SnapOtter/apps/docs/es/api/ai.md

description, i18n_output_hash, i18n_source_hash, i18n_provenance

description	i18n_output_hash	i18n_source_hash	i18n_provenance
Referencia del motor de IA con todas las herramientas de ML locales. Eliminación de fondo, escalado, OCR, detección de rostros, restauración de fotos y más.	e7efcda68625	aa9a56cdddc7	human

Referencia del motor de IA

El paquete @snapotter/ai coordina herramientas nativas y tiempos de ejecución de Python para operaciones locales de ML. La mayoría de las herramientas ML utilizan un Python sidecar persistente para arranques rápidos y en caliente. OCR está intencionalmente separado: fast invoca el binario nativo Tesseract, mientras que balanced y best usan un JSONL persistente dedicado dispatcher anclado a la generación RapidOCR activa e inmutable bajo /data/ai/v3. Cada solicitud contiene un generation lease. Durante una actualización, SnapOtter ejecuta un smoke test en el candidato antes de la activación, cambia atómicamente al nuevo dispatcher y luego drena la generación anterior anterior a garbage collection.

NVIDIA CUDA se detecta automáticamente y lo utilizan los tiempos de ejecución que lo admiten. OCR utiliza CPU en todos los hosts, incluidos los sistemas con GPU NVIDIA, evitando CUDA y el acoplamiento de controladores para esta herramienta.

La aceleración con iGPU de Intel/AMD a través de VA-API, Quick Sync u OpenCL no es compatible hoy con la inferencia de IA. Mapear /dev/dri dentro de un contenedor no acelera estas herramientas del sidecar de Python a menos que haya disponible una GPU NVIDIA compatible con CUDA.

19 herramientas de IA del sidecar de Python en cuatro modalidades (imagen, audio, video, documento), más 2 herramientas con capacidades de IA opcionales. Todos los modelos se ejecutan localmente: no se requiere internet tras la descarga inicial del modelo.

::: info Compatibilidad del OCR coreano OCR rápido admite auto, en, de, es, fr, zh y ja, pero no coreano (ko). El coreano requiere el paquete OCR preciso y balanced o best. El paquete funciona en los contenedores oficiales Linux amd64 y arm64, incluidos hosts NVIDIA, donde el OCR sigue usando la CPU. Los sistemas no compatibles reciben un error explícito y nunca vuelven silenciosamente a fast. Coreano con fast o el alias heredado tesseract se rechaza antes de encolarse con FEATURE_INCOMPATIBLE y fast-korean-unsupported. :::

Arquitectura

Node.js Tool Route
      |
      v
 @snapotter/ai bridge.ts
      | (stdin/stdout JSON + stderr progress events)
      v
 +-- Native Tesseract + Ghostscript (fast image/PDF OCR)
 |
 +-- Isolated OCR runtime (persistent JSONL dispatcher)
 |     `-- RapidOCR + ONNX Runtime CPU + pinned PP-OCR models
 |
 `-- Python dispatcher (persistent process, "ai" profile)
      |
      |-- remove_bg.py        (rembg / BiRefNet)
      |-- upscale.py          (RealESRGAN)
      |-- inpaint.py          (LaMa ONNX)
      |-- outpaint.py         (LaMa canvas expansion)
      |-- detect_faces.py     (MediaPipe)
      |-- face_landmarks.py   (MediaPipe landmarks)
      |-- enhance_faces.py    (GFPGAN / CodeFormer)
      |-- colorize.py         (DDColor)
      |-- noise_removal.py    (SCUNet / tiered denoising)
      |-- red_eye_removal.py  (landmark + color analysis)
      |-- restore.py          (scratch repair + enhancement + denoising)
      |-- transcribe.py       (faster-whisper speech-to-text)
      +-- install_feature.py  (on-demand bundle installer)

Un perfil de despachador "docs" independiente reemplaza la lista de permitidos de IA con scripts de procesamiento de documentos (doc_pagecount, doc_health, doc_flatten, doc_redact, doc_text, doc_to_word, doc_metadata, doc_html_pdf) y omite las importaciones pesadas de ML.

