图文处理方法、装置、产品和设备

本申请公开了一种图文处理方法、装置、产品和设备，该方法包括：获取图像描述文本；识别图像描述文本中包含的第一对象，并确定与第一对象具备共现关联关系的第二对象；基于图像描述文本和第二对象进行图像生成处理，得到第一图像，第一图像中包含第一对象且不包含第二对象；根据第一对象和第二对象生成针对第一图像的第一提示文本，并采用第一提示文本和第一图像构建合成图文对；采用合成图文对对多模态语言模型进行训练，训练后的多模态语言模型用于根据输入的图文对输出对应的回复文本。采用本申请，可提升对多模态语言模型进行训练的准确性。