本发明涉及图像生成技术领域，具体为一种人脸图像生成方法、系统、装置、介质；为解决现有技术中人脸生成质量低的技术问题，本发明通过分别训练，能够获取关键信息，减少数据冗余的含有编码器和解码器的图像感知模型，和能够在噪声环境下准确地提取和恢复人脸图像语义特征的含有添噪处理、语义特征提取处理和去噪处理的扩散模型后，与训练文生图模型进行结合，并进行模型权重更新处理，解决过拟合问题，让模型在人脸生成过程中更多的关注更高层面的人脸特征，而不是过分关注像素特征，从而使得模型在生成人脸图像时自然，得到人脸图像生成模型；目标需求文本经人脸图像生成模型处理，得到目标人脸图像。