La caligrafía china es un aspecto significativo de la cultura tradicional, ya que implica el arte de escribir caracteres chinos. A pesar del desarrollo de numerosos modelos de aprendizaje profundo para generar caracteres de caligrafía, las salidas resultantes a menudo sufren problemas relacionados con la precisión de trazos y la consistencia estilística. Para abordar estos problemas, se propone un modelo de generación de extremo a extremo para caracteres de caligrafía china basado en bloques densos y una red de cápsulas. Este modelo tiene como objetivo resolver problemas como trazos redundantes y rotos, trazos torcidos y deformados, y la falta de similitud con los auténticos. El generador del modelo emplea mecanismos de autoatención y bloques densamente conectados para reducir trazos redundantes y rotos. El discriminador, por otro lado, consta de una red de cápsulas y una red totalmente conectada para reducir trazos torcidos y deformados. Además, la función de pérdida incluye pérdida perceptual para mejorar la similitud entre los caracteres de caligrafía generados y los auténticos. Para demostrar la validez del modelo propuesto, realizamos experimentos de comparación y ablación en los conjuntos de datos del script regular de Yan Zhenqing, el script clerical de Deng Shiru y el script cursivo de Wang Xizhi. Los resultados experimentales muestran que, en comparación con el modelo de comparación, el modelo propuesto mejora SSIM en 0.07 en promedio, reduce MSE en 1.95 en promedio y mejora PSNR en 0.92 en promedio, lo que demuestra la efectividad del modelo propuesto.