AI软件查看字体大致通常涉及下面内容流程：

1. 图像输入：

   你需要将包含字体的图像输入到AI软件中，这可以通过拖放、文件选择或者API调用等方法实现。

2. 图像预处理：

   图像也许需要进行预处理，如调整亮度和对比度，去除背景噪声等,以确保字体识别的准确性。

3. 字体检测：

   AI软件会运用预训练的模型来检测图像中的字体，这通常涉及深度进修技术，如卷积神经网络（CNN）。

4. 特征提取：

   模型会提取图像中字体的特征，这些特征也许包括字体的形状、线条粗细、角度等。

5. 字体大致估计：

   根据提取的特征，AI软件会估计字体的大致,这也许需要运用额外的模型或算法来解析特征并得出结论。

6. 结局输出：

   AI软件会输出字体大致的估计值。

下面内容是一些也许运用的工具和流程：

运用Python和OpenCV

import cv2
import pytesseract
# 读取图像
image = cv2.imread('path_to_image.jpg')
# 运用pytesseract进行OCR
text = pytesseract.image_to_string(image)
# 打印检测到的文本
print(text)

运用TensorFlow和Keras

import tensorflow as tf
from tensorflow.keras.models import load_model
# 加载预训练的模型
model = load_model('path_to_model.h5')
# 预处理图像
preprocessed_image = preprocess_image(image)
# 预测字体大致
font_size = model.predict(preprocessed_image)
# 打印字体大致
print(font_size)

代码仅为示例，具体实现也许因所选工具和库而异，在实际应用中,你也许需要根据具体需求调整模型和预处理流程。