Friday, August 28, 2026

Como empezar a crear una database desde cero?

 La matriz más segura y clara que buscas es esta:

1. Lichess Open Database (la mejor opción)

  • Sitio: https://database.lichess.org
  • Licencia: Creative Commons CC0 (dedicación al dominio público).
  • Lichess lo dice explícitamente: puedes usarlo para investigación, uso comercial, publicación, lo que quieras. Puedes descargar, modificar y redistribuir sin pedir permiso.

Contiene miles de millones de partidas rated (standard + variantes). Cada mes publican archivos .pgn.zst independientes.

Ventajas:

  • Origen 100 % claro y legal.
  • No hay metadata de “autores” que reclamen derechos sobre la compilación.
  • Puedes filtrar por Elo, tiempo de control, etc., y crear tu propia base limpia.

Esta es la fuente más limpia y sin zona gris que existe hoy.

2. Ajedrez Data (ajedrezdata.com)

  • El autor (Mario Lacunza) afirma explícitamente que las partidas están en dominio público y que eliminó todos los comentarios para evitar problemas de copyright de anotaciones.
  • Ofrece bases grandes OTB y de correspondencia ya limpias, en PGN y formato ChessBase.
  • Se basa en fuentes abiertas (Lichess, TWIC, PGN Mentor, bases antiguas, etc.).

Es una buena opción si quieres algo más “curado” y no tan masivo como Lichess crudo.

3. TWIC (The Week in Chess)

  • https://theweekinchess.com/twic
  • Archivos semanales de partidas de maestros (principalmente OTB).
  • Es de uso muy extendido y gratuito. Mark Crowther permite la descarga libre.
  • No es CC0. Hay una zona un poco más gris si quieres redistribuir comercialmente compilaciones grandes, aunque las partidas individuales (movimientos) son hechos y no están protegidas.

Úsalo principalmente para partidas de alto nivel recientes.

Fuentes que conviene evitar o tratar con mucho cuidado

  • Bases comerciales o semi-comerciales con metadata de varios autores.
  • Descargas masivas de Chess.com (sus términos restringen mucho el uso de los datos de partidas).
  • Colecciones que mezclan partidas + anotaciones de terceros sin licencia clara.

Resumen práctico para tu colección

FuenteLicenciaCalidad de partidasRiesgo legalRecomendado para ti
LichessCC0 (dominio público)Todas las fuerzasCasi nuloPrincipal
Ajedrez DataDominio público (según autor)Buena (OTB + corr)Muy bajoExcelente secundaria
TWICLibre de usoMaestros / OTBBajo-medioComplemento
PGN Mentor / otrosVariableVariableZona grisEvitar como base principal

Recomendación concreta:

  1. Empieza descargando de database.lichess.org (puedes empezar con meses recientes o filtrar después por Elo ≥ 2200/2400).
  2. Limpia comentarios de reloj y evaluaciones si no los necesitas (reducen mucho el tamaño).
  3. Combina con las bases de Ajedrez Data si quieres más partidas clásicas OTB.
  4. Añade TWIC semanalmente para mantenerla actualizada con torneos importantes.

Con Lichess como base principal tienes la “matriz” que pediste: origen claramente de dominio público / licencia permisiva, sin metadata de autores que puedan reclamar derechos sobre la colección.

¿Quieres que te explique cómo descargar y procesar los archivos de Lichess de forma eficiente (herramientas, filtrado por Elo, limpieza de PGN, etc.)?



Morphy, Capablanca, Lasker, Alekhine y casi todos los jugadores anteriores a la era de internet no están en Lichess, porque Lichess solo contiene partidas jugadas en su plataforma (desde 2010 aproximadamente).

Dónde conseguir partidas históricas de forma segura

Las partidas de esos jugadores (movimientos) están en dominio público. El riesgo de copyright solo aparece si la colección trae anotaciones modernas o es una selección muy elaborada de una empresa comercial.

