原生 pix2pix 无法处理 同一字符对应多种字体风格的一对多问题，zi2zi 通过类别嵌入（Category Embedding）解决该问题
zi2zi 的网络流程是基于 pix2pix 的 U-Net 生成器与 PatchGAN 判别器构建的端到端 CJK 字体条件图像翻译流程，融合 AC-GAN 和 DTN 核心设计，整体分训练与推理两个阶段，且适配预训练大模型 + 单风格微调的两步训练策略；训练时生成器先接收宋体字符图像（字符身份条件）与高斯风格嵌入 + 风格类别标识（风格条件）的双条件输入，经编码器下采样提取 CJK 字符通用结构嵌入，再将该嵌入与风格嵌入通道拼接，解码器借助 U-Net 跳跃连接上采样融合特征生成目标风格字符假图，随后判别器对生成假图和对应真实目标风格图做 PatchGAN 局部真假判断与风格分类的双任务输出，再据此计算 GAN 真假、AC-GAN 类别、L1 像素、DTN 常数四类核心损失并加权求和，通过反向传播实现生成器与判别器的对抗参数更新，其中预训练阶段更新生成器编码器 + 解码器与判别器，微调阶段冻结编码器仅更新解码器和判别器，多轮迭代至收敛后，推理阶段则舍弃判别器，仅用训练完成的生成器，输入宋体字符图像与指定风格嵌入，即可完成端到端的字体风格迁移，输出目标风格字符图像。
注意：
- 风格条件 1：风格类别标识 c（独热编码，如第 3 种字体风格为 [0,0,1,0,...]），代表「要生成的字体风格是哪一种」；
- 风格条件 2：高斯风格嵌入 z（随机生成的不可训练高斯噪声，维度固定），是 zi2zi 解决「同一字符对应多种风格」的核心设计，通过噪声表征不同风格的细微特征，与风格类别标识一一对应。
- 损失函数：GAN 真假损失——判别器的真假概率，类别损失——目标风格是否正确，L1 像素损失——像素损失（这个不用编码器提取特征，检查图片二进制编码的差异），常数损失——生成器编码器对 X 和 G (X,z,c) 的嵌入向量差值，可选 TV 损失 L_tv——生成假图的像素梯度（优化图像平滑度（项目中对书法体无效，默认关闭））
