本发明提供了一种多媒体文本信息处理方法、装置、介质和电子设备，其中，处理方法包括：若渲染后的文本满足第二预设条件，则对渲染后的文本进行图片格式转换，得到对应的携带有文本图片描述信息的文本图片；将携带有文本图片描述信息的文本图片发送至服务器，以便于服务器根据文本图片和文本图片描述信息生成对应的字幕对象，并将字幕对象添加到当前播放多媒体内容的播放界面中进行展示。本发明通过将渲染后的文本转换成文本图片，并将携带有文本图片描述信息的文本图片发送至服务器，将文本图片作为传输媒介，不仅简化了传输协议以及多媒体文本信息处理流程，还使得多媒体文本信息在浏览器端的预览效果和服务器端的合成效果能够保持一致。