摘要
本公开关于一种文本生成图像的方法、装置、服务器及存储介质，所述方法包括：将用于生成图像的提示文本输入大语言模型进行处理，得到所述大语言模型中的每一个Transformer模块的输出结果；所述大语言模型为仅使用解码器结构的大语言模型，每一个Transformer模块采用的注意力机制为双向注意力机制，各个Transformer模块串联连接；通过聚合模块对各个Transformer模块的输出结果进行聚合，得到聚合结果；将所述聚合结果输入图像生成模型，得到所述提示文本对应的生成图像。本方法可提高图像生成模型的生成图像与输入的提示文本的一致性。
