AI 生成字體終於不崩壞了？聊聊 ScDiff 的空間約束

客戶要一組春季檔期的活動標準字，希望「春」字的撇捺帶點枝葉感，但又要一眼認得出字。你把需求丟給 AI 生成工具，十分鐘後拿到二十張圖，每張都很有氣氛，然後你放大看，某一張的橫畫和枝葉糊成一塊，另一張的部件位置整個飄掉，第三張乍看沒問題，轉成外框後路徑自己交錯打結。最後還是設計師開 Illustrator 手工描一遍。

這不是工具不夠強，是模型根本沒有「字必須維持某種結構」這個概念。它畫的是像素，不是字。近期一篇針對 semantic typography 的研究，正試圖用空間約束擴散模型解決這個盲區，讓 AI 生成的字有機會從「概念稿」變成「可完稿的資產」。

因為文字是拓撲結構，而不是好看的圖案，一般生成模型不理解這件事。

一張風景圖少一片葉子、多一朵雲，人眼不會判定它「錯」。但「田」字少一橫就是別的字，「日」跟「目」差一畫就是兩個意思。字形的正確性建立在筆畫的連通關係、封閉區域的數量與部件的相對位置上，這些是拓撲性質，而不是像素相似度。標準的 diffusion model 訓練目標是讓生成結果在分佈上像訓練資料，這個目標從來沒有內建「不准把兩筆畫黏成一筆」的約束。

中文字的難度又比拉丁字母高一個量級。拉丁文二十六個字母、筆畫少、封閉區域頂多兩三個；一個繁體字常有十幾筆、多個獨立部件、好幾塊封閉白空間。AI 要把圖像語意（枝葉、火焰、水波）融進輪廓，同時不動到這些結構關係，難度是幾何級數上升的。實務上我看到的失敗模式很集中：部件擠壓、細筆畫斷裂、封閉區域被填滿、以及最麻煩的，外框路徑自相交，螢幕上看不出來，印前 RIP 時才爆。

ScDiff 這篇研究提出的做法，是在擴散過程中加入空間約束，並以「自適應拓撲監督」（adaptive topological supervision）來維持字形的拓撲結構與可讀性，藉此處理客製化語義字體生成時常見的結構崩壞與空間錯置 [1]。把約束放進生成過程本身，而不是事後修補，這個方向在我看來是對的，因為事後修補的成本，往往就是設計師重描一遍。

空間約束能從源頭減少錯誤，不必像事後修圖那樣辛苦補救。

這個區別對印刷業特別有意義。我們的工作流長期是「生成 → 人工檢查 → 補救」，而補救環節吃掉的工時往往比生成多好幾倍。一組帶語意的客製標準字，AI 出稿可能十分鐘，設計師把它整理成可用的向量檔卻要半天到兩天，因為要重建筆畫關係、對齊字面框、統一筆畫粗細、處理路徑方向。如果生成階段就守住拓撲不變，補救環節理論上會從「重建」降級成「微調」。

ScDiff 強調的「自適應」也值得注意：拓撲監督不是一套固定規則套到所有字，而是隨生成情況調整 [1]。這對中文情境很關鍵，因為「一」和「鑿」需要的約束強度完全不同，用同一組硬規則去管，簡單字被綁死沒有設計感，複雜字又管不住。

不過要說清楚邊界：這是一篇方法論研究，發表於 Pattern Recognition [1]，它證明的是方法有效，不是「明天就有商用外掛」。從論文到能接進 Illustrator 或字型編輯軟體的工具，中間還隔著向量化品質、字型格式輸出、以及中文字庫授權這幾道現實關卡。

許多人誤以為這能立刻縮短完稿時間，但短期的實際影響其實是增加概念稿的產出量。

當生成品質提升，第一個被改變的是提案階段：以前跟客戶提三個方向，現在可以提十個變體，而且每個都接近可讀。這是好事，但它同時把設計的價值往後推，設計的價值將轉移至判斷力：知道哪一個字在 2 公分的燙金版上還能認得出來，遠比單純發想造型更重要。當 AI 大幅降低生成門檻，純粹產出圖像的動作便失去原本的價值。

所以流程上我會這樣排：

・提案階段放寬，讓 AI 多生成，用量取勝。

・收斂階段加一道人工的「可印性判讀」，看最小尺寸、看筆畫最細處、看封閉區域會不會在網點下糊掉。

・完稿階段一律人工向量化或人工校正輪廓，不直接用生成的路徑送印。

報價邏輯也要跟著改。如果你還在按「設計幾個方案」計費，AI 會把你的單價打下來；改成按「確認可落地的字組」計費，價值才守得住。

我們應該現在就準備接口與驗收標準，如果被動等待工具成熟才行動，很容易被牽著走。

具體而言，我建議先把三件事做起來，這三件事不需要任何新工具就能開始：

第一，建立你自己的拓撲檢查清單。 把你過去被退件的案子攤開，列出常見的結構失敗樣態：哪幾種筆畫在多少級數以下會糊、哪種封閉區域在 175 lpi 下會填死、哪種路徑自相交會讓 RIP 報錯。這份清單無論用不用 AI 都有價值，而一旦有工具能吃約束條件，它就是你的輸入參數。

