""" WD14 blocks: convierte cada .txt de tags en UNA LINEA de wildcard, sin clasificar. No es wd14_harvest.py. Ahi se separaba en buckets (pose/scene/outfit/...) y se tiraba la anatomia. Esto es lo contrario: se conserva el bloque ORDENADO tal cual sale del tagger y solo se le quitan DOS cosas: 1. IDENTIDAD -> pelo, color de pelo, ojos, piel, species, rasgos faciales, y el tag de personaje (fujiwara_chika, arlecchino_(genshin_impact)...) 2. ROPA -> toda. El outfit lo pone la linea del personaje + wildcards. Se CONSERVAN los conteos (1girl, 1boy, hetero) porqueNeeded para que la pose de dos personas no pelee con el '1girl, solo' del MASTER, y se conservan TODOS los tags NSFW (pussy, cum, penetration...) y de pose, que es justo lo que se quiere transplantar. Entrada : Archivos/wd14/tags/**/*.txt (salida de wd14_tagger.py) Salida : Archivos/wildcards_harvest/bloques.txt <- 1 linea = 1 wildcard Archivos/wildcards_harvest/bloques_*.txt (opciones de ropa extra) Archivos/wildcards_harvest/bloques_diff.txt (que se quito de cada uno) python Engine/wd14_blocks.py python Engine/wd14_blocks.py --min-tokens 4 # descarta bloques esos se CONSERVAN (son NSFW real). r"^clothed$|^clothed_.+|^nude_(male|female)_|nude_male_|nude_female_|" r"clothed_sex$" r"^black_|^white_|^red_|^blue_|^green_|^pink_|^purple_|^yellow_|^orange_|^brown_", re.I, ) # texto/calidad: nunca aporta nada al bloque DROP_JUNK = re.compile( r"^[:;=8xXA><*_\-]+$|watermark|signature|username|" r"text$|_text$|speech_bubble|thought_bubble|comic|monochrome|greyscale|" r"grayscale|border$|logo|patreon|twitter|web_address|meme|lowres|" r"pixelated|traditional_media|comment|english|korean|japanese_text|" r"oekaki|drawn_focus|commentary|spoken_question_mark|spoken_heart|" r"^heart$|heart_(hands|censor)$|^broken_heart$|^breath$|" r"motion_lines|speech_lines|focus_comic|panel$|spotlight|" #Tags sueltos de un caracter o emoticonos que el tagger emite sueltos r"^\W+$", re.I, ) # Nunca tiramos conteos: hacen falta para el MASTER (1girl, solo, hetero...). # OJO: 'solo_focus'/'male_focus' NO van aqui aunque sean de conteo: son tags de # ENCUADRE (ver DROP_CAMERA) y estar en las dos listas hacia que se cuelen. KEEP_COUNTS = re.compile( r"^1girl$|^1boy$|^hetero$|^couple$|^solo$|^everyone$|^no_humans$|" r"^group_sex$|^1other$", re.I, ) # Plurales y otros conteos que SI se tiran: el bloque describe UNA protagonista. # Antes '2girls'/'multiple_girls' colaban por el patron generico y acababan # peleando con el '1girl' del tramo de personaje. DROP_OTHER_COUNTS = re.compile( r"^\d*\+?(girls|boys|others|people|humans)$|^twins$|^multiple_|^mixed_|" r"^2girls$|^3girls$|^4girls$|^5girls$|^6\+girls$|" r"^2boys$|^3boys$|^4boys$|^5boys$|^6\+boys$", re.I, ) DROP_META = {"the_pose", "posing", "pose", "realistic", "photorealistic", "no_outline", "no_shadow", "absurdres", "highres", "best_quality", "masterpiece", "score_9", "score_8_up", "score_7_up"} # --- anatomia que se dibuja mal de base en Illustrious ----------------------------- # Medido con Raiden b02 / Yelan b32 (mismo seed, con y sin freno): con estos tags # a 1.0 el cuerpo se deforma (culo partido en 4, vagina desplazada) y la camara se # come el cuadro. A 0.7 la pose aguanta y la deformacion baja. NO son bugs del # bloque: son tags que el checkpoint no dibuja bien solos. DOWNWEIGHT = { # spread_ass es el culpable REAL de la deformacion de pelvis: verificado en # el manifest, 