本发明公开一种基于融合弥补生成对抗网络的文本生成图像的方法，应用于条件图像生成领域，针对现有技术中存在的模型复杂、合成图分辨率低和不考虑文本图像特征融合等问题，本发明搭建的融合弥补生成对抗网络模型，生成器上采样块中包括仿射调制融合块，在仿射调制融合块中通过条件卷积层多次引入文本向量作为输入，在生成器前馈过程中多次、反复利用文本条件信息，并将其融合到生成的图像特征中，实现对神经网络前馈过程中丢失信息的弥补，从而使得模型可以在单体架构中一次性生成256*256分辨率图像，避免了计算代价昂贵的额外网络的引入。