Fuentes recomendadas y relativamente limpias:

FuenteQué tieneNivel de seguridadComentario
PGN Mentor (pgnmentor.com)Colecciones individuales de Morphy, Capablanca, Alekhine, Lasker, Steinitz, etc.BuenaMuy usada, descargas gratuitas por jugador. Es de las más prácticas.
Ajedrez Data (ajedrezdata.com)Bases grandes OTB que incluyen muchos clásicosAltaEl autor eliminó comentarios y declara dominio público de las partidas.
Kaggle (dataset “Chess Games from 12 Top players”)Incluye Morphy + Capablanca + otrosAlta (licencia CC0)Buena opción si quieres un paquete ya listo.
ChessBites / ChessArchiveBúsqueda y descarga de partidas antiguasMedia-AltaTienen muchos juegos históricos.
Internet Archive + libros antiguosLibros de Morphy, Capablanca, etc. en dominio públicoMuy altaPuedes extraer las partidas tú mismo si quieres máxima pureza.

Recomendación práctica

  1. Base moderna limpia → Lichess (CC0) filtrada por Elo alto.
  2. Base histórica → PGN Mentor (colecciones de Morphy, Capablanca, etc.) + Ajedrez Data.
  3. Combina ambas y limpia metadata/comentarios.

Así tendrás:

  • Partidas modernas sin problemas de licencia (Lichess).
  • Partidas clásicas de Morphy, Capablanca, etc., que legalmente son de dominio público.

Puede un ai/programa sacar el PGN de un libro?

Sí, se puede, pero no es perfecto al 100 %.

Opciones reales en 2026

MétodoQué tan bien funcionaMejor paraLimitaciones
ChessPDFBrowserMuy buenoLibros PDF de ajedrezEs la herramienta más especializada. Extrae partidas directamente a PGN, soporta notación algebraica y de figuras, y en versiones recientes también PDFs escaneados.
IA con visión (Grok, GPT-4o, Claude, Gemini)Bueno a muy buenoPáginas individuales o lotes pequeñosPuedes subir capturas o páginas del PDF y pedirle que genere el PGN. Funciona bastante bien con notación algebraica moderna.
OCR + scripts propiosVariableUsuarios avanzadosMás trabajo, pero se puede automatizar.
Herramientas de planillas (Notamate, etc.)ExcelenteHojas de score manuscritasNo están pensadas para libros completos.

Realidad práctica

  • Notación algebraica moderna (1.e4 e5 2.Nf3…) → la IA y ChessPDFBrowser suelen hacerlo bastante bien.
  • Notación descriptiva antigua (P-K4, Kt-KB3…) → es más difícil y comete más errores.
  • Diagramas → algunas herramientas pueden reconocer la posición (FEN), pero reconstruir toda la partida desde diagramas es más complicado.
  • Variantes y comentarios → casi siempre hay que limpiar o revisar después.
  • Calidad del PDF → si está bien escaneado y con texto seleccionable, mucho mejor. Si es una foto borrosa o de baja resolución, baja la precisión.

Recomendación

  1. Si el libro está en PDF decente, prueba primero ChessPDFBrowser (está hecha exactamente para esto).
  2. Si no, puedes usar una IA con visión: sube 1-2 páginas de ejemplo y pide:

    “Extrae todas las partidas de esta página en formato PGN limpio, solo movimientos, sin comentarios.”

  3. Siempre valida después las partidas generadas (cárgalas en SCID, ChessBase, Lichess o un motor) porque casi siempre hay errores de OCR o de interpretación.

Resumen: Sí se puede sacar PGN de un libro PDF con IA o herramientas especializadas, pero casi nunca sale perfecto a la primera. Hay que revisar y corregir.

¿Quieres que te dé el prompt exacto para usarlo con una IA de visión, o prefieres que te explique cómo funciona ChessPDFBrowser?

No comments:

Post a Comment

Note: Only a member of this blog may post a comment.

---------------------------------------------------------------------------------------------------------------- ----------------------------------------------------------------------------------------------------------------- ----------------------------------------------------------------------------------------------------------