01_b02_Raiden_shogun_bloque_v1 y 02_b02_Hoseki_Zenless_bloque_v2 # usan spread_ass + ass_focus (NO all_fours) y parten la vagina hacia abajo. "spread_ass": 0.6, "ass_focus": 0.7, "pussy_focus": 0.7, "spread_pussy": 0.7, # medido (Yelan b32, mismo seed): a 1.0 el modelo dibuja esa zona con mas # detalle del debido y la desplaza. A 0.5 se relaja. "pussy_peek": 0.5, "spread_legs": 0.8, "spread_hips": 0.8, "large_ass": 0.8, "huge_ass": 0.75, "giant_ass": 0.7, } # --- pose QUE ROMPE la anatomia --------------------------------------------------- # MEDIDO 07-10-2026 (3 pruebas, mismo personaje Rem, solo lo que cambia es la pose): # a) doggystyle, from_behind -> FALLA # b) all_fours, from_behind, arched_back -> FUNCIONA # c) all_fours, doggystyle, from_behind, kneeling -> FALLA # Conclusion: el tag correcto es 'all_fours' (existe, 69.711 usos) PERO necesita # apoyo: solo, empuja la pelvis y la vagina cae por debajo de donde deberia # (medido antes en 01_b02_Raiden_shogun_bloque_v1 y 02_b02_Hoseki_Zenless_bloque_v2). # - con penetracion -> doggystyle (implica el acto, no hace falta apoyo) # - sin penetracion, 1 persona -> all_fours + from_behind + arched_back # AVISO: no se puede mezclar 'doggystyle' con una sola persona (implica # penetracion) ni anadir 'kneeling' (contradice la pose). Medido, no supuesto. # # TRAMPA: antes el sustituto era el tag 'doggy', que NO EXISTE en el catalogo de # Danbooru. El modelo no lo leia como pose y se立的 fallo era invisible: no daba # error, solo salia otra cosa. Antes de inventar un tag, comprueba que existe en # Archivos/Danbooru tags.csv. FLAG_DROP = {"all_fours"} # OJO: 'penis' NO va aqui. Aparece en cualquier fellatio y haria que un bloque # de chupada saliera como penetracion. Solo marcadores de penetracion real. PENETRATION = ("sex", "vaginal", "anal", "penetration", "cum_in_pussy", "cum_in_vagina", "creampie", "implied_penetration") ORAL = ("fellatio", "oral", "blowjob", "paizuri", "titjob", "cum_in_mouth") # prefijos de COLOR en ropa: se quitan para el pool vestido ('sin color') CLOTH_COLOR = re.compile( r"^(black|white|grey|gray|silver|gold|golden|navy|beige|cream|ivory|" r"red|pink|orange|brown|tan|yellow|green|blue|purple|violet|teal|" r"multicolored|colored|two-tone|dark|light|bright|deep|pastel|neon)_", re.I, ) def strip_color(tag): """'light_blue_thighhighs' -> 'thighhighs'. Repite: el color puede ser doble.""" prev = None t = tag while prev != t: prev = t t = CLOTH_COLOR.sub("", t, count=1) return t # --- ATREZO Y ESTILO: ruido de una ilustracion concreta ---------------------------- # Salido de la muestra de Danbooru (07-10-2026). Son props y recursos artisticos # que describen ESE dibujo, no una pose reutilizable. La escena va aparte; aqui # solo queda lo que sirve para trasplantar la postura. DROP_EJEMPLO = re.compile( # atrasos de un dibujo concreto r"^virtual_youtuber$|^vp$|^live2d|^nijisanji|^hololive$|" r"^median_furrow$|^armpit_crease$|^butterfly_wing$|^collarbone$|" # utilidades y rasgos, no postura r"^genderswap|^two-sided_|^impossible_clothes$|^alternate_costume$|" r"^alternate_breast_size|^jacked_off$|" # atrezo de una escena concreta r"^halloween|^jack-o-lantern$|^jack-o'-lantern$|^trick_or_treat$|^syringe$|" r"^nurse_cap$|^nurse$|^barcode$|^id_card$|^wedding$|^gown$|" r"^candy$|^food$|^bread$|^cake$|^pudding$|^dango$|" # estilo de dibujo, no contenido