本发明公开了一种基于混和网络模型的文本到图像的生成方法，通过对文本到图像的映射进行前向训练、对文本到图像生成模型中对生成器和判别器进行前向训练、对判别器输入三种类型的输入对判别器进行训练、对文本到图像的生成对抗模型进行前向测试训练、对该模型进行训练得到模型函数损失信息、使用图像评估模块对图像的质量进行评价；本发明的生成图像质量明显高于传统的GAN的文本生成的图像，从而使得应用价值更高。本发明克服了现有的基于生成对抗网络的文本到图像的模型研究的不足之处，能更好的适用于文本到图像的生成。通过本发明，能够实现高质量清晰图像的输出，并通过少量的训练数据就能得到泛化的效果。