Ved billede-til-billede får modellen et billede ud over en prompt. Afhængigt af metoden fastlægger kilden kompositionen, motivet eller kun stilen, og en styrkeindstilling afgør, hvor langt resultatet må bevæge sig væk fra den. For sælgere er den nyttige form den, hvor produktfotoet er ankeret: Kjolen, tasken eller skoen forbliver motivet, mens omgivelserne, modellen eller lyset ændres.
Kilden bærer den information, resultatet afhænger af. Et sløret telefonfoto, et krøllet stykke tøj eller et farvestik bliver enten givet videre eller gættet uden om; et skarpt, jævnt belyst foto af hele produktet, taget lige forfra, efterlader mindst for modellen at opfinde. Dele, kilden ikke viser, som bagsiden af en jakke eller indersiden af en taske, må opfindes, og det er der, fejlene opstår.
Selv ud fra en god kilde er resultatet en ny tegning af produktet, ikke de originale pixels. Jo højere styrkeindstillingen er, desto friere tegner modellen om: Først ændres scenen, så glider farve og struktur, så konstruktionen som sømlinjer, lommeformer og trykkets placering. En lav styrke holder sig tæt på kilden, men beholder også dens fejl, så indstillingen findes ved at sammenligne nogle resultater med den rigtige vare. Markedspladser, der accepterer AI-billeder, beder om, at de viser produktet nøjagtigt, og reglerne for mærkning er forskellige fra sted til sted.