r"^outline$|^white_outline$|^blue_outline$|^outline_only$|^simple_lineart$|" r"^no_lineart$|^sketch$|^monochrome$|^greyscale$|^lineart$", re.I, ) # --- ENCUADRE que NO es contenido -------------------------------------------------- # 'solo_focus' dice "un personaje en foco" y PELA con 1boy+hetero+sex_from_behind: # el modelo dibuja una sola persona o parte el cuerpo (medido: 17 de 27 bloques # explicit lo traian; b09 salio 'roto' por esto). Es info de encuadre, no de # pose, asi que se tira SIEMPRE y deja la camara al CAMERA_BRAKE. # 'cowboy_shot'/'pov_crotch'/'*_focus' tambien: son encuadre. DROP_CAMERA = re.compile( r"^solo_focus$|^male_focus$|^solo$|^pov_crotch$|" r".*_focus$|^focus$|^focused$|" r"^cross-section$|^internal_cumshot$|^doll_view$|^x-ray$|^cutaway$", re.I, ) # --- DESCARTE: bloques que no van a ningun pool ------------------------------------ # Flageados por nombre de .txt de ORIGEN (no por indice), porque el indice cambia # segun el pool que mires y asi el descarte es univoco. # # OJO al anadir entradas: el 'b06' que aparece en el nombre de un PNG es el indice # DENTRO DE SU POOL en el momento de generar, NO el indice global de # bloques_indice.txt. Son dos numeraciones distintas. Para saber que bloque es una # imagen, mira su campo 'original_txt' en el manifest, no el numero del nombre. REJECT = { # --- spicy --- "sample_288905b07701b49561080c51ec453f46.txt": "DESCARTADO (07-10-2026): pose de rodillas + camara desde atras; " "deformacion en pies/piernas/culo", # --- explicit: veredicto unico DESCARTADO --- "sample_1f32d22df91aaf31bbb86f5fdbebe5cf.txt": "DESCARTADO (07-10-2026): incoherencia de escena, no sale el acto pedido", "c647558aa7dd46f804cd259e2350e710.txt": "DESCARTADO (07-10-2026): anatomia ilegible / pose no reconocible", "abbaf67647d6b5124dcb079cdf8306ca.txt": "DESCARTADO (07-10-2026): no sale el acto sexual pedido", "sample_306c6d5fe0bf2506246890a3a81434ef.txt": "DESCARTADO (07-10-2026): fusion de piernas, anatomia rota", "sample_66af8aa182f78331319562743d935232.txt": "DESCARTADO (07-10-2026): veredicto 'Descartado' del usuario al revisar " "el prompt (07_b15 / 16_b15, Seed)", } REJECT.update({ # --- muestra de Danbooru (07-10-2026) --- # Descartado en la revision visual del usuario. Eveno con la limpieza solo # sobrevive 'bent_over'; el resto es atrezo de Halloween # (halloween_bucket, syringe, nurse) que no es una pose reutilizable. "12348708_bent_over_s.txt": "DESCARTADO (07-10-2026): unica pose util (bent_over), resto es atrezo " "de Halloween", }) def replace_flagged(tag, whole_block): """Sustituye all_fours por tags que EXISTEN en el vocabulario Danbooru. Verificado el 07-10-2026 con 3 pruebas sobre el mismo personaje (Rem): a) doggystyle, from_behind -> FALLA b) all_fours, from_behind, arched_back -> FUNCIONA c) all_fours, doggystyle, from_behind, kneeling -> FALLA Dos cosas que costaron una medicion: - 'doggy' NO existe en el catalogo. Antes se devolvia ese tag y el modelo no lo leia como pose. Se comprobo contra Archivos/Danbooru tags.csv: all_fours existe (69.711 usos), doggy no aparece. - 'doggystyle' NO se puede mezclar con una sola persona: implica penetracion y contradice la pose. Con 'kneeling' tambien falla. Por eso una pose a cuatro patas SIN acte es: all_fours + los tags de apoyo. """ t = tag.lower() if t == "doggystyle": return [] # ya decia doggystyle: all_fours sobra if any(p in whole_block for p in PENETRATION): return ["doggystyle"] # hay penetracion: ese es el tag real # sin penetracion: la postura a cuatro patas, con apoyo de camara y arco extra = ["all_fours"] if "from_behind" not in whole_block: extra.append("from_behind") if "arched_back" not in whole_block: extra.append("arched_back") return extra # --- severidad: NO usar la carpeta de origen, no dice nada ------------------------ # Medido: hay 1 imagen en NSFW/ que es spicy y 1 en SFW/ que es explicit. La # severidad se saca de los TAGS, no del nombre de la carpeta. # explicit -> hay ACTO (penetracion o fellatio/paizuri) o fluido # spicy ->suggestivo / desnudo / anatomia, pero sin acto # sfw -> nada de lo anterior SEVERITY_EXPLICIT = ( "sex", "vaginal", "penetration", "anal", "anal_sex", "creampie", "fellatio", "blowjob", "paizuri", "titjob", "handjob", "footjob", "cum_in_mouth", "cum_in_pussy", "cum_in_vagina", "cum_overflow", "ejaculation", "cumshot", "deepthroat", "after_sex", "netorare", "group_sex", "threesome", "standing_sex", "cowgirl_position", "reverse_cowgirl_position", "missionary", "doggystyle", "doggy", "69_position", "sex_from_behind", "spread_legs", "pov_crotch", ) # OJO: 'pussy_juice' NO es un acto. Es un fluido: puede salir en un pose solo # deadexna sin penetracion. Con el b26 (solo, underboob, covered_nipples) se # colaba en explicit cuando es spicy. Los fluidos van aqui, no arriba. SEVERITY_SEXUAL = ( "penis", "pussy", "anus", "nipples", "testicles", "clitoris", "erection", "uncensored", "topless", "bottomless", "ahegao", "spread_ass", "ass_focus", "pussy_peek", "between_breasts", "sideboob", "underboob", "pussy_juice", "cum", "covered_nipples", "cum_on_body", "cum_on_breasts", "internal_cumshot", "cross-section", ) SEVERITY_NUDITY = ("nude", "completely_nude", "partially_nude", "undressed") def severity(block): """'explicit' | 'spicy' | 'sfw' a partir de los tags del bloque.""" s = {t.lower() for t in block} if s & set(SEVERITY_EXPLICIT): return "explicit" if s & set(SEVERITY_SEXUAL): return "spicy" if s & set(SEVERITY_NUDITY): return "spicy" return "sfw" def apply_weight(tag): """(tag:peso) si el tag esta en DOWNWEIGHT. Idempotente.""" w = DOWNWEIGHT.get(tag) return f"({tag}:{w})" if w else tag def strip_weights_of(block): """Invierte apply_weight sobre un bloque entero: '(ass_focus:0.7), nude' -> 'ass_focus, nude'. Para comparar bloques y para buscar tags.""" return re.sub(r"\(([^:()]+):[\d.]+\)", r"\1", block) def load_character_tags(): """Tags que el CSV Danbooru marca como personaje(4) o copyright(3).""" chars, copies, alias = set(), set(), {} if not DANBOORU.exists(): return chars, copies, alias with DANBOORU.open(newline="", encoding="utf-8") as f: for row in csv.DictReader(f): tag, cat = row["tag"].lower(), row["type"] if cat == "4": chars.add(tag) elif cat == "3": copies.add(tag) if row.get("aliases"): for a in row["aliases"].split(","): a = a.strip().lower() if a and a != tag: alias[a] = tag return chars, copies, alias def clean_block(tags, chars, copies, keep_outfit=False): """Quita identidad + basura + (por defecto) toda la ropa. KEEP conteos/pose/NSFW. Respeta el orden original del tagger. keep_outfit=True deja la ropa pero SIN color (para el A/B focalizado en bloques que si traian ropa). """ # el contexto se decide sobre el bloque COMPLETO, no tag a tag joined = " ".join(t.lower() for t in tags) keep, dropped = [], [] for tag in tags: t = tag.strip() low = t.lower() if not t: continue # el tag de personaje (fujiwara_chika) o copyright: