文本信息的生成方法、模型训练方法、装置及电子设备

本公开提供了文本信息的生成方法、模型训练方法、装置及电子设备，涉及人工智能技术领域，尤其涉及计算机视觉、深度学习、大模型等技术领域，可应用于光学字符识别和人机交互场景。该文本信息的生成方法的具体实现方案为：提取待处理图像的多尺度图像特征，其中，待处理图像的内容包括文本；多尺度图像特征包括用于表征文本的结构信息和内容信息的特征；基于注意力机制，对多尺度图像特征进行处理，得到与文本相匹配的目标图像特征；以及基于文本生成指令，对目标图像特征进行处理，生成与文本生成指令对应的目标文本信息。