Tiempos de espera: 300 s por defecto; OCR y la eliminación de fondo con BiRefNet obtienen 600 s.

Paquetes de funciones

Los modelos de IA se empaquetan por pila de dependencias compartida, no un archivo por herramienta. Un paquete de funciones puede habilitar varias herramientas cuando estas usan la misma familia de modelos, los mismos wheels de Python o las mismas librerías nativas. Esto mantiene la imagen Docker de la versión más pequeña y evita almacenar copias duplicadas de los mismos modelos de matting de fondo, detección de rostros, OCR, restauración y voz.

La imagen Docker incluye la aplicación más el entorno de ejecución común. Los archivos de modelos grandes se descargan bajo demanda en el volumen persistente /data/ai, y luego los reutiliza cada herramienta que los necesite. Si un paquete ya está instalado porque otra herramienta lo necesitó, habilitar una nueva herramienta dependiente no vuelve a descargar ese paquete.

La mayoría de las herramientas de IA requieren uno o más paquetes de funciones antes de poder ejecutarse. La interfaz de usuario del administrador los instala por herramienta a través de POST /api/v1/admin/tools/:toolId/features/install, que resuelve la lista completa de paquetes, omite los paquetes que ya están instalados y pone en cola solo las descargas que faltan. Por ejemplo, habilitar Passport Photo en una instancia nueva pone en cola background-removal y face-detection; habilitarlo después de que la eliminación de fondo ya esté instalada pone en cola solo face-detection. OCR es la excepción porque fast no necesita paquete; instale su tiempo de ejecución preciso opcional a través de la interfaz de usuario o POST /api/v1/admin/features/ocr/install.

Paquete	Tamaño	Grupo de dependencias compartidas	Herramientas que lo usan
background-removal	4-5 GB	matting de fondo rembg / BiRefNet	remove-background, passport-photo, transparency-fixer, background-replace, blur-background
face-detection	200-300 MB	detección de rostros y puntos de referencia de MediaPipe	blur-faces, red-eye-removal, smart-crop
object-eraser-colorize	1-2 GB	inpainting/outpainting con LaMa y DDColor	erase-object, colorize, ai-canvas-expand
upscale-enhance	5-6 GB	RealESRGAN, GFPGAN / CodeFormer, reducción de ruido	upscale, enhance-faces, noise-removal
photo-restoration	4-5 GB	reparación de arañazos y pipeline de restauración	restore-photo
ocr	~208-234 MiB descargar / ~409-488 MiB instalado	Modelos opcionales RapidOCR 3.9.1, ONNX Runtime 1.20.1 y PP-OCR con clavijas	ocr, ocr-pdf (solo balanced y best)
transcription	~600 MB	modelos de voz a texto faster-whisper	transcribe-audio, auto-subtitles

Herramientas con dependencias entre paquetes:

Herramienta	Paquetes requeridos	Motivo
passport-photo	background-removal, face-detection	Elimina el fondo y luego usa los puntos de referencia del rostro para encuadrar el recorte según las reglas de fotos de pasaporte y de identificación.
enhance-faces	upscale-enhance, face-detection	Detecta rostros antes de ejecutar la mejora con GFPGAN o CodeFormer en las regiones de rostro seleccionadas.

Una herramienta está disponible solo cuando todos los paquetes requeridos están instalados, excepto OCR: su nivel fast integrado permanece disponible sin el paquete OCR opcional. Las instalaciones parciales son válidas y se manejan de forma incremental: los paquetes instalados se reutilizan, los paquetes faltantes se muestran como descargas y las instalaciones en cola se ejecutan una a la vez para que el entorno Python compartido no se modifique al mismo tiempo.

