白小交 發自 凹非寺
量子位 | 公眾號 QbitAI
大模型如何落地？怎麼落地？成為今年科技領域的頭號主題。
在一個不為大多數人所知道的造字賽道中，這傢清華創業公司——「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。
這個賽道足夠小也確實剛需，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，實現瞭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倍以上首先來瞭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）並且在初稿完成後，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。對於字體公司來說，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。
對於設計公司來說，制作過程中的高成本，也導致瞭商用版權字體采買費用的高昂。
正是在同客戶交流時，圖形起源團隊發現瞭這一行業痛點，耗時數月打造瞭一套字體生產線。
這不是簡單應用一個大模型就能直接生成的。字體設計最大的區別在於它是矢量圖，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。
創始人史海天分享瞭他們的解決思路，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“的審美作為優化目標，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別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。
基於這樣的模型，他們能實現人類所不能達到高效和高質量。
比如基於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。
客戶隻需要完成前199個字的操作，AI就能在兩天內訓練並生成數萬字。並且也不限於簡體，像繁體字、生僻字，日文韓文拉丁這樣的多語種也OK。
在準確率上，簡單字形（筆畫<15）單次生成的平均生成錯字率小於1%，復雜字形（筆畫≥15）單次生成的平均生成錯字率小於5%，已經遠高於人工審校的準確度。
現在他們還打造瞭一個SaaS平臺，整個交付過程都可以在線上進行。客戶能隨時查看進度，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，目前他們已經生成瞭346套字體，累計4680244個字。
來自圖形起源圖形起源成立於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，並完成瞭三輪融資，受到像五源資本、真格基金等機構的青睞。當時他們的願景是，希望在未來建立一個大眾化的3D內容創作工具，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。
當時他們花瞭很長時間和資金來驗證這件事情。史海天透露，他們當時訓瞭兩個大模型，一個用來識別，一個用來生成，訓練目標是AI生成的字體讓AI分辨不出。
不過這個行業的優點在於，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。
最後他們也實現瞭交付級別的生成效果，目前一周能完成超過40套字體的交付，相當於效率提升瞭幾百倍。
目前公司主要有兩個主營業務。
中文字庫擴寫，也就是客戶給參考字體文件，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平臺上進行，平臺上支持人工校對、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、西裡爾字母，常見符號數字等，並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內測階段。
最後想說，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，但確實同樣也是強剛需，也能實現商業變現。比如字體，比如排版。
對於創業公司來說，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確不過瞭。
— 完 —
量子位 QbitAI · 頭條號
關註我們，第一時間獲知前沿科技動態