Um modelo de texto para imagem transforma palavras em pixels. Ele aprendeu, a partir de coleções muito grandes de imagens e legendas, como costuma ser uma frase como uma camisa de linho em um terraço de pedra ao entardecer, e desenha uma imagem nova que combina com a descrição. O resultado é novo na composição, mas construído a partir de padrões, não de um objeto específico, por isso pode mostrar uma camisa plausível, mas não a camisa do vendedor.
Esse é o limite central para imagens de produto. Um produto gerado só a partir de texto é inventado: ele difere do artigo real em corte, cor, estampa, aviamentos e etiqueta, e não pode representar esse artigo em um anúncio, por mais parecido que seja. Muitos marketplaces exigem que as imagens mostrem o produto real, e vários só permitem IA para fundos, cenários ou modelos em volta de uma foto real do produto. As regras sobre declarar e identificar imagens de IA também variam entre marketplaces.
O texto para imagem serve para o que não tem uma única forma verdadeira: fundos, objetos de cena, cenas de ambientação, texturas e estampas, ou um cenário para uma campanha. Para o produto em si, o caminho confiável é o de imagem para imagem, em que uma foto do artigo real é o ponto de partida. Quando uma cena gerada serve de fundo para um recorte do produto real, a direção da luz, as sombras e a perspectiva precisam combinar com a foto do produto, ou ele parece colado.