Instalación precisa del tiempo de ejecución de OCR

El paquete OCR preciso es un tiempo de ejecución específico de la plataforma para el contenedor oficial Linux amd64 o Linux arm64. La compilación amd64 utiliza Python 3.12; la compilación arm64 utiliza Python 3.11. Ambas compilaciones ejecutan RapidOCR a través de CPUExecutionProvider de ONNX Runtime, por lo que el mismo paquete funciona solo en hosts de CPU y NVIDIA Docker. El tiempo de ejecución preciso requiere al menos 4 GiB de memoria efectiva: el límite cgroup del contenedor configurado; de lo contrario, la memoria del host. Un sistema por debajo de ese mínimo de compatibilidad firmado se rechaza antes de la descarga. Este requisito no se aplica al Fast OCR integrado. Las compilaciones de Bare-metal se rechazan porque sus libc y Python ABI no se pueden inferir de forma segura; Fast OCR permanece disponible cuando el host proporciona Tesseract y Ghostscript.

El artefacto opcional tiene aproximadamente 208-234 MiB comprimidos y 409-488 MiB extraídos, según la arquitectura. El índice firmado vincula los recuentos exactos de bytes comprimidos y extraídos aplicados por el instalador. El Tesseract integrado agrega aproximadamente 25 MiB a la imagen oficial y no necesita archivos en /data/ai.

La instalación en línea obtiene un índice de versión firmado y el artefacto de contenido exacto para la plataforma actual. SnapOtter verifica la firma del índice Ed25519, el tamaño del artefacto, el resumen de SHA-256, los resúmenes de modelos, las rutas, los modos de archivo y el smoke test preparado antes de activar atómicamente la nueva generación. Una instalación fallida deja activa la generación anterior en buen estado.

Para una instalación aislada, cargue tanto el archivo ocr-runtime-index.json de la versión como el archivo de tiempo de ejecución OCR coincidente en POST /api/v1/admin/features/import utilizando campos de varias partes denominados index y archive. La importación sin conexión aplica las mismas comprobaciones de firma, hash, extracción, compatibilidad y prueba de humo que la instalación en línea; se rechaza un archivo sin su índice firmado confiable.

---

Eliminación de fondo

Ruta de la herramienta: remove-background
Modelo: rembg con BiRefNet (por defecto) o variantes de U2-Net

Parámetro	Tipo	Por defecto	Descripción
model	string	-	Variante del modelo (anulación opcional)
backgroundType	string	"transparent"	Uno de: transparent, color, gradient, blur, image
backgroundColor	string	-	Color hexadecimal para fondo sólido
gradientColor1	string	-	Primer color del degradado
gradientColor2	string	-	Segundo color del degradado
gradientAngle	number	-	Ángulo del degradado en grados
blurEnabled	boolean	-	Activar el efecto de desenfoque de fondo
blurIntensity	number (0-100)	-	Intensidad del desenfoque
shadowEnabled	boolean	-	Activar la sombra proyectada sobre el sujeto
shadowOpacity	number (0-100)	-	Opacidad de la sombra
outputFormat	string	-	Formato de salida: png, webp o avif
edgeRefine	integer (0-3)	-	Nivel de refinamiento de bordes
decontaminate	boolean	-	Eliminar la contaminación de color de los bordes

Reemplazo de fondo

Ruta de la herramienta: background-replace
Modelo: rembg / BiRefNet (compartido con remove-background)

Elimina el fondo y lo reemplaza por un color sólido o un degradado.

Parámetro	Tipo	Por defecto	Descripción
backgroundType	"color" | "gradient"	"color"	Modo de fondo
color	string	"#ffffff"	Color hexadecimal del fondo (cuando backgroundType es color)
gradientColor1	string	-	Primer color hexadecimal del degradado
gradientColor2	string	-	Segundo color hexadecimal del degradado
gradientAngle	integer (0-360)	180	Ángulo del degradado en grados
feather	integer (0-20)	0	Radio de difuminado de bordes
format	"png" | "webp"	"png"	Formato de salida

Desenfocar fondo

Ruta de la herramienta: blur-background
Modelo: rembg / BiRefNet (compartido con remove-background)

Desenfoca el fondo mientras mantiene nítido al sujeto.

