本申请提供了一种广告图像生成方法、系统、终端及介质，通过对获取的来自用户的多模态数据进行特征提取以及空间对齐，并基于深度学习模型融合和理解不同模态的数据，生成待确认文本特征向量；将生成的待确认文本特征向量与已有的大语言模型中的各语义标签进行语义匹配，并通过与用户进行交互确认，生成目标文本特征向量；基于预训练的广告图像生成模型，根据所述目标文本特征向量，生成符合用户需求的目标广告图像。本申请基于生成式人工智能技术，能够根据市场趋势和用户需求，自动生成符合用户需求并令用户满意的高质量商铺广告，从而提高商铺产品的营销效率并增强用户体验。