Нейронные сети меняют рынок типографии и издательства книг

Искусственный интеллект продолжает захватывать наш мир. Каждый день появляется новая история о том, как его применяют в различных отраслях, чтобы сделать нашу жизнь с вами лучше, быстрее и удобнее. Кажется, ни одно сообщество не застраховано от воздействия нейронных сетей. Уже с того года, создаются видео и музыкальные треки нейронными сетями. Типографская индустрия не станет исключением. Дизайнеры, инженеры и компании одинаково изучают способы заставить машины работать так, чтобы упростить всё, начиная от сочетания шрифтов и заканчивая расположением изображений. В этой статье мы рассмотрим решения для автоматизации верстки книг от электронных форматов до печатных изданий и вы узнаете, где всё описанное ниже вы сможете опробовать уже сегодня, не обладая техническими навыками. И было бы хорошо, если бы онлайн-сервис мог самостоятельно выполнить все этапы, начиная от автоматической верстки и заканчивая публикацией в книжных магазинах.

Возникают два вопроса: что предложить и как отобразить.

Под конкретный жанр издания подбираются шрифты. В противном случае было бы странно видеть шрифты из славянских сказок в научной публикации или чертежные шрифты в сказках. Автоматизировать этот процесс не так уж сложно: достаточно использовать ChatGPT для анализа первых абзацев каждого заголовка или создать собственное решение на основе семантического анализа текста из GitHub. После этого можно предлагать набор часто используемых шрифтов для вашего жанра. Таким образом, не нужно нанимать множество специалистов по шрифтам для поиска подходящих вариантов. Например, компания IDEO разработала карту шрифтов, выявив взаимосвязи между шрифтами через нейронную сеть VGG16, используя алгоритм T-SNE для визуализации данных в трехмерном пространстве. Знания характеристик об одном подходящем шрифте позволяет найти десятки похожих.

Когда есть набор шрифтов, остается вопрос…

Ведь каждый шрифт имеет свой интервал, приятный для глаз.

В типографике одной из самых обыденных, сложных и важных задач является работа с межбуквенными интервалами, и расчетами углов. Несколько исследователей занимались вопросом использования ИИ для кернинга шрифтов. Задача сложная, так как интервалы требуют точности и связаны с визуальной компенсацией и корректировкой. Подробнее об интервалах можно прочитать здесь. Нет универсального подхода к интервалам. Сложность создания равномерного интервала усложняет создание ИИ, способного правильно распределять пространство.

Инженер Антанас Кашенас написал статью о применении искусственного интеллекта для кернинга шрифтов. Хотя статья сложна для понимания, автор приходит к выводу, что ИИ лучше распределяет интервалы, чем любое существующее программное обеспечение для кернинга.

Саймон Козенс, дизайнер и разработчик шрифтов, создал программное обеспечение для автоматического кернинга с использованием искусственного интеллекта. В своей статье автор рассказывает об использовании ИИ для кернинга.

Несмотря на все достижения в типографии и технологиях, было доказано, что нейронные сети могут генерировать свои уникальные шрифты, но получаемый дизайн часто не приносят красоты и высокого качества. Однако с появлением Midjourney Blend появилась возможность получить среднее арифметическое между двумя шрифтами. Простая идея, не так ли? Подробнее о создании собственных шрифтов с использованием нейронных сетей можно узнать из этой статьи. Вернемся к автоматизации верстки.

У нас есть наборы шрифтов и их параметры, включая размер, и в некоторых случаях сверхбольшие первые буквы. И, кажется, можно приступать к печати. Однако есть еще некоторые вопросы: количество колонок, отступы от границ, переносы текста. Они редактируются обычным изменением значений параметров. Но что делать с изображениями?

Изображения могут быть кадрируемыми (фотографии природы, паттерны, текстуры) и некадрируемыми (дипломы, графики, чертежи, фотографии с группой лиц). Классификация самих изображений не так сложна, например, с использованием нейронных сетей, таких как Yola, Inception, но есть и интересные решения, такие как CLIP, DeepBooru. Получив класс изображения, мы определяем, нужно ли его кадрировать, и размещаем в зависимости от его расположения на странице. Выбор места зависит от того, где заканчивается абзац, и изображение размещается в том месте, где указано его расположение в документе. Однако что, если мы создадим паттерн поведения для размещения изображения? Тогда нейронные сети смогут принимать описание абзаца и предлагать варианты генерации изображений с учетом стиля, соответствующего жанру публикации, а также генерировать обложки. Звучит интересно!

Таким образом, мы знаем, как автоматизировать процесс верстки с использованием нейронных сетей.

Существует несколько зарубежных онлайн-сервисов и один отечественный сервис, которые предлагают решения по автоматизации: Reedsy, Vellum, BookBaby, Pressbooks, и российский стартап Метранпаж, который, кстати, работает над развитием генерации обложек и изображений под текст, речевого синтеза аудиокниг и пытается автоматизировать весь процесс выпуска печатных изданий вплоть до размещения в маркетплейсах и книжных магазинах.

Обязательно посмотрите на Product Radar, чтобы узнать больше об этой полезной технологии и проголосовать за продукт, который вам нравится. Если у вас есть вопросы, ожидания от какого-либо проекта, или вы хотите помочь и принять участие в его развитии, оставляйте свои комментарии под проектами на Product Radar.