(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111644361.6 (22)申请日 2021.12.2 9 (71)申请人 北京字跳网络技 术有限公司 地址 100190 北京市海淀区紫金 数码园4号 楼2层0207 (72)发明人 刘玮　刘方越　 (74)专利代理 机构 北京远智汇知识产权代理有 限公司 1 1659 代理人 刘欣 (51)Int.Cl. G06F 40/109(2020.01) G06F 16/35(2019.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 文字生成方法、 装置、 电子设备及存 储介质 (57)摘要 本公开实施例提供了一种文字生 成方法、 装 置、 电子设备及存储介质， 该方法包括： 获取待显 示文字以及预先选择的目标风格类型； 将所述待 显示文字转换为与所述目标风格类型相对应的 目标文字； 其中， 所述目标文字是基于风格类型 转换模型预先生成的和/或实时生成的； 将所述 目标文字显示在目标显示界面上。 本公开实施例 提供的技术方案， 不仅提供了简洁高效的文字设 计方案， 也避免了传统手工设计过程中出现的效 率低、 成本高、 无法准确得到期望 字体的问题。 权利要求书3页 说明书19页 附图4页 CN 114330236 A 2022.04.12 CN 114330236 A 1.一种文字生成方法， 其特 征在于， 包括： 获取待显示文字以及预 先选择的目标风格 类型； 将所述待显示文字转换为与所述目标风格类型相对应的目标文字； 其中， 所述目标文 字是基于风格 类型转换模型 预先生成的和/或实时生成的； 将所述目标文字 显示在目标显示界面上。 2.根据权利要求1所述的方法， 其特征在于， 所述获取待显示文字以及预先选择的目标 风格类型， 包括： 在检测到编辑待显示文字时， 确定从风格 类型列表中选择的目标风格 类型； 其中， 所述 风格类型列表中包括与所述 风格类型转换模型相对应的风格 类型。 3.根据权利要求1所述的方法， 其特征在于， 所述将所述待显示文字转换为与 所述目标 风格类型相对应的目标文字， 包括： 从与所述目标风格类型相对应的目标文字包中， 获取与 所述待显示文字相一致的目标 文字； 其中， 所述 目标文字包是基于所述风格类型转换模型将各文字转换至目标字体后生 成的； 或， 将所述待显示文字输入至所述风格类型转换模型中， 得到与 所述目标字体相对应的目 标文字。 4.根据权利要求1 ‑3中任一所述的方法， 其特征在于， 所述风格类型转换模型中包括第 一字体特征提取子模型、 第二字体特征提取子模型、 与所述第一字体特征提取子模型相连 接的第一解耦模型、 与第二字体特征提取子模型相连接的第二解耦模型、 与所述第一解耦 模型和所述第二 解耦模型相连接的特 征拼接子模型， 以及特 征处理子模型； 其中， 所述第一字体特征提取子模型和所述第二字体特征提取子模型的模型结构相 同， 用于确定各文字的文字特征， 所述文字特征中包括风格类型特征和文字内容特征； 所述 解耦模型， 用于对所述字体特征提取子模型提取 的文字特征解耦处理， 以区分风格类型特 征和文字内容特征； 所述特征拼接子模 型， 用于对 所述解耦模 型提取的文字特征拼接处理， 得到相应文字风格特征； 所述特征 处理子模型， 用于对所述文字风格特征 处理， 得到所述待 显示文字在目标风格 类型下的目标文字 。 5.