公众号关注“GitHubPorn”
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）
上图这个权游里瑟曦的经典台词就是使用该项目创建的。
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）：
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。
lines=["Nowthisisastoryallabouthow","Mylifegotflippedturnedupsidedown","AndI'dliketotakeaminute,justsitrightthere","I'lltellyouhowIbecametheprinceofatowncalledBel-Air",]biases=[.75foriinlines]styles=[9foriinlines]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。
https://arxiv.org/abs/1308.0850
https://seanvasquez.com/handwriting-generation/
https://github.com/sjvasquez/handwriting-synthesis
Hello，大家好，GitHubPorn，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，感兴趣的小伙伴可以关注一下哈！
原文始发于微信公众号（GitHubPorn）：GitHub 上的一个开源项目，可快速生成一款属于自己的手写字体！
