据传说,仓颉创造象形文字时,天雨粟,鬼夜哭。从此中国书法汉字登上了历史舞台。书法汉字经过长达五千年历史文化的更迭,从甲骨文、金文、大篆、小篆、隶书演变成为东汉后期的草书、楷书、行书等字体,它不仅是过去历史的重要载体,更是我国人民丰富的创造力与想象力的重要证明。然而,以宣纸与石碑作为流传载体的书法文字很容易被损毁与遗失,影响中国书法的有效传承。所以利用现代科技对中国书法文字进行虚拟修复和补充是很有意义的。二十一世纪以来,人工智能技术飞速发展,为书法文字的虚拟修复提供了必要的条件。本文讨论了传统的书法字生成方法和基于人工智能技术的生成模型,分析了现有模型的缺陷,针对生成书法字技术,提出了两种书法字生成模型和一种风格融合模型。本文的创新性工作主要如下:1.基于配对数据的书法字生成模型。由于传统的书法字生成模型存在生成样本效果差、生成效率低等问题,本文提出了一种基于配对数据的书法字生成模型。该模型基于生成对抗网络框架引入自编码器结构,优化框架的神经网络结构,引入Batch Normalization层、Adam优化器和相关损失函数。通过配对的书法样本数据作为数据集进行训练后,对于整体风格与细节信息,模型批量生成的书法样本与真迹样本都高度一致,证明了模型的逼真性和有效性。2.基于非配对数据的书法字生成模型。由于配对数据的书法字生成模型对输入数据要求必须为配对的书法样本数据,对于数据的要求过于苛刻,本文提出了一种基于非配对数据的书法字生成模型。该模型基于通用的生成对抗网络框架引入分布变换模块和融合结构,优化框架的神经网络结构,加入采样模块、WGAN损失函数与相关优化器。通过非配对书法数据作为数据集进行训练后,对于整体风格与细节信息,模型批量生成的书法样本与真迹样本都高度一致。除此以外,该模型还与多种生成模型通过客观评价的SSIM指标进行对比,证明了本文提出的模型生成效果的逼真性、有效性和可靠性。3.书法风格融合模型。为了帮助书法爱好者和研究者更好地了解到不同书法家的风格差异,并生成共同具有两种书法风格的书法样本。本文提出了一种基于生成对抗网络的书法风格融合模型。模型由基于多个损失函数与神经网络模块的生成对抗网络构成,引入风格插值变量、WGAN的损失函数与优化器等。通过匹配书法数据对作为数据集进行训练后,模型批量生成的样本有效的兼容了不同的书法风格,保留了风格的细节信息,证明了模型生成效果的有效性和可靠性。