本发明涉及一种基于生成对抗网络的多尺度双模态文本生成图像方法，属于文本到图像的合成技术领域，包括以下步骤：步骤1，构造基于生成对抗网络的多尺度双模态文本图像生成模型，步骤2，编码给定的文本描述，得到相应的文本编码特征，步骤3，将预处理过的文本特征以及一个服从高斯分布的噪声作为文本图像生成模型的输入，步骤4，将中间图像特征经过一个双模态调整注意力机制，步骤5，将中间图像特征经过生成器得到由文本描述产生的图片，本发明有益效果在于，提出一种双模态调整注意力机制，通过文本图像两种模态来调整生成图像，以及一种多尺度一致性鉴别器，通过其约束词级文本模态和多尺度视觉模态之间的相关性来增强语义一致性。