创建蒙古文字体是一件较为复杂和困难的工作。与汉字的特定书写结构不同,蒙古文是一种书写方式从上到下,至左向右的拼音文字,由35个字符构成,字体以主干为基准,分为词首、词中、词尾三种形式。其特殊之处在于:同一元素在词的不同位置其字形也会随之发生变化;字母跟字母之间的书写距离遵循一定的规则,否则极容易产生混淆;根据字母的发音异同,处于词的不同位置字形也会有所变化。因蒙古文字数量庞大且字形复杂,设计一套特定风格样式的蒙古文字体需要大量精通蒙古文领域的专业研究人员依靠计算机辅助或以拓印、刀刻等传统人工方式对每个蒙古文字体的每个部分进行单独设计,针对如此繁琐的工作,需要花费大量的时间,甚至可能长达数年时间来设计一套拥有独特样式的蒙古文字体,从而耗费了大量的时间、人力、物力。上述问题致使设计者们力求一种较为快捷的方法用以设计蒙古文字体,故一种能自动生成蒙古文字体风格的模型十分有必要,同时使得非蒙古文专业人员也可以设计出专属于自己风格样式的蒙古文字体。随着深度学习的日益发展,国内外已有学者开展了对汉字和英文字体风格自动迁移的研究,但蒙古文领域仍处于空白阶段。因此,本文尝试利用深度学习的方法对蒙古文字体风格迁移任务进行研究,并实现了相应的算法,具体工作内容如下:（1）针对当前蒙古文字体设计现状,阐述了本文研究任务的背景及意义,对当前深度学习和风格迁移领域的国内外研究现状进行调研和总结的同时对本文所研究的内容进行了论述。（2）首先利用TTF或OTF文件创建蒙古文字体数据集,并对其进行归一化预处理。（3）构建基于卷积神经网络的蒙古文字体风格迁移模型。本文首先采用深度学习的卷积神经网络进行实验,构建了卷积神经网络模型,模型采用均方根优化器自动调节学习率,逐渐减少差异值,可直接从蒙古文标题字体生成蒙古文手写字体,得到的生成字体样式基本接近真实字体样式,达到字体风格迁移的效果。（4）构建基于条件生成对抗网络的蒙古文字体风格迁移模型。模型采用生成损失和判别损失衡量模型,Adam优化器自动调整学习率,逐渐减少差异值,直到生成器和判别器在相互对抗过程中达到纳什平衡状态,可直接从蒙古文标题字体生成蒙古文手写字体,达到较好的蒙古文字体风格迁移效果。