第二，把「向量品質」寫進驗收條款。 不是「圖要好看」，而是路徑節點數上限、有無自相交、是否封閉、色彩模式、最小線寬。這些是可以被機器檢查的條件，未來也是能自動化的部分。

第三，關注鄰接領域的成熟節奏。 印刷與電子的交會處已經有相對成熟的產業化路徑可參考，像 Fraunhofer ILT 在印刷電子的長期投入 [2]、Fraunhofer ENAS 的研究體系 [3]，以及 IOP 的 Flexible and Printed Electronics 期刊所聚合的研究社群 [4]，這些領域的共通經驗是，從實驗室方法到產線規格通常要好幾年，中間靠的是量測標準與驗收規格先行。字體生成走的會是同一條路。

看它有沒有給你「約束的入口」，而不是看出圖好不好看。

實際的判斷條件我會列三個：能不能指定不可變動的結構區域；能不能輸出乾淨的向量而不只是點陣圖；失敗時是明確報錯還是默默生出壞路徑。第三點最容易被忽略，但對印刷最致命，一個會安靜產出自相交路徑的工具，比一個會拒絕出圖的工具危險得多。

ScDiff 這類研究直接將「可控性」設為主要目標 [1]。評估這類工具時，確認工具的約束能力，遠比打聽背後的模型技術更實際。

適用邊界要說在前面：以上判斷針對的是圖文融合的裝飾性字體與客製標準字，也就是單次設計、字數有限、視覺優先的場景。如果你的需求是完整字庫開發（數千至上萬字、需要一致的骨架與筆形系統、需要 hinting 與多字重），這套邏輯不適用，字庫開發的瓶頸在系統一致性與長期維護，不在單字生成品質，目前的生成方法在這個維度上還遠遠不到位。同樣地，若最終輸出是螢幕媒體而非印刷，可印性這道關卡的權重會大幅下降，流程可以更激進。

AI 生成字體崩壞的根因是模型優化像素相似度、不理解字形的拓撲結構（筆畫連通、封閉區域、部件相對位置）。

ScDiff 以空間約束搭配自適應拓撲監督，在生成過程中維持字形拓撲與可讀性，方向優於事後修補 [1]。

補救環節往往才是最耗時的：AI 雖然只要十分鐘就能出稿，後續人工整理成可用向量檔卻常耗費半天到兩天。

現在該做的是建立自己的拓撲檢查清單與向量驗收條款，而不是等現成工具。

評估 AI 字體工具的關鍵是「能約束什麼」與「失敗時會不會報錯」，不是出圖美感。

對印刷製造端，這類研究最實際的意義不是「省掉設計師」，而是把可印性檢查往前推到生成階段，業界需要的是一組可被機器驗證的字形規格（最小線寬、封閉區域最小面積、路徑自相交零容忍），這件事現在就能做，且與用不用 AI 無關。對設計端，價值重心會從「產出方案」移向「判斷哪個方案能落地」，報價結構必須從按方案數改為按可落地字組計費，否則單價會被生成工具直接稀釋。對 AI 導入，短期可行的是提案階段放量、完稿階段人工把關的雙軌制，不要跳過向量化這一關。SaaS 的發展機會將集中在「約束層」，將設計師的拓撲與印刷知識編碼為輸入條件，會比單純訓練生成模型更具競爭力。待解問題有三個：中文複雜字的約束表達方式尚未標準化、生成向量到字型格式（OTF/TTF）的轉換品質仍缺乏公開評測、以及訓練資料的字型著作權界線在商用場景中仍不明確。參考印刷電子從實驗室走向產線的節奏 [2][3][4]，從方法論到產業規格通常需要數年，而先建立量測與驗收標準的一方會取得話語權。

[1] Liu、Shi、Zhang（2027）. ScDiff: Spatially-constrained Diffusion for customized semantic typography with Adaptive Topological Supervision. Pattern Recognition. DOI: 10.1016/j.patcog.2026.114783

[2] Fraunhofer ILT：Fraunhofer ILT 印刷電子頁. Fraunhofer ILT

[3] Fraunhofer ENAS：Fraunhofer ENAS 官網. Fraunhofer ENAS

[4] Flexible and Printed Electronics (IOP)：IOP Flexible and Printed Electronics期刊首頁. Flexible and Printed Electronics (IOP)