
- El rendimiento puede ser limitado con múltiples proyectos simultáneos sin configuración adecuada
- No incluye herramientas de edición de texto nativas ni editor de páginas completo
Capturas del proyecto
Imágenes reales detectadas en la documentación del repositorio.
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Se despliega mediante Docker Compose con nginx como reverse proxy. Se requiere ~8 GB RAM (2048 MB) y ~30 GB de disco para proyectos activos. Para desarrollo local se usa Bun en el host o scripts de empaquetado. Las imágenes pre-builed se publican en GHCR solo en releases, no en main. Se recomienda usar una versión establepinada (ej. 0.5.0) y pinarla con `!reset` para evitar upgrades accidentales.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.