不用买订阅服务，用 Claude Code 把手写照片直接转成 TTF 字体文件
我最近在研究一个基于开源方案的替代路径，它最核心的突破在于：不再依赖死板的物理模版，而是利用 Claude Code 的视觉识别能力来做“动态打标”，配合本地的矢量化工具生成字体。这意味着你随便在笔记本上写几个字，拍张照片传上去，它就能通过视觉定位把字母抠出来，最后组装成可安装的字体文件。
快速部署与实操流程
这个工作流不需要你安装像 FontForge 这样复杂的重量级字体编辑器，只要你的系统环境里有 Node 18+ 即可。如果你已经安装了 Claude Code，可以通过运行下面这行命令直接把这个能力集成进去：
npx skills add danilo-znamerovszkij/draw-your-font集成完成后，操作逻辑非常简单：直接将手写字母的照片发送给 Claude Code，并输入指令 "make my font"。
接下来的自动化流程很有意思：Claude 首先利用视觉能力在照片中定位每一个字母的位置并打上标签。随后，它会调用本地的 Node 库进行矢量化处理。最关键的是，这个过程具备一定的“自检”能力。如果某个字母（比如小写 g）因为笔触没描好导致识别偏差，AI 会在生成预览图后发现异常并提醒你修改，而不是盲目地生成一个畸形的字符。
深度解析：它是如何保证字体不走形的？
很多人好奇 AI 怎么处理字体，其实这个 pipeline 并没有让 AI 去直接“画”贝塞尔曲线（因为 AI 直接画图很容易产生不可控的扭曲），而是采用了一套“AI 视觉引导 + 确定性算法生成”的组合拳。
首先是解决图像预处理问题。拍摄的照片通常光线不均，如果使用全局阈值二值化，阴影部分会直接变成黑色块。该方案采用了自适应阈值算法，通过对比局部背景来提取笔触，确保在不同光照条件下都能干净地提取出墨迹。
其次是连通域检测。系统将识别出的墨迹区域定义为 Blob（二进制大对象），确保每个字母的完整性。此时，AI 的核心作用就体现出来了：它负责建立“Blob 14 等于小写 g”这种映射关系。因为有了 AI 的视觉打标，用户彻底摆脱了对固定模版的依赖，随手写的字只要不重叠，都能被精准识别。
最后是矢量化与度量对齐。底层使用了 potrace 引擎将位图转换为矢量路径，并通过 svg2ttf 进行组装。为了避免生成的字体像乱贴的剪报一样高低不平，系统会为每个字符分配垂直带（em square），强制统一基线，保证最终生成的 TTF 或 WOFF2 文件在实际输入时具有正常的排版视觉效果。
这种方案将图像处理库 sharp、矢量化工具 potrace 和 AI 的语义识别完美结合，把一个原本需要专业设计软件操作半小时的任务，缩减到了一个指令的时间。