fuera siempre if low in chars or low in copies: dropped.append((t, "personaje")) continue # conteos: NUNCA se tiran (los necesita el MASTER para 2 personas) if KEEP_COUNTS.match(low) or low in DROP_META: if KEEP_COUNTS.match(low): keep.append(t) else: dropped.append((t, "meta")) continue if low in FLAG_DROP: for rep in replace_flagged(low, joined): keep.append(rep) dropped.append((t, "POSE ROTA -> sustituida")) continue if DROP_OTHER_COUNTS.match(low): dropped.append((t, "conteo de otras personas")) continue if DROP_EJEMPLO.search(low): dropped.append((t, "atrezo/estilo del dibujo")) continue if DROP_CAMERA.search(low): dropped.append((t, "encuadre (no contenido)")) continue if DROP_JUNK.search(low): dropped.append((t, "basura")) continue if DROP_IDENTITY.search(low): dropped.append((t, "identidad")) continue if DROP_OUTFIT.search(low): if keep_outfit: c = strip_color(low) if c and c != low: dropped.append((t, f"color fuera -> {c}")) keep.append(c) else: keep.append(low) else: dropped.append((t, "ropa")) continue keep.append(t) return keep, dropped def main(): p = argparse.ArgumentParser(description="Tags WD14 -> 1 linea de wildcard por imagen") p.add_argument("--tags", default=str(TAGS_DIR)) p.add_argument("--out", default=str(OUT_DIR)) p.add_argument("--min-tokens", type=int, default=4, help="descarta bloques con menos tokens utiles (default 4)") args = p.parse_args() src = Path(args.tags) if not src.exists(): raise SystemExit(f"[!] No existe {src}. Ejecuta antes wd14_tagger.py") files = sorted(src.rglob("*.txt")) if not files: raise SystemExit(f"[!] No hay .txt en {src}") chars, copies, alias = load_character_tags() print(f"[-] {len(files)} bloques | personaje:{len(chars)} copyright:{len(copies)}") OUT = Path(args.out) OUT.mkdir(parents=True, exist_ok=True) blocks, dressed, diffs = [], [], [] rejected = [] for f in files: raw = [t.strip() for t in f.read_text(encoding="utf-8").split(",") if t.strip()] canon = [alias.get(t.lower(), t.lower()) for t in raw] origin = f.relative_to(src).as_posix() name = f.name def dedupe(seq): seen, out = set(), [] for t in seq: if t not in seen: seen.add(t) out.append(t) return out keep, dropped = clean_block(canon, chars, copies, keep_outfit=False) uniq = dedupe(keep) # el pool vestido se calcula sobre el MISMO bloque, sin filtrar por # min-tokens, para que el indice i coincida en los dos ficheros (A/B) keep_d, _ = clean_block(canon, chars, copies, keep_outfit=True) uniq_d = dedupe(keep_d) # descarte por nombre de origen if name in REJECT: reason = REJECT[name] pending = reason.startswith("REVISAR") rejected.append((origin, reason, uniq, pending)) continue if len(uniq) < args.min_tokens: continue blocks.append(uniq) dressed.append(uniq_d) # la correspondencia con el .txt original es SIN pesos: el manifest y # find_original() comparan el bloque crudo, no el ponderado diffs.append((origin, len(raw), len(uniq), dropped)) # una linea = un bloque = una opcion de wildcard with (OUT / "bloques.txt").open("w", encoding="utf-8", newline="\n") as fh: fh.write("# WD14 bloques: 1 linea = 1 opcion de wildcard\n") fh.write(f"# {len(blocks)} bloques de {len(files)} imagenes " f"(min-tokens={args.min_tokens})\n") fh.write("# identidad (pelo/ojos/piel/species) y TODA la ropa fuera; " "pose+NSFW+escena conservados\n") if DOWNWEIGHT: fh.write("# anatomia de foco a peso bajo: " + ", ".join(f"{k}:{v}" for k, v in DOWNWEIGHT.items()) + "\n") if