CommunityImagengithub.com

personal-handwriting

Habilidad de imágenes. Construye una biblioteca personal de glifos manuscritos a partir de fotos reales de bolígrafo sobre papel, verifica la cobertura de caracteres con respecto a borradores objetivo, guía la captura mínima de caracteres faltantes y renderiza de forma programática documentos manuscritos realistas de varias páginas y PDFs (con tablas, ecuaciones y plantillas personalizadas) sin artefactos de generación de imágenes IA. Úsala cuando el usuario quiera digitalizar su propia letra, crear o ampliar una biblioteca personal de glifos, o renderizar tareas manuscritas, notas o informes de laboratorio.

¿Qué es personal-handwriting?

Personal Handwriting Studio es una habilidad especializada para agentes de IA (como Claude Code, Cursor o Codex) que permite digitalizar la escritura a mano real y crear documentos manuscritos realistas de múltiples páginas de forma programática, sin depender de fuentes generadas por IA o difusión de imágenes. La habilidad orquesta un flujo de trabajo completo de extremo a extremo: desde la inicialización del workspace y la verificación de cobertura de caracteres, hasta el preprocesado de fotos (con normalización de iluminación y eliminación de sombras), la ingesta guiada por filas con auditoría visual obligatoria, y el renderizado de páginas con tablas, ecuaciones y plantillas personalizadas. Soporta formatos de entrada como DNG, HEIC, JPG y PNG, y se ejecuta en macOS, Linux y Windows. Es especialmente útil para estudiantes, investigadores o cualquier persona que necesite producir documentos manuscritos naturales y personalizados, evitando artefactos de fuentes generadas por IA. La habilidad incluye un conjunto completo de subcomandos CLI (init, check, preprocess, ingest, contact-sheet, render) y proporciona un proceso de aseguramiento de calidad visual en cada etapa, garantizando que los glifos capturados sean reales y que la cobertura de caracteres sea del 100% antes del renderizado final.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Elizhng/personal-handwriting/tree/HEAD

Installed? Explore more Imagen skills: steipete/songsee, affaan-m/frontend-design, mattpocock/improve-codebase-architecture · View all 6 →

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

Estudio de escritura a mano personal

Convierte fotos reales de escritura a mano en una biblioteca de glifos personales reutilizable y renderiza de forma programática documentos manuscritos realistas de varias páginas y PDFs, sin artefactos de fuentes generadas por IA.

Resumen

Esta habilidad orquesta un pipeline de escritura a mano 100% programático de bucle cerrado:

  1. Inicialización del workspace: Crea un workspace personal local (fuera de git mediante .gitignore).
  2. Verificación previa de cobertura: Escanea un borrador objetivo (pages.json o texto plano) contra glyphs/manifest.json y produce la lista mínima exacta (o una hoja de escritura A4 imprimible) de caracteres faltantes.
  3. Preprocesado de fotos e ingesta guiada: Decodifica fotos .DNG / .HEIC / .JPG / .PNG con normalización de iluminación (eliminando sombras y traspaso de tinta del papel), segmenta caracteres mediante agrupación de componentes conectados guiada por filas (multiplataforma), y ejecuta una auditoría visual obligatoria con hoja de contacto antes de confirmar los glifos.
  4. Renderizado realista de páginas y PDF: Compone páginas en papel en blanco o plantillas personalizadas usando normalización del grosor de trazo con sobremuestreo 2× (consistencia de bolígrafo de gel de ~0.6 mm), deduplicación multi-variante por ventana deslizante, línea base ondulada natural, tablas/ecuaciones dibujadas a mano temblorosas, y verificación del 100% de cobertura de caracteres.

Dependencias

  • Ejecución: uv (recomendado) o Python 3.10+ con pillow y numpy. scripts/handwrite.py incluye metadatos en línea PEP 723, por lo que uv run scripts/handwrite.py ... aprovisiona automáticamente las dependencias en macOS, Linux y Windows.
  • Opcional:
    • ffmpeg (o pillow-heif) para decodificar fotos .HEIC.
    • swift de macOS solo si se usa el extractor OCR opcional de Apple Vision (ver references/macos_vision_ocr.md).

Inicio rápido

# 1. Inicializar un workspace personal (con el ejemplo opcional de informe de laboratorio USST)
uv run scripts/handwrite.py init --workspace ./mi_letra --with-example

# 2. Verificar qué caracteres de un borrador faltan en tu biblioteca de glifos
uv run scripts/handwrite.py check \
  --content ./mi_letra/content/sample_pages.json \
  --manifest ./mi_letra/glyphs/manifest.json \
  --output ./mi_letra/coverage_report.json \
  --grid-dir ./mi_letra/missing_grid

# 3. Preprocesar una foto de tu hoja manuscrita (DNG / HEIC / JPG / PNG)
uv run scripts/handwrite.py preprocess \
  --input ./mi_letra/photos/hoja1.jpg \
  --output-dir ./mi_letra/preprocessed

# 4. Segmentación en seco y auditoría visual antes de confirmar en manifest.json
uv run scripts/handwrite.py ingest \
  --input ./mi_letra/preprocessed/hoja1_ink.png \
  --rows-spec ./mi_letra/content/rows_spec.json \
  --manifest ./mi_letra/glyphs/manifest.json \
  --contact-dir ./mi_letra/contact_sheets \
  --dry-run