Parámetro	Tipo	Por defecto	Descripción
intensity	integer (1-100)	50	Intensidad del desenfoque
feather	integer (0-20)	0	Radio de difuminado de bordes
format	"png" | "webp"	"png"	Formato de salida

Escalado de imagen

Ruta de la herramienta: upscale
Modelo: RealESRGAN (con respaldo Lanczos cuando no está disponible)

Parámetro	Tipo	Por defecto	Descripción
scale	number	2	Factor de escalado
model	string	"auto"	Variante del modelo
faceEnhance	boolean	false	Aplicar una pasada de mejora de rostros con GFPGAN
denoise	number	0	Intensidad de la reducción de ruido
format	string	"auto"	Anulación del formato de salida
quality	number	95	Calidad de salida (1-100)

OCR / Extracción de texto

Ruta de la herramienta: ocr
Modelos: Tesseract (fast); RapidOCR con modelos pequeños PP-OCRv6 (balanced); Modelos medianos PP-OCRv6 con puntuación de variante calibrada (best)

Parámetro	Tipo	Por defecto	Descripción
quality	"fast" | "balanced" | "best"	Dinámica	Si se omiten quality y engine, SnapOtter elige el mejor nivel disponible en este orden: best, balanced, fast. Para coreano nunca elige fast: usa best, luego balanced, o devuelve el error de instalación o compatibilidad del entorno preciso.
language	string	"auto"	Idioma: auto, en, de, fr, es, zh, ja, ko
enhance	booleano	Dependiente del nivel	Mejorar el contraste local. Fast lo aplica directamente; Los niveles precisos mantienen la variante solo cuando la puntuación calibrada mejora OCR. Valor predeterminado activado para Mejor
engine	cadena	-	Alias ​​de compatibilidad obsoleto. Asigna tesseract a fast y el valor heredado de paddleocr a balanced; no carga PaddlePaddle

Devuelve el texto extraído más metadatos de procedencia: motor, calidad solicitada y real, dispositivo, proveedor, estado de degradación, advertencias y versiones de modelo/tiempo de ejecución preciso cuando corresponda. Las solicitudes de calidad explícitas nunca recaen en otro nivel. Si balanced o best no están disponibles, API devuelve FEATURE_NOT_INSTALLED o FEATURE_INCOMPATIBLE en lugar de ejecutar fast de forma silenciosa.

OCR de PDF

Ruta de la herramienta: ocr-pdf
Modelos: El mismo sistema de niveles que el OCR de imágenes

Extrae texto de documentos PDF escaneados usando OCR con IA, página por página.

Parámetro	Tipo	Por defecto	Descripción
quality	"fast" | "balanced" | "best"	Dinámica	Si se omiten quality y engine, SnapOtter elige el mejor nivel disponible en este orden: best, balanced, fast. Para coreano nunca elige fast: usa best, luego balanced, o devuelve el error de instalación o compatibilidad del entorno preciso.
language	string	"auto"	Idioma: auto, en, de, fr, es, zh, ja, ko
pages	string	"all"	Selección de páginas: "all", "1-3", "1,3,5"
enhance	booleano	Dependiente del nivel	Mejorar el contraste local. Fast lo aplica directamente; Los niveles precisos mantienen la variante solo cuando la puntuación calibrada mejora OCR. Valor predeterminado activado para Mejor
engine	cadena	-	Alias ​​de compatibilidad obsoleto. Asigna tesseract a fast y el valor heredado de paddleocr a balanced; no carga PaddlePaddle

La misma regla de no degradación se aplica a PDF OCR. Las páginas PDF se rasterizan antes del reconocimiento y una solicitud puede seleccionar como máximo 50 páginas.

Desenfoque de rostros / PII

Ruta de la herramienta: blur-faces
Modelo: detección de rostros de MediaPipe

Parámetro	Tipo	Por defecto	Descripción
blurRadius	number (1-100)	30	Radio del desenfoque gaussiano
sensitivity	number (0-1)	0.5	Umbral de confianza de detección

Mejora de rostros

Ruta de la herramienta: enhance-faces
Modelos: GFPGAN, CodeFormer

Parámetro	Tipo	Por defecto	Descripción
model	"auto" | "gfpgan" | "codeformer"	"auto"	Modelo de mejora
strength	number (0-1)	0.8	Intensidad de la mejora
sensitivity	number (0-1)	0.5	Umbral de detección de rostros
onlyCenterFace	boolean	false	Mejorar solo el rostro más central

Coloración con IA

Ruta de la herramienta: colorize
Modelo: DDColor (con respaldo OpenCV DNN)

Convierte fotos en blanco y negro o en escala de grises a color completo.

