本公开提供了一种图像生成方法、装置、电子设备及存储介质，涉及人工智能技术领域，尤其涉及自然语言处理、计算机视觉、深度学习等领域。图像生成方法包括：获取用户在当前轮对话中输入的第一描述数据，该第一描述数据用于描述待生成的第一图像；基于第一描述数据，生成第一图像；将第一图像和针对该第一图像的至少一个控件作为当前轮对话的应答数据进行输出，至少一个控件与针对第一图像的至少一个动作分别对应，至少一个控件中的任一控件被配置为响应于用户对该控件的操作，对第一图像执行相应的动作。