文本的图像生成方法、装置、电子设备及可读介质

本申请涉及一种文本的图像生成方法、装置、电子设备及可读介质，其中，方法包括：获取待处理文本中的各个场景片段，并对各个场景片段进行解析，得到多个场景信息；从预设数据库中提取场景片段的目标对象的初始ID嵌入向量，其中，初始ID嵌入向量包括目标对象在多个特征维度的视觉特征；根据场景信息从多个特征维度对初始ID嵌入向量进行调整，得到与各个场景片段对应的目标ID嵌入向量；利用各个目标ID嵌入向量以及场景信息依次为各个场景片段生成场景关键帧；整合各个场景关键帧，得到与待处理文本对应的关键帧图像序列。解决了同一人物在同一故事文本的不同关键帧中难以保持形象一致性的问题。