根据权利要求4所述的方法， 其特征在于， 基于风格类型转换模型确定目标风格类型 的目标文字， 包括： 基于第一特征提取子模型确定所述待显示文字的第 一待解耦文字特征， 以及基于第 二 特征提取子模型确定目标风格文字的第二待解耦文字特征； 其中， 所述 目标风格文字的文 字类型与所述目标风格 类型相一 致； 基于第一解耦模型对所述第 一待解耦文字特征处理， 得到所述待显示文字的待显示风 格类型和待显示内容特征； 以及， 基于所述第二解耦模型对所述第二待解耦文字特征 处理， 得到所述目标风格文字的目标风格 类型和目标内容特 征； 基于所述特征拼接模型获取所述待显示内容特征和所述目标风格类型， 得到与所述待 显示文字相对应的文字风格特 征； 基于所述特征处理子模型对所述文字风格特征处理， 得到所述待显示文字在所述目标 风格类型下对应的目标文字 。 6.根据权利要求 4所述的方法， 其特 征在于， 还 包括：权　利　要　求　书 1/3 页 2 CN 114330236 A 2训练得到所述 风格类型转换模型中的两个字体特 征提取子模型； 所述训练得到所述 风格类型转换模型中的两个字体特 征提取子模型， 包括： 获取第一训练样本集合； 其中， 所述第一训练样本集合中包括多个第 一训练样本， 每个 第一训练样本中包括与第一训练文字对应的理论文字图片和理论文字笔画， 以及掩膜部分 所述理论文字笔画的掩膜文字笔画； 针对各第一训练样本， 将当前第一训练样本中的理论文字 图片和掩膜文字笔画， 输入 至待训练字体特征提取子模型中， 得到与所述当前第一训练样本相对应的实际文字图片和 预测文字笔画； 基于所述待训练特征提取子模型中的第一预设损失函数对实际文字图片和理论文字 图片进行损失处理， 以及基于第二预设损失函数对所述预测文字笔画和理论文字笔画损失 处理， 以根据得到的各损失值对所述待训练字体特 征提取子模型中的模型参数进行修 正； 将所述第一预设损失函数和所述第 二预设损失函数收敛作为训练目标， 得到待使用字 体特征提取子模型； 通过对所述待 使用字体特 征提取子模型剔除处 理， 得到所述字体特 征提取子模型。 7.根据权利要求6所述的方法， 其特征在于， 所述待训练字体特征提取子模型中包括解 码模块， 所述将当前第一训练样本中的理论文字图片和掩膜文字笔画， 输入至待训练字体 特征提取子模型中， 得到与所述当前第一训练样本相对应的实际文字图片和预测文字笔 画， 包括： 提取所述理论文字 图片所对应的图像特征， 并对所述图像特征压缩处理， 得到第一待 使用特征； 通过对与所述掩膜文字笔画对应的特 征向量进行处 理， 得到第二待 使用特征； 通过对所述第 一待使用特征和所述第 二待使用特征进行特征交互， 得到与 所述第一待 使用特征对应的文字图像特 征， 以及与所述第二待 使用特征对应的实际笔画特 征； 基于所述实 际笔画特征， 得到所述预测文字笔画， 并基于所述解码模块对所述文字 图 像特征解码处 理， 得到所述实际文字图片。 8.根据权利要求7所述的方法， 其特征在于， 所述通过对所述待使用字体特征提取子模 型剔除处 理， 得到所述字体特 征提取子模型， 包括： 将所述待使用字体特征提取子模型中的所述解码模块剔除处理， 得到所述风格类型转 换模型中的字体特 征提取子模型。 9.根据权利要求6所述的方法， 其特 征在于， 还 包括： 训练得到所述 风格类型转换模型； 所述训练得到所述 风格类型转换模型， 包括： 获取第二训练样本集； 其中， 所述第 二训练样本集中包括多个第二训练样本， 所述第二 训练样本中包括两组待处理子数据和校准数据， 第一组待处理子数据中包括与待训练文字 对应的第二文字图像、 第二文字笔顺； 第二组待处理子数据中包括 目标风格类型 的第三文 字图像、 第三文字笔顺； 所述校准数据为所述第二文字图像在所述 目标风格类型下对应的 第四文字图像； 针对各第二训练样本， 将当前第二训练样本输入至待训练风格类型转换模型中， 得到 与所述当前第二训练样本对应的实际文字图像； 其中， 所述待训练风格类型转换模型中包权　利　要　求　书 2/3 页 3 CN 114330236 A 3