يولّد DALL·E، الذي قدّمه Ramesh وزملاؤه (2021)، الصورَ من مطالبات نصية عبر نمذجة رموز النص والصورة بوصفها تدفّقًا واحدًا باستخدام Transformer. وقد أثبت قدرة مقنعة على توليد الصور من النص دون أمثلة، وأسهم في إطلاق الموجة الاستهلاكية من أدوات توليد الصور.
تعتمد أنظمة تحويل النص إلى صورة اللاحقة على نماذج الانتشار بصورة متزايدة، لكن DALL·E أرسى نموذج «من المطالبة إلى الصورة» الشائع اليوم في الأدوات الإبداعية.