Las obras caligráficas de ciertos calígrafos a menudo contienen solo un número limitado de caracteres, en lugar del conjunto completo de caracteres chinos requeridos para la tipografía, lo cual no satisface las necesidades prácticas. Por lo tanto, existe la necesidad de desarrollar un conjunto completo de caracteres caligráficos para calígrafos. La mayoría de los métodos populares recientes para generar caracteres caligráficos se basan en el aprendizaje profundo, utilizando un enfoque de extremo a extremo para generar la imagen objetivo. Los métodos basados en aprendizaje profundo suelen sufrir de una conversión fallida de las estructuras de trazos cuando la fuente impresa difiere significativamente de la estructura de fuente objetivo. En este documento, proponemos un modelo de generación de caracteres caligráficos basado en involución, que puede realizar la conversión de fuentes impresas a fuentes caligráficas objetivo. Mejoramos el modelo Pix2Pix utilizando un nuevo operador neural, la involución, que se enfoca más en el procesamiento de características espaciales y puede manejar mejor la relación entre los trazos que los modelos que utilizan solo convolución, de modo que los caracteres caligráficos generados tengan una estructura de trazos precisa. También se agregó un módulo auto-atento y un bloque residual para aumentar la profundidad de la red y mejorar la capacidad de procesamiento de características del modelo. Evaluamos nuestro método y algunos métodos de referencia utilizando el mismo conjunto de datos, y los resultados experimentales demuestran que nuestro modelo es superior tanto en la evaluación visual como cuantitativa.