FLAG_DROP: fh.write("# POSE ROTA (flag, sustituida): " + ", ".join(sorted(FLAG_DROP)) + "\n") fh.write("\n") for b in blocks: fh.write(", ".join(apply_weight(t) for t in b) + "\n") # pool gemelo: MISMA ropa pero sin color, para A/B focalizado with (OUT / "bloques_vestidos.txt").open("w", encoding="utf-8", newline="\n") as fh: fh.write("# WD14 bloques VESTIDOS: 1 linea = 1 opcion de wildcard\n") fh.write(f"# {len(dressed)} bloques - MISMO orden que bloques.txt " f"(indice i comparable para A/B)\n") fh.write("# identidad fuera; ropa conservada pero SIN color\n") if FLAG_DROP: fh.write("# POSE ROTA (flag, sustituida): " + ", ".join(sorted(FLAG_DROP)) + "\n") fh.write("\n") for b in dressed: fh.write(", ".join(apply_weight(t) for t in b) + "\n") # --- pools por severidad ------------------------------------------------------- # La carpeta de origen NO es fiable (hay spicy en NSFW/ y explicit en SFW/), # asi que la severidad sale de los tags. Un bloque vive en UN solo pool. SEV_LABEL = { "explicit": "ACTO SEXUAL explicito (penetracion / fellatio / fluido)", "spicy": "SUGGESTIVO: desnudo o anatomia, pero SIN acto", "sfw": "SEGURO: nada de desnudo ni acto", } sev_count = Counter() for i, b in enumerate(blocks): sev_count[severity(b)] += 1 sfw_idx = [i for i, b in enumerate(blocks) if severity(b) == "sfw"] for sev in ("sfw", "spicy", "explicit"): idxs = [i for i, b in enumerate(blocks) if severity(b) == sev] if not idxs: continue name = OUT / f"bloques_{sev}.txt" with name.open("w", encoding="utf-8", newline="\n") as fh: fh.write(f"# WD14 bloques -- {sev.upper()}: {SEV_LABEL[sev]}\n") fh.write(f"# {len(idxs)} bloques (de {len(blocks)})\n") fh.write("# 1 linea = 1 opcion de wildcard. identidad fuera, ropa fuera.\n") if DOWNWEIGHT: fh.write("# anatomia a peso bajo: " + ", ".join(f"{k}:{v}" for k, v in DOWNWEIGHT.items()) + "\n") if FLAG_DROP: fh.write("# POSE ROTA (flag): " + ", ".join(sorted(FLAG_DROP)) + "\n") fh.write("\n") for i in idxs: fh.write(", ".join(apply_weight(t) for t in blocks[i]) + "\n") # indice bloque -> severidad, para saber de donde salio cada linea with (OUT / "bloques_indice.txt").open("w", encoding="utf-8", newline="\n") as fh: fh.write("# indice de bloques.txt -> severidad y .txt de origen\n") fh.write("# formato: \t\t\n\n") for i, b in enumerate(blocks): fh.write(f"{i}\t{severity(b)}\t{diffs[i][0]}\n") # --- pools VESTIDOS por severidad --------------------------------------------- # Solo para los bloques donde la version vestida APORTA algo: si no hay ropa # que recuperar la linea seria identica al desnudo y no daria un A/B util. # La severidad se hereda del bloque DESNUDO (poner ropa no decide si un # bloque es explicit), asi que el indice i sigue siendo comparable. clothed_per_sev = Counter() for sev in ("sfw", "spicy", "explicit"): idxs = [i for i in range(len(blocks)) if severity(blocks[i]) == sev and len(dressed[i]) > len(blocks[i])] clothed_per_sev[sev] = len(idxs) if not idxs: continue with (OUT / f"bloques_{sev}_vestidos.txt").open( "w", encoding="utf-8", newline="\n") as fh: fh.write(f"# WD14 bloques -- {sev.upper()} VESTIDOS: ropa del WD14 sin color\n") fh.write(f"# {len(idxs)} bloques (solo los que ropa aporta algo)\n") fh.write("# 1 linea = 1 opcion de wildcard. identidad fuera.