CommunityImagegithub.com

Studio d'Écriture Manuelle Personnelle

Construisez une bibliothèque de glyphes manuscrits personnalisés à partir de photos réelles de stylo sur papier, vérifiez la couverture des caractères par rapport aux brouillons cibles, guidez la capture minimale des caractères manquants et générez par programmation des documents manuscrits réalistes multipages (avec tableaux, équations et modèles personnalisés) sans artefacts de génération d'images IA.

Qu'est-ce que Studio d'Écriture Manuelle Personnelle ?

Ce skill orchestre un pipeline d'écriture manuscrite 100% programmatique en boucle fermée. Il permet de transformer des photos réelles d'écriture manuscrite en une bibliothèque de glyphes réutilisable, puis de générer des documents PDF manuscrits réalistes de plusieurs pages, sans aucun artefact de police générée par IA. Le processus comprend l'initialisation d'un espace de travail local, une vérification préalable de la couverture des caractères d'un brouillon cible, le prétraitement des photos (avec normalisation d'éclairage et découpage des caractères), et le rendu final avec normalisation de l'épaisseur du trait, déduplication par fenêtre glissante, et une ligne de base naturelle ondulée. Le skill est conçu pour des agents comme Claude Code, Cursor ou Codex, et prend en charge les photos DNG, HEIC, JPG et PNG. Il inclut une étape de vérification visuelle obligatoire via un planche-contact avant de valider les glyphes, garantissant une qualité optimale. L'objectif est de numériser sa propre écriture de manière réaliste, pour des devoirs, notes ou rapports de laboratoire, sans recourir à la génération d'images par IA.

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

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

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Que fait Studio d'Écriture Manuelle Personnelle ?

Transformez des photos réelles de stylo sur papier en une bibliothèque de glyphes manuscrits réutilisable et générez par programmation des documents manuscrits réalistes multipages et des PDF — sans aucun artefact de police générée par IA.

Aperçu

Ce skill orchestre un pipeline d'écriture manuscrite en boucle fermée, 100% programmatique :

  1. Initialisation de l'espace de travail : Créez un espace de travail local personnel (conservé hors de git via .gitignore).
  2. Vérification préalable de la couverture : Analysez un brouillon cible (pages.json ou texte brut) par rapport à glyphs/manifest.json et produisez la liste minimale exacte (ou une feuille A4 imprimable) des caractères manquants.
  3. Prétraitement photo et ingestion guidée : Décodez les photos .DNG / .HEIC / .JPG / .PNG avec normalisation de l'éclairage (suppression des ombres et du transpercement du papier), découpez les caractères via un clustering de composants connectés guidé par lignes, et exécutez un audit visuel obligatoire via planche-contact avant de valider les glyphes.
  4. Mise en page réaliste et rendu PDF : Composez les pages sur du papier vierge ou des modèles personnalisés en utilisant une normalisation de l'épaisseur du trait suréchantillonnée 2× (consistance stylo gel ~0.6 mm), une déduplication multi-variantes par fenêtre glissante, une ligne de base ondulée naturelle, des tableaux/équations dessinés à main levée tremblante, et une vérification de la couverture à 100% des caractères.

Dépendances

  • Exécution : uv (recommandé) ou Python 3.10+ avec pillow et numpy. scripts/handwrite.py inclut des métadonnées en ligne PEP 723, donc uv run scripts/handwrite.py ... provisionne automatiquement les dépendances sur macOS, Linux et Windows.
  • Optionnel :
    • ffmpeg (ou pillow-heif) pour décoder les photos .HEIC.
    • swift de macOS uniquement si vous utilisez l'extracteur OCR optionnel Apple Vision (voir references/macos_vision_ocr.md).

Démarrage rapide

# 1. Initialiser un espace de travail personnel (avec l'exemple facultatif de rapport de laboratoire USST)
uv run scripts/handwrite.py init --workspace ./mon_ecriture --with-example

# 2. Vérifier quels caractères d'un brouillon sont manquants dans votre bibliothèque de glyphes
uv run scripts/handwrite.py check \
  --content ./mon_ecriture/content/sample_pages.json \
  --manifest ./mon_ecriture/glyphs/manifest.json \
  --output ./mon_ecriture/coverage_report.json \
  --grid-dir ./mon_ecriture/missing_grid

# 3. Prétraiter une photo de votre feuille manuscrite (DNG / HEIC / JPG / PNG)
uv run scripts/handwrite.py preprocess \
  --input ./mon_ecriture/photos/feuille1.jpg \
  --output-dir ./mon_ecriture/preprocessed

# 4. Simulation de découpage et audit visuel avant validation dans manifest.json
uv run scripts/handwrite.py ingest \
  --input ./mon_ecriture/preprocessed/feuille1_ink.png \
  --rows-spec ./mon_ecriture/content/rows_spec.json \
  --manifest ./mon_ecriture/glyphs/manifest.json \
  --contact-dir ./mon_ecriture/contact_sheets \
  --dry-run

# 5. Après inspection visuelle de la superposition de débogage et de la planche-contact, valider les glyphes (omettre --dry-run)
uv run scripts/handwrite.py ingest \
  --input ./mon_ecriture/preprocessed/feuille1_ink.png \
  --rows-spec ./mon_ecriture/content/rows_spec.json \
  --manifest ./mon_ecriture/glyphs/manifest.json \
  --contact-dir ./mon_ecriture/contact_sheets