# 5. Después de inspeccionar visualmente la superposición de depuración y la hoja de contacto, confirmar los glifos (omitir --dry-run)
uv run scripts/handwrite.py ingest \
  --input ./mi_letra/preprocessed/hoja1_ink.png \
  --rows-spec ./mi_letra/content/rows_spec.json \
  --manifest ./mi_letra/glyphs/manifest.json \
  --contact-dir ./mi_letra/contact_sheets

# 6. Renderizar PNGs manuscritos realistas de varias páginas + PDF combinado
uv run scripts/handwrite.py render \
  --content ./mi_letra/content/sample_pages.json \
  --manifest ./mi_letra/glyphs/manifest.json \
  --assets-dir ./mi_letra \
  --output-dir ./mi_letra/output \
  --pdf-name reporte.pdf

Flujo de trabajo estándar del agente

Etapa 1: Verificación previa de cobertura antes de pedir al usuario que escriba

  • Convierte el borrador del usuario en un pages.json estructurado (ver references/page_schema.md) o pasa un borrador .txt directamente a check.
  • Ejecuta uv run scripts/handwrite.py check ... para calcular los caracteres faltantes exactos ordenados por frecuencia.
  • Pide al usuario que escriba a mano solo los caracteres faltantes en papel blanco con un bolígrafo de gel negro (se recomienda escribir 2–4 variantes para caracteres de alta frecuencia, dígitos 0–9 y signos de puntuación para que las páginas renderizadas se vean naturales), y que tome una foto plana y uniformemente iluminada.

Etapa 2: Preprocesado, segmentación guiada por filas y auditoría visual obligatoria

  1. Ejecuta preprocess para decodificar .DNG / .HEIC / .JPG / .PNG en <base>_clean.png y <base>_ink.png (RGBA transparente). Usa --crop x0,y0,x1,y1 (normalizado 0.0–1.0) si la foto incluye bordes de escritorio o sombras.
  2. Crea un rows_spec.json que enumere los caracteres escritos en cada fila (usa "□" o "SKIP" para ignorar errores tachados o manchas sueltas; ver examples/usst_lab_report/sample_rows_spec.json).
  3. Ejecuta siempre ingest con --dry-run primero. Inspecciona tanto <base>_debug.png (cajas delimitadoras sobre la tinta) como <base>_sheet.png (hoja de contacto de un solo carácter etiquetado) usando tu herramienta de lectura de archivos/visión.
  4. Confirma que no haya desalineaciones, manchas de tinta o trazos recortados. Solo entonces vuelve a ejecutar ingest sin --dry-run para confirmar los glifos en manifest.json usando nombres de archivo seguros para mayúsculas/minúsculas multiplataforma (upper_<X>_k.png, lower_<x>_k.png, sym_u<4hex>_k.png, <ch>_k.png).

Etapa 3: Renderizado y control de calidad página por página

  1. Ejecuta render. El script aplica una verificación previa del 100% de cobertura de caracteres (verify_all_chars_covered) y falla rápidamente si falta algún carácter.
  2. Inspecciona visualmente cada page_<N>.png renderizado:
    • Verifica el porcentaje de llenado vertical en la salida estándar; si aparece [WARNING] ... overflowed bottom margin, reduce --font-size (rango típico 28–34), ajusta line_h_ratio (1.38–1.50), o divide el contenido en una página de continuación adicional.
    • Verifica que los campos de la portada se alineen limpiamente sobre las líneas, que las tablas no recorten el texto de las celdas y que los grosores de trazo sean uniformes.

Referencia de scripts de utilidad

SubcomandoDescripciónOpciones clave
initCrear un workspace personal limpio--workspace, --with-example
checkCalcular la cobertura de glifos y cuadrícula A4 de caracteres faltantes opcional--content, --manifest, --output, --grid-dir
preprocessDecodificar foto y extraer tinta RGBA sin sombras--input, --output-dir, --crop, --hi, --lo
ingestSegmentación guiada por filas en glifos RGBA + hojas de auditoría--input, --rows-spec, --manifest, --contact-dir, --dry-run, --source-id
contact-sheetGenerar una hoja de contacto etiquetada desde manifest.json--manifest, --output, --chars
renderRenderizar pages.json en plantillas y exportar PDF--content, --manifest, --output-dir, --assets-dir, --pdf-name, --font-size, --messiness, --seed

Errores comunes

  1. Omitir la auditoría visual con --dry-run durante ingest: Un solo borrón tachado o un par de trazos adyacentes fusionados puede desplazar las etiquetas de una fila completa. Siempre inspecciona <base>_debug.png y <base>_sheet.png antes de confirmar.
  2. Usar generación de imágenes IA o fuentes del sistema como respaldo: Nunca generes páginas manuscritas con modelos de difusión ni sustituyas fuentes del sistema por caracteres faltantes. Siempre captura los glifos faltantes reales mediante check → ingest.
  3. Colisiones de sistema de archivos que no distingue mayúsculas/minúsculas: En macOS (APFS) y Windows (NTFS), A_0.png y a_0.png se sobrescriben entre sí. Usa siempre handwrite.py (que impone upper_A_0.png / lower_a_0.png / sym_uXXXX_0.png).
  4. Usar sips de macOS dentro de sandboxes: sips puede generar imágenes negras sólidas en entornos sandboxeados. handwrite.py preprocess maneja .DNG en Python puro y .HEIC mediante pillow-heif o ffmpeg.
  5. Confirmar escritura a mano personal en Git: Mantén los workspaces personales (glyphs/, photos/, output/) fuera del repositorio de la habilidad o dentro de rutas ignoradas por git.

Skills relacionados