本发明提供了一种文本合成图像的训练方法及训练系统，涉及计算机辅助设计技术领域，其中，训练方法通过生成对抗网络的对抗性训练完成文本合成图像的训练，文本合成图像包括：根据随机噪声和由文本信息经编码后的句子向量获得输入特征图；将句子向量与输入特征图进行融合获得融合特征图，对融合特征图分别进行深度可分离卷积、保留自注意力的分解、空间特征融合处理后，再次将句子向量与处理后的融合特征图融合后生成合成图；对抗性训练包括：生成对抗网络的判别器的损失函数及生成器的损失函数根据句子向量、句子向量对应的真实图像、随机噪声及合成图完成对所述文本合成图像的训练。本技术方案解决了现有技术中文本合成图像质量不高的技术问题。