今天小編分享的科學經驗：清華系“倉颉”來了！大模型造字7天交付超40套，客户成本大降80%，歡迎閲讀。
大模型如何落地？怎麼落地？成為今年科技領網域的頭号主題。
在一個不為大多數人所知道的造字賽道中，這家清華創業公司——「圖形起源」悄然實現商業變現：
幫助字體公司降低 80% 成本，提速 10 倍以上。Canva 可畫上最受歡迎的前 100 套中文字體，大部分都是用他們的算法生成的。
這個賽道足夠小也确實剛需，設計公司、字體公司苦版權費用久矣。
而他們憑借原本積累的圖形學與 AI 的技術優勢，實現了人工所不能及的效率和精度。
來看看他們是如何發現以及靠 AI 造字來賺錢的。
靠 AI 造字賺錢，提速 10 倍以上
首先來了解一下什麼是字體生產？
傳統的字體生產流程，往往需要設計師用手寫的方式來完成整套字體的制作，（一套字體最多近 3 萬字）并且在初稿完成後，還需要人工團隊進行逐字校對。
因為純人工操作，這樣一套流程下來不僅周期長，往往需要一個季度。對于字體公司來説，這是一筆不小的成本支出。
與此同時，也正因為人工，單個字體字形質量風格等細節上不好把控。
對于設計公司來説，制作過程中的高成本，也導致了商用版權字體采買費用的高昂。
正是在同客户交流時，圖形起源團隊發現了這一行業痛點，耗時數月打造了一套字體生產線。
這不是簡單應用一個大模型就能直接生成的。字體設計最大的區别在于它是矢量圖，可以無限放大而不失真。而目前 AI 生成的圖通常是位圖，有像素限制。
如何讓 AI 生成矢量圖，理解字體的錨點和矢量曲線的含義，成為核心的技術難點。
創始人史海天分享了他們的解決思路，整個流程分為四個階段：
首先，用一個傳統的Diffusion 模型會生成位圖；
其次，用第二個超分辨率模型，把字體位圖的分辨率提到最高；
然後，用一種獨特的算法，讓 AI 能夠理解什麼是 " 好的矢量設計 "，設計第三個模型，以這種 " 好 " 的審美作為優化目标，用訓練後的模型把位圖轉化成矢量圖；
最後，訓練一個專門檢查錯别字和字形結構的模型。
除此之外，他們還計劃開發筆畫拆分模型。
基于這樣的模型，他們能實現人類所不能達到高效和高質量。
比如基于 AI 超分技術和 AI 矢量化，像各種筆畫、偏旁部首的邊緣細節處理，能禁得起任意放大維度，設計師能在海報等場景中使用。
客户只需要完成前 199 個字的操作，AI 就能在兩天内訓練并生成數萬字。并且也不限于簡體，像繁體字、生僻字，日文韓文拉丁這樣的多語種也 OK。
在準确率上，簡單字形（筆畫 <15）單次生成的平均生成錯字率小于 1%，復雜字形（筆畫≥ 15）單次生成的平均生成錯字率小于 5%，已經遠高于人工審校的準确度。
現在他們還打造了一個 SaaS 平台，整個交付過程都可以在線上進行。客户能随時查看進度，或自己完成全部生產過程，不用圖形起源的人工幹預。
據透露，目前他們已經生成了346 套字體，累計 4680244 個字。
來自圖形起源
圖形起源成立于 2020 年底，是由當時清華大學車輛學院畢業生史海天，讀碩士休學時候創辦。
在此之前，他們主要做 3D 創作引擎，并完成了三輪融資，受到像五源資本、真格基金等機構的青睐。當時他們的願景是，希望在未來建立一個大眾化的 3D 内容創作工具，以及一個普通人願意在其中生活的社交世界。
不過現在史海天回憶當時沒有找到很好的變現場景，如今大模型的到來，帶給他們全新的機遇。
當時他們花了很長時間和資金來驗證這件事情。史海天透露，他們當時訓了兩個大模型，一個用來識别，一個用來生成，訓練目标是 AI 生成的字體讓 AI 分辨不出。
不過這個行業的優點在于，字體數據是比較全的，比如一套字能喂給 AI 一半字，讓 AI 可以生成剩下一半字。
最後他們也實現了交付級别的生成效果，目前一周能完成超過 40 套字體的交付，相當于效率提升了幾百倍。
目前公司主要有兩個主營業務。
中文字庫擴寫，也就是客户給參考字體檔案，圖形起源 AI 先進行一波學習，然後生成風格統一的字形。
整個流程都是在 SaaS 平台上進行，平台上支持人工校對、二次學習、批量生成、人工二次篩選等工作，以進一步降低生成字體的錯字率。
跨語種風格遷移。顧名思義，就是根據任意語種任意字體，來生成同種風格的任意語種任意字形。
目前他們能夠穩定生成中日韓拉丁字母、希臘字母、西裏爾字母，常見符号數字等，并且已經在小米應用商店有售賣。
而像藏文、阿拉伯文等小語種文字還在内測階段。
最後想説，雖然現在看各個大廠都在卷生產力場景，市場很卷。但是具體到各個細分場景下，大企業也許就沒有那麼多的資金精力去投入。
那些場景看上去需求有限，但确實同樣也是強剛需，也能實現商業變現。比如字體，比如排版。
對于創業公司來説，就是個不錯的切入點。圖形起源就是一個。
如今大模型應用如火如荼，到底還是看能不能解決實際問題。這條真理已經是再明确不過了。