Parámetro	Tipo	Por defecto	Descripción
intensity	number (0-1)	1.0	Intensidad de la saturación de color
model	"auto" | "ddcolor" | "opencv"	"auto"	Variante del modelo

Eliminación de ruido

Ruta de la herramienta: noise-removal
Modelo: SCUNet (pipeline de reducción de ruido por niveles)

Parámetro	Tipo	Por defecto	Descripción
tier	"quick" | "balanced" | "quality" | "maximum"	"balanced"	Nivel de procesamiento
strength	number (0-100)	50	Intensidad de la reducción de ruido
detailPreservation	number (0-100)	50	Cuánto detalle preservar; un valor más alto conserva más textura
colorNoise	number (0-100)	30	Intensidad de la reducción de ruido de color
format	string	"original"	Formato de salida: original, png, jpeg, webp, avif, jxl
quality	number (1-100)	90	Calidad de codificación de salida

Eliminación de ojos rojos

Ruta de la herramienta: red-eye-removal

Detecta los puntos de referencia del rostro, localiza las regiones de los ojos y corrige la sobresaturación del canal rojo.

Parámetro	Tipo	Por defecto	Descripción
sensitivity	number (0-100)	50	Umbral de detección de píxeles rojos
strength	number (0-100)	70	Intensidad de la corrección
format	string	-	Anulación del formato de salida (opcional)
quality	number (1-100)	90	Calidad de salida

Restauración de fotos

Ruta de la herramienta: restore-photo

Pipeline de varios pasos para fotos antiguas o dañadas: detección y reparación de arañazos/roturas, mejora de rostros, reducción de ruido y coloración opcional.

Parámetro	Tipo	Por defecto	Descripción
scratchRemoval	boolean	true	Detectar y reparar arañazos, roturas
faceEnhancement	boolean	true	Aplicar una pasada de mejora de rostros
fidelity	number (0-1)	0.7	Intensidad de la mejora de rostros (mayor = más conservador)
denoise	boolean	true	Aplicar una pasada de reducción de ruido
denoiseStrength	number (0-100)	25	Intensidad de la reducción de ruido
colorize	boolean	false	Colorizar tras la restauración
colorizeStrength	number (0-100)	85	Intensidad de la coloración

Foto de pasaporte

Ruta de la herramienta: passport-photo
Modelos: puntos de referencia del rostro de MediaPipe + eliminación de fondo con BiRefNet

Flujo de trabajo en dos fases: analizar (detectar rostro + eliminar fondo) y luego generar (recortar, redimensionar, mosaico). Admite más de 37 países en 6 regiones.

Fase 1: Analizar

POST /api/v1/tools/image/passport-photo/analyze

Acepta un archivo de imagen (multipart). Devuelve los datos de puntos de referencia del rostro, una vista previa en base64 y las dimensiones de la imagen.

Fase 2: Generar

POST /api/v1/tools/image/passport-photo/generate

Acepta un cuerpo JSON con los resultados de la Fase 1 más los ajustes de generación:

