← Volver al blog · 2026.07.31
Guía del modelo de IA de etiquetado de imágenes: entender las etiquetas General, Character y Rating
El modelo de IA de etiquetado que utiliza AnimeTag-AI es un modelo tagger entrenado con millones de ilustraciones de subcultura subidas a Danbooru. Al recibir una imagen, calcula y devuelve, para cada una de miles de etiquetas, «la probabilidad de que esa etiqueta esté presente en la imagen». En este artículo explicamos cómo interpretar las tres categorías que aparecen en el resultado y el Confidence Score.
1. Etiquetas General — la categoría con más información
General es la categoría que abarca casi todos los atributos visuales observables en la imagen:
color de pelo del personaje, color de ojos, expresión, pose, vestuario, fondo e incluso el estilo
artístico. La gran mayoría de las etiquetas pertenecen a General.
Etiquetas como 1girl, blue_hair, school_uniform,
looking_at_viewer o simple_background están todas incluidas aquí. Como la
cantidad de etiquetas es abrumadora, es fácil que el resultado se vea confuso si se muestra tal
cual; por eso la función "Vista por categoría" de AnimeTag-AI existe precisamente para volver a
dividir estas etiquetas General en apariencia, vestuario, pose, fondo, etc.
2. Etiquetas Character — reconocimiento de personaje/obra
La categoría Character contiene etiquetas que identifican a un personaje u obra específicos, como
hatsune_miku. En esta categoría, cuanto más popular sea un personaje y más veces
aparezca en los datos de entrenamiento, mayor será la tasa de reconocimiento; los personajes poco
conocidos u originales a menudo no se reconocen. Que la etiqueta de personaje aparezca vacía no
significa que haya un error: lo más probable es que ese personaje simplemente no apareciera lo
suficiente en los datos de entrenamiento.
3. Etiquetas Rating — clasificación del nivel de contenido
Rating es una categoría especial compuesta únicamente por cuatro valores: general,
sensitive, questionable y explicit. Permite determinar
automáticamente el nivel de exposición de la imagen y usarlo para filtrar o clasificar un dataset
de forma segura. La suma de las probabilidades de los cuatro valores está normalizada para
acercarse a 1, por lo que el valor más alto representa la clasificación que el modelo considera
"más probable".
4. ¿Cómo interpretar el Confidence Score?
Cada etiqueta se devuelve junto con un Confidence Score (puntuación de confianza) entre 0 y 1. Este valor no es tanto una "probabilidad" como "cuán fuertemente considera el modelo que esa etiqueta es correcta". Un valor de 0.9 o más es casi seguro; el rango de 0.35 a 0.6 corresponde a etiquetas ambiguas pero que vale la pena tener en cuenta; y 0.2 o menos suele ser ruido. El control deslizante de Threshold de AnimeTag-AI filtra las etiquetas precisamente según este valor — para conocer los valores recomendados, consulta la guía de valores de Threshold.
Pruébalo tú mismo
Nada más rápido que probarlo directamente con una imagen. Sube una ilustración a AnimeTag-AI y verás de inmediato las etiquetas General/Character y el Rating explicados arriba; y si cambias a "Vista por categoría", podrás ver cómo las etiquetas General se reorganizan automáticamente en apariencia, vestuario, pose, fondo, etc.