Model text-to-image mengubah kata menjadi piksel. Model ini telah mempelajari dari kumpulan gambar dan keterangan yang sangat besar seperti apa biasanya sebuah frasa, misalnya kemeja linen di teras batu saat senja, lalu menggambar gambar baru yang sesuai dengan deskripsi itu. Hasilnya baru dalam susunannya tetapi dibangun dari pola, bukan dari objek tertentu, sehingga dapat menampilkan kemeja yang masuk akal tetapi bukan kemeja milik penjual.
Itulah batas utama untuk gambar produk. Produk yang dihasilkan dari teks saja adalah karangan: berbeda dari barang aslinya dalam potongan, warna, motif, aksesori logam, dan label, dan tidak dapat mewakili barang itu di listing, semirip apa pun tampilannya. Banyak marketplace mewajibkan gambar menampilkan produk yang sebenarnya, dan beberapa hanya mengizinkan AI untuk latar, adegan, atau model di sekitar foto produk asli. Aturan tentang pengungkapan dan pelabelan gambar AI juga berbeda antar-marketplace.
Text-to-image cocok untuk hal yang tidak memiliki satu bentuk yang benar: latar, properti, adegan suasana, tekstur dan motif, atau set untuk kampanye. Untuk produk itu sendiri, jalan yang dapat diandalkan adalah image-to-image, di mana foto barang asli menjadi titik awalnya. Bila adegan hasil generasi menjadi latar bagi gambar tanpa latar dari produk asli, arah cahaya, bayangan, dan perspektifnya harus sesuai dengan foto produk, atau produknya tampak seperti tempelan.