Parámetro	Tipo	Por defecto	Descripción
jobId	string	(requerido)	ID del trabajo de la Fase 1
filename	string	(requerido)	Nombre de archivo original de la Fase 1
countryCode	string	(requerido)	Código de país ISO (p. ej., US, GB, IN)
documentType	string	"passport"	Tipo de documento
bgColor	string	"#FFFFFF"	Color de fondo hexadecimal
printLayout	string	"none"	Diseño de impresión: none, 4x6, a4, letter
maxFileSizeKb	number	0	Tamaño máximo de archivo en KB (0 = sin límite)
dpi	number (72-1200)	300	DPI de salida
customWidthMm	number	-	Ancho personalizado en mm (anula la especificación del país)
customHeightMm	number	-	Alto personalizado en mm (anula la especificación del país)
zoom	number (0.5-3)	1	Factor de zoom
adjustX	number	0	Ajuste de la posición horizontal
adjustY	number	0	Ajuste de la posición vertical
landmarks	object	(requerido)	Puntos de referencia de la Fase 1
imageWidth	number	(requerido)	Ancho de imagen de la Fase 1
imageHeight	number	(requerido)	Alto de imagen de la Fase 1

Borrado de objetos (inpainting)

Ruta de la herramienta: erase-object
Modelo: LaMa vía ONNX Runtime

La máscara se envía como una segunda parte de archivo (nombre de campo mask), no como base64. Los píxeles blancos en la máscara indican las áreas a borrar. Los ajustes format y quality se envían como campos de formulario de nivel superior.

Parámetro	Tipo	Por defecto	Descripción
file	file	(requerido)	Imagen de origen (multipart)
mask	file	(requerido)	Imagen de máscara (multipart, nombre de campo mask, blanco = borrar)
format	string	"auto"	Formato de salida: auto, png, jpg, jpeg, webp, tiff, gif, avif, heic, heif, jxl
quality	integer (1-100)	95	Calidad de salida

Acelerado por CUDA cuando hay disponible una GPU NVIDIA.

Expansión de lienzo con IA

Ruta de la herramienta: ai-canvas-expand
Modelo: outpainting basado en LaMa

Expande el lienzo de una imagen en cualquier dirección y rellena las áreas nuevas con contenido generado por IA que coincide con la imagen existente.

Parámetro	Tipo	Por defecto	Descripción
extendTop	integer	0	Píxeles a extender por arriba
extendRight	integer	0	Píxeles a extender por la derecha
extendBottom	integer	0	Píxeles a extender por abajo
extendLeft	integer	0	Píxeles a extender por la izquierda
tier	"fast" | "balanced" | "high"	"balanced"	Nivel de calidad
format	string	"auto"	Formato de salida: auto, png, jpg, jpeg, webp, tiff, gif, avif, heic, heif, jxl
quality	integer (1-100)	95	Calidad de salida

Al menos una dirección de extensión debe ser mayor que 0.

Recorte inteligente

Ruta de la herramienta: smart-crop
Modelo: detección de rostros de MediaPipe (solo en modo rostro)

Parámetro	Tipo	Por defecto	Descripción
mode	string	"subject"	Estrategia de recorte: subject, face, trim
strategy	"attention" | "entropy"	"attention"	Estrategia para el modo sujeto
width	integer	-	Ancho de salida
height	integer	-	Alto de salida
padding	integer (0-50)	0	Porcentaje de relleno alrededor del sujeto
facePreset	string	"head-shoulders"	Encuadre predefinido cuando mode=face
sensitivity	number (0-1)	0.5	Umbral de detección de rostros
threshold	integer (0-255)	30	Umbral de detección de fondo (modo recorte)
padToSquare	boolean	false	Rellenar el resultado recortado hasta un cuadrado
padColor	string	"#ffffff"	Color de fondo para el relleno cuadrado
targetSize	integer	-	Tamaño objetivo para la salida rellenada (píxeles)
quality	integer (1-100)	-	Calidad de salida

Los valores heredados de mode, attention y content, se aceptan y se asignan a subject y trim respectivamente.

Ajustes predefinidos de rostro:

Ajuste predefinido	Mejor para
closeup	Retratos de cabeza
head-shoulders	Fotos de perfil
upper-body	LinkedIn / formal
half-body	Parte superior completa del cuerpo

Transcribir audio

Ruta de la herramienta: transcribe-audio
Modelo: faster-whisper

Convierte voz en texto. Admite formatos de salida de texto plano, SRT y VTT.

