HUMAN–AI INTERACTION / 2023—2026
FontCopilot
A Designer-in-the-Loop System for Chinese Vector Font Design
让 AI 承担字体生产的规模,
让设计师保有对每个字的判断。
前期访谈
用户研究
四周生产案例
达到“卓越”评级
01 / THE QUESTION
生成得更多,
不等于设计得更好。
中文字体设计不仅需要大量字形,也需要组件比例、结构与风格的持续判断。与 10 位字体设计从业者的访谈,把问题指向了重复组装、输出可编辑性,以及设计师能否持续修正生成结果。
因此,FontCopilot 的目标不是一次性给出“最终答案”,而是把生成能力接入设计师已有的工作方式。
减少重复组装
让系统承担大规模组件组合。
保留矢量可编辑性
输出仍可回到专业字体工具中修改。
让修正进入下一轮
设计判断不止于选择一次输出。
02 / DESIGNING THE LOOP
设计师的每次修正,
都能进入下一轮生成。
生成只是工作流中的一环。设计师先设定风格与目标字集,再检查和修正输出;系统将这些修正用于增量微调,逐步扩展字库。
- 01 / 设定
先确定想做什么样的字体。
选择目标字集,按推荐绘制种子字,用少量字形建立风格与组件基础。
- 02 / 生成与修正
在真实输出上作出设计判断。
比较基模型的生成结果,将需要修改的字形带回 Glyphs,调整组件位置、比例与边界。
- 03 / 更新
让局部修正影响后续字形。
上传修正后的文件进行增量微调,再生成、检查,直到覆盖目标字集。
把复杂流程组织成一个工作空间。
目标字集与推荐 → 上传与生成 → 模型比较与历史记录
技术支撑 / TECHNICAL BACKBONE
生成组件布局,
保留矢量结构。
组件仿射变换回归器(CAR)提取并融合组件特征,预测变换矩阵,直接作用于贝塞尔(Bézier)控制点。生成字形因此保留组件与轮廓信息,可继续在 Glyphs 中编辑。
网页工作台基于 Vue 与 FastAPI,连接字体文件上传、生成、比较与下载。
03 / SYSTEM IN MOTION
看一次,
设计与系统如何接力。
UIST ’26 最终版视频展示了研究动机、系统交互与字体生成过程。这里使用真实系统影像,而不是网页重绘的功能模拟。
04 / EVIDENCE & REFLECTION
从短期使用,
走向字体生产的尺度。
9 位字体设计从业者完成用户研究。用户体验问卷(UEQ)的六个维度中,五项达到“卓越”(Excellent)评级,包括效率与可控性。这是与官方体验基准的比较。
四周的作者支持型案例进一步观察了持续使用:从 300 个种子字出发,FontCopilot 生成了 10,461 个保留可编辑结构的字形。
体验维度达到“卓越”(Excellent)
参与者反馈 / PARTICIPANT VOICES 论文访谈节选 · 中文译文
“省去了繁琐的机械组装过程。”P7 · 减少重复工作
“可以直接在生成结果上调整。”P2 · 保留编辑能力
“透明且可预测。”P4 · 修正对后续输出的影响