本实施例涉及人工智能技术领域，尤其涉及一种模型的训练方法和装置、文本摘要生成方法和装置、设备。模型的训练方法通过对原始图像数据进行多模态编码处理，得到原始图像向量，对原始文本数据进行多模态编码处理，得到原始文本向量；根据原始文本数据和原始图像数据得到原始摘要数据；将原始摘要数据进行向量化处理，得到原始摘要向量；根据原始摘要向量和对应的原始文本向量构建第一正例对；根据原始文本向量和对应的原始文本向量构建第二正例对；通过原始摘要数据、多个第一正例对和多个第二正例对对原始摘要生成模型进行对比学习训练，得到文本摘要生成模型。本申请实施例的技术方案，能够提高文本摘要生成模型所生成的文本摘要的准确度。