本发明公开一种场景图文生成方法和系统，其方法包括步骤：S1:文本行提取，即从给定的场景图像中提取出文本所在的区域，作为文本行风格图像；S2:文本行风格迁移，即将给定的文本图像和风格图像进行融合，得到融合图像；S3:场景文本融合，即将融合图像嵌入到输入图像中，并进行渲染得到输出图像。本发明采取的技术方案，根据文本位置信息，将输入场景图片中的文字内容替换为其他语种文字内容，同时保留输入图片的文字的风格和背景，并提升了替换效果。