书法作为我国文化的瑰宝,能够增强文字本身的美感,使文本信息更易于传递和表达。设计汉字字体是一项艰巨的任务,设计书法印刷字体更需要精通书法理论与技艺的字体设计师精心设计才能完成。因此,许多学者基于传统统计学的方法研究中文字体生成,但效果都不太理想。近年来,随着深度学习的发展,采用深度神经网络生成图像的效果明显优于传统方法。由于生成对抗网络在图像生成方面具有很好的效果,本文将字符转换成图片,通过深度神经网络来进行汉字生成的研究,并做了如下工作:（1）现有网络在生成古代书法字体的时候仍然使用简体字的写法,影响书法文字修复和研究等工作,本文基于卷积神经网络设计了一种字体风格分类网络FCNN,能够鉴别出字体风格类型,然后通过查询简繁对照表,将需要转换为繁体的字符进行转换,解决现有方法将书法字体生成为简体的问题。（2）同一个汉字字符能够出现在多种字体风格中,而常规汉字生成模型一次只能训练和生成一种风格的字体,要生成不同风格的文字需要模型重新训练。现实中字体设计师在掌握文字结构及原理的基础上,还熟悉多种字体风格。本文设计的MFGAN模型基于这一特点,同时训练多种字体风格样式,实现一次训练生成多种风格字体。（3）模型同时学习多种字体风格时会混淆样式并将其混合在一起,通过增加字体分类损失函数,以保持字体本身的风格。（4）在不同字体风格过渡之间插值,生成全新的、训练字体风格之外的字体。通过实验,看到模型生成的字符图像清晰,笔画流畅,验证了模型的汉字生成效果。