confusable-vision

दुनिया का पहला फ़ॉन्ट-दर-फ़ॉन्ट confusables डेटासेट। कौन से Unicode अक्षर किसके जैसे दिखते हैं, यह पिक्सेल के बजाय फ़ॉन्ट्स की रूपरेखाओं से मापा गया है। वर्तमान रिलीज़, 2026.09.26, 322 फ़ॉन्ट्स में से प्रत्येक द्वारा खींचे गए हर अक्षर और अंक की तुलना करती है, उस आकार और बेसलाइन स्थिति पर जो चल रहे टेक्स्ट में प्रत्येक ग्लिफ़ का होता है। ASCII अक्षरों और अंकों के समान दिखने वाले अक्षरों की फिर जगह पर जाँच की जाती है: आम फ़ॉन्ट्स में अन्य अक्षरों के बीच, उस आकार में जिसमें लोग उन्हें पढ़ते हैं, रखकर, और उन जोड़ों से तुलना की जाती है जिन्हें सभी समान मानते हैं, जैसे 0 और O।

addons.mozilla.org ऐड-ऑन नामों में समान दिखने वाले अक्षरों की जाँच के लिए confusable-vision के अक्षरों का उपयोग करता है, Mozilla के स्रोत में श्रेय दिया गया; देखें Used by।

Used by

• Mozilla addons-server, जो addons.mozilla.org के पीछे का कोड है, ऐड-ऑन नामों की जाँच करते समय समान दिखने वाले अक्षरों को ASCII में बदलने के लिए उपयोग की जाने वाली तालिका में confusable-vision के आउटपुट से अक्षर जोड़ता है: src/olympia/amo/confusables.py, पुल रिक्वेस्ट #24468, #24541, #24612 और #24665 (फ़रवरी से मार्च 2026)।
• disarm (raeq/disarm), जो शत्रुतापूर्ण Unicode को क्लासिफायर, इंडेक्स और आइडेंटिफायर तक पहुँचने से पहले कैनोनिकलाइज़ करता है, confusable-vision से मापे गए जोड़ों को अपनी confusables तालिकाओं में जोड़ता है: data/confusables_supplement.tsv, data/confusables_vision.tsv।
• SilverSpeak (ACMCMC/silverspeak), टेक्स्ट पर होमोग्लिफ़ हमलों को अंजाम देने और निष्क्रिय करने के लिए एक Python लाइब्रेरी, अपने होमोग्लिफ़ ग्राफ़ में दृश्य पड़ोसियों को confusable-vision की डिस्कवरी फ़ाइलों से बनाती है (docs/hkb.md)।
• namespace-guard मापे गए जोड़ों को शिप करता है, और इसके माध्यम से वे agent-sanitizer तक पहुँचते हैं, जो namespace-guard को AI एजेंट के टूल-कॉल इनपुट में समान दिखने वाले अक्षरों को ASCII में बदलने के लिए अपने डिफ़ॉल्ट इंजन के रूप में उपयोग करता है (deps.dev)।

इन परियोजनाओं ने अपना डेटा confusable-vision के फ़रवरी और मार्च 2026 के आउटपुट से लिया।

Hacker News पर चर्चा: I rendered 1,418 confusables over 230 fonts और Confusables.txt and NFKC disagree on 31 characters।

रिलीज़ 2026.09.26 आँकड़ों में:

• 322 फ़ॉन्ट्स: macOS पर हर फ़ॉन्ट, जिसमें PingFang जैसे माँग पर डाउनलोड होने वाले फ़ॉन्ट भी शामिल हैं, साथ ही Roboto, Noto Sans, Noto Serif, Noto Sans CJK और DejaVu। 140 लिपियों में 64,751 कोड पॉइंट्स।
• कम से कम एक फ़ॉन्ट या फ़ॉन्ट संयोजन में समान दिखने वाले 11,517 जोड़े, जिनमें से 5,975 सुझाए गए थ्रेशोल्ड पास करते हैं।
• एक अक्षर और दो-अक्षर के ASCII अनुक्रम के 719 जोड़े, जैसे ǁ और ll, या Ы और bl।
• ASCII अक्षरों, अंकों और अनुक्रमों के 3,055 संभावित समान दिखने वाले अक्षर जगह पर जाँचे गए: 646 strict स्तर पर समान, 358 और broad स्तर पर, 101 और जो अक्षर के किसी अन्य आम फ़ॉन्ट के डिज़ाइन से मेल खाते हैं। strict में से 224 Unicode की confusables.txt में नहीं हैं।

डेटा data/release/2026.09.26/ में एक वर्शन्ड रिलीज़ के रूप में प्रकाशित है (CC-BY-4.0)। namespace-guard और d0ma1n इस पर बने हैं।

रिलीज़ 2 से क्या बदला

रिलीज़ 2 (2026.09.24, और TLD डेटा के लिए 2026.09.25) ने केवल उन जोड़ों और फ़ॉन्ट्स की तुलना की जिनकी तुलना पहले के रन में की गई थी। समान ग्लिफ़्स के एक ऑडिट में पाया गया कि इसने उन 2,654 मामलों में से 637 पकड़े जहाँ एक फ़ॉन्ट दो अक्षरों को एक ही ग्लिफ़ से खींचता है। रिलीज़ 3 इसे ठीक करती है और तीन चीज़ें जोड़ती है:

• कवरेज। प्रत्येक फ़ॉन्ट द्वारा खींचा गया हर अक्षर और अंक उस फ़ॉन्ट में हर अन्य से तुलना किया जाता है, जिसमें Han और Hangul भी शामिल हैं। रिलीज़ 2 ने अपने अक्षर एक निश्चित सूची से लिए, इसलिए यह Yi, Canadian Aboriginal, Ethiopic या Indic लिपियों के अधिकांश तक कभी नहीं पहुँची, और इसने केवल-लिपि वाले फ़ॉन्ट्स और PingFang को छोड़ दिया।
• सही फ़ेस। फ़ॉन्ट संग्रह उस फ़ेस में लोड किए जाते हैं जो ब्राउज़र बॉडी टेक्स्ट के लिए उपयोग करता है। पहले के रन पहला फ़ेस लेते थे, जो कुछ संग्रहों के लिए bold, black या italic था।
• ओवरलैपिंग कंटूर, जैसे San Francisco जैसे वेरिएबल फ़ॉन्ट्स में, उनके स्ट्रोक्स के यूनियन के रूप में मापे जाते हैं, जैसे पाठक उन्हें देखता है।
• दो-अक्षर के अनुक्रम। दो ASCII अक्षरों या अंकों का हर अनुक्रम (3,844) उसी तरह सेट किया जाता है जैसे प्रत्येक फ़ॉन्ट उसे सेट करता है, उसके kerning और ligatures के साथ, और एक अक्षर की तरह तुलना की जाती है।
• क्रॉस-फ़ॉन्ट बार पेज फ़ॉन्ट्स के ऊपरी चतुर्थक द्वारा निर्धारित होता है, इसलिए सर्वेक्षण में फ़ॉन्ट्स जोड़ने से यह नहीं हिल सकता।
• जगह पर जाँच (नीचे)।

मार्च 2026 के आँकड़े (245 फ़ॉन्ट्स में 249,976 एकल-अक्षर जोड़े और 2,524,275 बाइग्राम जोड़े) उन मापों से आए जिन्होंने आकार और बेसलाइन को नज़रअंदाज़ किया। वे अधिक्रमित हैं; उन रनों की फ़ाइलें संदर्भ के लिए data/output/ में रहती हैं।

यह कैसे काम करता है

ग्लिफ़्स को मापना

RaySpace प्रत्येक ग्लिफ़ की रूपरेखा के माध्यम से 36 कोणों पर समानांतर किरणें डालता है, प्रत्येक 50 किरणें, और प्रति किरण पाँच चीज़ें रिकॉर्ड करता है: यह रूपरेखा को कितनी बार पार करती है, कहाँ, किस कोण पर, हर बार स्याही के माध्यम से कितनी दूर जाती है (इसकी ping, किरण के साथ स्ट्रोक की चौड़ाई), और स्ट्रोक्स के बीच सबसे चौड़ा अंतराल। प्रत्येक ग्लिफ़ दो बार मापा जाता है: अपने स्वयं के बॉक्स में, आकार के लिए, और बेसलाइन पर एक निश्चित फ़्रेम में, ताकि आकार और स्थिति मायने रखें। दो अक्षर एक फ़ॉन्ट में समान होते हैं जब आकार की दूरी 0.5 से कम हो और बेसलाइन-एंकर्ड दूरी 0.2 से कम हो। तुलना Rust (native/cv-pairs) में चलती है, हर कोर पर।

• एक फ़ॉन्ट के भीतर: फ़ॉन्ट द्वारा खींचे गए अक्षरों और अंकों का हर जोड़ा।
• फ़ॉन्ट्स के बीच: एक अक्षर अपने स्वयं के फ़ॉन्ट में, जैसे ब्राउज़र का fallback इसे खींचेगा, बनाम 26 पेज फ़ॉन्ट्स में से प्रत्येक के 62 ASCII अक्षरों और अंकों के विरुद्ध जिनमें यह नहीं है। यह तब गिना जाता है जब ASCII अक्षर निकटतम हो, और अक्षर उसके उतना ही करीब हो जितना वह अक्षर अन्य पेज फ़ॉन्ट्स के ऊपरी चतुर्थक में स्वयं के करीब है।
• अनुक्रम: हर अक्षर बनाम 3,844 दो-अक्षर ASCII अनुक्रम, जैसे प्रत्येक फ़ॉन्ट उन्हें सेट करता है (Core Text; HarfBuzz उन्हें समान रूप से सेट करता है सिवाय सिस्टम फ़ॉन्ट की tracking के)।

जगह पर जाँचना

अलगाव में मापा गया एक समान दिखने वाला अक्षर टेक्स्ट की एक पंक्ति में अभी भी अलग दिख सकता है। इसलिए ASCII अक्षर, अंक या अनुक्रम के प्रत्येक संभावित समान दिखने वाले अक्षर को पड़ोसियों के बीच (pa_nel, 20_5) पाँच संदर्भों में सेट किया जाता है, सिस्टम फ़ॉन्ट 13 px पर और Helvetica, Arial, Times New Roman और Georgia 16 px पर, प्रत्येक डिवाइस पिक्सेल अनुपात 1 और 2 पर, प्लेटफ़ॉर्म के फ़ॉन्ट fallback के साथ। कुछ भी रीस्केल नहीं किया जाता: समान दिखने वाले अक्षर की तुलना वहीं की जाती है जहाँ वह पंक्ति में पड़ता है।