Parámetro	Tipo	Por defecto	Descripción
language	string	"auto"	Idioma: auto, en, de, fr, es, zh, ja, ko, id, th, vi
outputFormat	"txt" | "srt" | "vtt"	"txt"	Formato de salida

Subtítulos automáticos

Ruta de la herramienta: auto-subtitles
Modelo: faster-whisper (extrae el audio del video y luego lo transcribe)

Genera archivos de subtítulos a partir de la pista de audio de un video.

Parámetro	Tipo	Por defecto	Descripción
language	string	"auto"	Idioma: auto, en, de, fr, es, zh, ja, ko, id, th, vi
format	"srt" | "vtt"	"srt"	Formato de subtítulos de salida

Corrector de transparencia PNG

Ruta de la herramienta: transparency-fixer
Modelo: matting HR de BiRefNet (resolución 2048x2048)

Corrige los PNG con "falsa transparencia", donde se eliminó el fondo pero quedaron bordes irregulares, halos o artefactos semitransparentes. Usa el modelo de matting de alta resolución de BiRefNet para producir un canal alfa limpio y luego aplica un procesamiento de eliminación de bordes configurable para quitar la contaminación de color a lo largo de los bordes.

Cadena de respaldo ante OOM: Si el matting HR de BiRefNet supera la memoria disponible, la herramienta recurre automáticamente a birefnet-general, y luego a u2net.

Parámetro	Tipo	Por defecto	Descripción
defringe	number (0-100)	30	Intensidad de la eliminación de bordes para quitar la contaminación de color
outputFormat	"png" | "webp"	"png"	Formato de imagen de salida
removeWatermark	boolean	false	Aplicar preprocesamiento de eliminación de marca de agua (filtro de mediana)

curl -X POST http://localhost:1349/api/v1/tools/image/transparency-fixer \
  -H "Authorization: Bearer <token>" \
  -F "file=@fake-transparent.png" \
  -F 'settings={"defringe":30,"outputFormat":"png"}'

---

Herramientas con capacidades de IA opcionales

Las siguientes herramientas no son herramientas del sidecar de Python, pero usan funciones de IA cuando se activan ciertas opciones.

Mejora de imagen

Ruta de la herramienta: image-enhancement
Motor: Basado en análisis (histograma y estadísticas de Sharp)

Analiza la imagen y aplica correcciones automáticas de exposición, contraste, balance de blancos, saturación, nitidez y ruido. Admite modos específicos de escena.

Parámetro	Tipo	Por defecto	Descripción
mode	"auto" | "portrait" | "landscape" | "low-light" | "food" | "document"	"auto"	Modo de escena para ajustar las correcciones
intensity	number (0-100)	50	Intensidad general de la corrección
corrections.exposure	boolean	true	Aplicar corrección de exposición
corrections.contrast	boolean	true	Aplicar corrección de contraste
corrections.whiteBalance	boolean	true	Aplicar corrección de balance de blancos
corrections.saturation	boolean	true	Aplicar corrección de saturación
corrections.sharpness	boolean	true	Aplicar corrección de nitidez
corrections.denoise	boolean	true	Aplicar reducción de ruido
deepEnhance	boolean	false	Activar la eliminación de ruido con IA vía SCUNet (requiere el paquete upscale-enhance)

Hay disponible un endpoint de análisis adicional en POST /api/v1/tools/image/image-enhancement/analyze que devuelve las correcciones detectadas sin aplicarlas.

Redimensionado con reconocimiento de contenido (seam carving)

Ruta de la herramienta: content-aware-resize
Motor: binario caire de Go (no Python: sin beneficio de GPU)

Redimensiona imágenes de forma inteligente eliminando costuras de baja energía, preservando el contenido importante.

Parámetro	Tipo	Por defecto	Descripción
width	number	-	Ancho objetivo
height	number	-	Alto objetivo
protectFaces	boolean	false	Proteger las regiones de rostro detectadas (requiere el paquete face-detection)
blurRadius	number (0-20)	4	Predesenfoque para el cálculo de energía
sobelThreshold	number (1-20)	2	Umbral de sensibilidad de bordes
square	boolean	false	Forzar salida cuadrada