# 6. Générer des PNG manuscrits réalistes multipages + PDF combiné
uv run scripts/handwrite.py render \
  --content ./mon_ecriture/content/sample_pages.json \
  --manifest ./mon_ecriture/glyphs/manifest.json \
  --assets-dir ./mon_ecriture \
  --output-dir ./mon_ecriture/output \
  --pdf-name rapport.pdf

Flux de travail standard de l'agent

Étape 1 : Vérification préalable de la couverture avant de demander à l'utilisateur d'écrire

  • Convertissez le brouillon de l'utilisateur en un pages.json structuré (voir references/page_schema.md) ou passez un brouillon .txt directement à check.
  • Exécutez uv run scripts/handwrite.py check ... pour calculer les caractères manquants exacts triés par fréquence.
  • Demandez à l'utilisateur d'écrire à la main uniquement les caractères manquants sur du papier blanc vierge avec un stylo gel noir (recommandez d'écrire 2 à 4 variantes pour les caractères à haute fréquence, les chiffres 0–9 et la ponctuation afin que les pages rendues aient l'air naturelles), et prenez une photo plate et uniformément éclairée.

Étape 2 : Prétraitement, ingestion guidée par lignes et audit visuel obligatoire

  1. Exécutez preprocess pour décoder les photos .DNG / .HEIC / .JPG / .PNG en <base>_clean.png et <base>_ink.png (RGBA transparent). Utilisez --crop x0,y0,x1,y1 (normalisé 0.0–1.0) si la photo inclut des bords de bureau ou des ombres.
  2. Créez un rows_spec.json listant les caractères écrits sur chaque ligne (utilisez "□" ou "SKIP" pour ignorer les erreurs barrées ou les taches parasites ; voir examples/usst_lab_report/sample_rows_spec.json).
  3. Exécutez toujours ingest avec --dry-run en premier. Inspectez à la fois <base>_debug.png (cadres de délimitation sur l'encre) et <base>_sheet.png (planche-contact des caractères individuels étiquetés) à l'aide de votre outil de lecture/vision de fichiers.
  4. Confirmez l'absence de mauvais alignements, de taches d'encre ou de traits tronqués. Seulement alors, réexécutez ingest sans --dry-run pour valider les glyphes dans manifest.json en utilisant des noms de fichiers insensibles à la casse multiplateforme (upper_<X>_k.png, lower_<x>_k.png, sym_u<4hex>_k.png, <ch>_k.png).

Étape 3 : Rendu et assurance qualité page par page

  1. Exécutez render. Le script applique une vérification préalable de couverture à 100% des caractères (verify_all_chars_covered) et échoue rapidement si un caractère est manquant.
  2. Inspectez visuellement chaque page_<N>.png rendue :
    • Vérifiez le pourcentage de remplissage vertical dans stdout ; si [WARNING] ... overflowed bottom margin apparaît, réduisez --font-size (plage typique 28–34), resserrez line_h_ratio (1.38–1.50), ou divisez le contenu sur une page de continuation supplémentaire.
    • Vérifiez que les champs de couverture s'alignent proprement sur les soulignements, que les tableaux ne coupent pas le texte des cellules et que les épaisseurs de trait semblent uniformes.

Référence des scripts utilitaires

Sous-commandeDescriptionPrincipaux indicateurs
initCréer un espace de travail personnel propre--workspace, --with-example
checkCalculer la couverture des glyphes et une grille A4 facultative des caractères manquants--content, --manifest, --output, --grid-dir
preprocessDécoder la photo et extraire l'encre RGBA sans ombre--input, --output-dir, --crop, --hi, --lo
ingestDécoupage guidé par lignes en glyphes RGBA + feuilles d'audit--input, --rows-spec, --manifest, --contact-dir, --dry-run, --source-id
contact-sheetGénérer une planche-contact étiquetée à partir de manifest.json--manifest, --output, --chars
renderRendre pages.json sur des modèles et exporter en PDF--content, --manifest, --output-dir, --assets-dir, --pdf-name, --font-size, --messiness, --seed

Erreurs courantes

  1. Sauter l'audit visuel --dry-run lors de l'ingestion : Une seule tache barrée ou une paire de traits adjacents fusionnés peut décaler les étiquettes d'une ligne entière. Inspectez toujours <base>_debug.png et <base>_sheet.png avant de valider.
  2. Utiliser la génération d'images IA ou des polices système de secours : Ne générez jamais de pages manuscrites avec des modèles de diffusion et ne substituez pas des polices système pour les caractères manquants. Capturez toujours les glyphes manquants réels via check → ingest.
  3. Collisions de noms de fichiers insensibles à la casse : Sur macOS (APFS) et Windows (NTFS), A_0.png et a_0.png s'écrasent mutuellement. Utilisez toujours handwrite.py (qui impose upper_A_0.png / lower_a_0.png / sym_uXXXX_0.png).
  4. Appeler sips de macOS dans des environnements sandboxés : sips peut produire silencieusement des images noires pleines dans des environnements sandboxés. handwrite.py preprocess traite .DNG en Python pur et .HEIC via pillow-heif ou ffmpeg.
  5. Valider l'écriture manuscrite personnelle dans Git : Gardez les espaces de travail personnels (glyphs/, photos/, output/) en dehors du dépôt du skill ou dans des chemins ignorés par git.

Skills associés