公众号关注 “GitHubDaily”

设为 “星标”，每天带你逛 GitHub！

转自机器之心

大家好，我是小 G。

如果你想用程序来快速生成一款属于自己的手写字体，不妨试下这个开源项目：Handwriting Synthesis。

该项目创意始于 Alex Graves 在 2013 年发布的一篇论文：《Generating Sequences With Recurrent Neural Networks》，而后经 MIT 的一名学生 Sean Vasquez 参照实现，并于前不久正式推出了基于 TensorFlow.js 开发的 Web 版 Demo 页面。

下方视频为该项目的具体演示视频，对此感兴趣的同学，也可以亲自上手试一下。更进一步的，还可以尝试训练自己的模型，打造一款只属于你个人的手写字体。

此外，项目作者也表示在基于 2013 的手写笔迹合成的论文下，新增了一个推理模型进行优化。（Demo 如下图所示）

不同字体的手写笔迹合成。

• 项目地址：https://github.com/sjvasquez/handwriting-synthesis

• 网页版 Demo：https://seanvasquez.com/handwriting-generation/

上图这个权游里瑟曦的经典台词就是使用该项目创建的。

效果展示

让我们先来看一看这个项目的实际效果如何。

示例一为使用固定风格与偏置生成的样本（Smash Mouth – All Star 歌词）：

示例二为使用变化的风格与固定偏置生成的样本，每一句诗词使用不同的风格生成（Vanessa Carlton – A Thousand Miles 歌词）：

示例三为使用变化偏置与固定风格生成的样本，每一句诗词的偏置要比上一句小，最后一句无偏置（Leonard Cohen – Hallelujah 歌词）：

使用方法

该项目的创建时间虽然有点早，不过从上一节的效果展示上来看依然很酷炫。值得一提的是该实现已经非常接近原论文，只有一些非常细微的偏差，生成的样本的质量也非常接近论文中的效果。

接下来让我们来看看如何使用：

lines = [    "Now this is a story all about how",    "My life got flipped turned upside down",    "And I'd like to take a minute, just sit right there",    "I'll tell you how I became the prince of a town called Bel-Air",]biases = [.75 for i in lines]styles = [9 for i in lines]stroke_colors = ['red', 'green', 'black', 'blue']stroke_widths = [1, 2, 1, 2]hand = Hand()hand.write(    filename='img/usage_demo.svg',    lines=lines,    biases=biases,    styles=styles,    stroke_colors=stroke_colors,    stroke_widths=stroke_widths)

效果展示图。

简单来说有些细节需要注意，如上述代码所示，目前 Hand 类必须从 demo.py. 中导入。同时，其中也包含预训练模型，当然你也完全可以训练你自己的模型。

项目作者表示，该项目发起之初主要是为了研究论文而做的参考实验。但最终复现效果质量非常不错，因此该项目是可以更为广泛的进行使用。

比如可以将其进行打包，让整个项目项目看起来更像是一个可用的软件类项目，而不仅像研究类代码。同时，作者也提出可增添更多复杂的绘图、动画或是此方向的任意内容，而不仅仅限制至于当下的手写笔迹转换。感兴趣的读者可以参考项目原链接进行浏览。

最后，总结下该项目的相关链接，供各位水友参考。

论文地址：https://arxiv.org/abs/1308.0850

Demo 地址：https://seanvasquez.com/handwriting-generation/

GitHub 地址：https://github.com/sjvasquez/handwriting-synthesis

---另外，由 GitHubDaily 原班人马打造的公众号：GitCube，现已正式上线！接下来我们将会在该公众号上，为大家分享优质的计算机学习资源与开发者工具，坚持每天一篇原创文章的输出，感兴趣的小伙伴可以关注一下哈！