\n") if DOWNWEIGHT: fh.write("# anatomia a peso bajo: " + ", ".join(f"{k}:{v}" for k, v in DOWNWEIGHT.items()) + "\n") if FLAG_DROP: fh.write("# POSE ROTA (flag): " + ", ".join(sorted(FLAG_DROP)) + "\n") fh.write("\n") for i in idxs: fh.write(", ".join(apply_weight(t) for t in dressed[i]) + "\n") # --- pools VESTIDOS por severidad --------------------------------------------- # Solo para los bloques donde la version vestida APOSTA algo: si no hay ropa # que recuperar, la linea seria identica al desnudo y no aporta un A/B. # La severidad se hereda del bloque DESNUDO (poner ropa no cambia si un # bloque es explicit), asi que el indice i sigue siendo comparable. clothed_per_sev = Counter() for sev in ("sfw", "spicy", "explicit"): idxs = [i for i in range(len(blocks)) if severity(blocks[i]) == sev and len(dressed[i]) > len(blocks[i])] clothed_per_sev[sev] = len(idxs) if not idxs: continue with (OUT / f"bloques_{sev}_vestidos.txt").open( "w", encoding="utf-8", newline="\n") as fh: fh.write(f"# WD14 bloques -- {sev.upper()} VESTIDOS: ropa del WD14 sin color\n") fh.write(f"# {len(idxs)} bloques (solo los que ropa aportan algo)\n") fh.write("# 1 linea = 1 opcion de wildcard. identidad fuera.\n") if DOWNWEIGHT: fh.write("# anatomia a peso bajo: " + ", ".join(f"{k}:{v}" for k, v in DOWNWEIGHT.items()) + "\n") if FLAG_DROP: fh.write("# POSE ROTA (flag): " + ", ".join(sorted(FLAG_DROP)) + "\n") fh.write("\n") for i in idxs: fh.write(", ".join(apply_weight(t) for t in dressed[i]) + "\n") with (OUT / "bloques_diff.txt").open("w", encoding="utf-8", newline="\n") as fh: fh.write("# que se quito de cada bloque (revisar a mano)\n") fh.write(f"# formato: (/)\n\n") for name, raw_n, keep_n, dropped in diffs: fh.write(f"{name} ({keep_n}/{raw_n})\n") if dropped: fh.write(" - " + ", ".join(f"{t}[{r}]" for t, r in dropped) + "\n") fh.write("\n") n_reject = sum(1 for r in rejected if not r[3]) n_pending = sum(1 for r in rejected if r[3]) with (OUT / "bloques_descartados.txt").open("w", encoding="utf-8", newline="\n") as fh: fh.write("# bloques DESCARTADOS / PENDIENTES: no entran a ningun pool\n") fh.write(f"# {len(rejected)} de {len(files)} imagenes " f"({n_reject} descartados, {n_pending} pendientes de revisar)\n") fh.write("# flageados por auditoria visual (Output/test_blocks/*/)\n\n") for origin, why, blk, pending in rejected: fh.write(f"{'[PENDIENTE] ' if pending else ''}{origin}\n") fh.write(f" motivo: {why}\n") fh.write(f" bloque: {', '.join(blk)}\n\n") kept = sum(len(b) for b in blocks) total = sum(raw_n for _, raw_n, _, _ in diffs) print(f"[-] {len(blocks)} bloques | {kept}/{total} tokens conservados " f"({kept/total*100:.0f}%)") print("\nPOOLS POR SEVERIDAD (sacada de los tags, NO de la carpeta):") for sev in ("sfw", "spicy", "explicit"): n = sev_count.get(sev, 0) cn = clothed_per_sev.get(sev, 0) print(f" {sev:9} {n:2} desnudos + {cn:2} vestidos " f"-> bloques_{sev}.txt / bloques_{sev}_vestidos.txt") print(f"\n[OK] bloques.txt ({len(blocks)} lineas, union)") print(f"[OK] bloques_vestidos.txt ({len(dressed)} lineas, ropa sin color, mismo indice)") print(f"[OK] bloques_{{sfw,spicy,explicit}}.txt (pools separados)") print(f"[OK] bloques_indice.txt (idx -> severidad + .txt origen)") print(f"[OK] bloques_diff.txt (que se quito de cada bloque)") if rejected: print(f"[--] {len(rejected)} fuera de los pools: " f"{n_reject} descartados + {n_pending} pendientes de revisar " f"(bloques_descartados.txt)") if sfw_idx: ej = ", ".join(apply_weight(t) for t in blocks[sfw_idx[0]])[:110] print(f"\n ejemplo sfw: {ej}...") if __name__ == "__main__": main()