Модель генерации превращает слова в пиксели. Она обучена на больших наборах изображений и подписей и знает, как обычно выглядит, например, льняная рубашка на каменной террасе в сумерках; затем рисует новое изображение по описанию. Композиция получается новой, но основана на шаблонах, а не на конкретном предмете. Поэтому модель может показать правдоподобную рубашку, но не рубашку продавца.
Это главное ограничение для изображений товара. Товар, созданный только по тексту, вымышлен: у него другие крой, цвет, рисунок, фурнитура и ярлык, поэтому в карточке он не может представлять реальный товар, даже если выглядит похоже. Многие маркетплейсы требуют показывать фактический предмет; некоторые разрешают AI только для фона, сцены или модели вокруг фотографии настоящего товара. Правила раскрытия и маркировки также различаются.
Генерация по тексту подходит объектам без единственного верного вида: фонам, реквизиту, атмосферным сценам, текстурам, узорам и рекламным композициям. Для самого товара надёжнее генерация по изображению, где исходной служит его фото. Если фон создан программой, а поверх него размещён вырезанный реальный товар, направление света, тени и перспектива должны совпадать, иначе товар выглядит наклеенным.