Este estudio aborda los desafíos de accesibilidad que enfrentan las personas con discapacidades visuales debido al acceso limitado a la información gráfica, lo que impacta significativamente su integración educativa y social. Los métodos tradicionales para producir gráficos táctiles son intensivos en mano de obra y requieren experiencia especializada, lo que limita su disponibilidad. Los avances recientes en modelos generativos, como GANs, modelos de difusión y VAEs, ofrecen posibles soluciones para automatizar la creación de imágenes táctiles. En este trabajo, proponemos un nuevo modelo generativo condicionado a indicaciones de texto, integrando un Transformer Bidireccional y Auto-Regresivo (BART) y un Codificador Variacional Vector Cuantificado (VQ-VAE). Este modelo transforma descripciones textuales en gráficos táctiles, abordando requisitos clave de legibilidad y accesibilidad. El rendimiento del modelo fue evaluado utilizando métricas de entropía cruzada, perplejidad, error cuadrático medio y puntuación CLIP, demostrando su capacidad para generar imágenes táctiles de alta calidad y personalizables. Las pruebas realizadas con instituciones educativas y de rehabilitación confirmaron la practicidad y eficiencia del sistema, que reduce significativamente el tiempo de producción y requiere una experiencia mínima por parte del operador. El enfoque propuesto mejora la producción de materiales educativos inclusivos, permitiendo un mejor acceso a una educación de calidad y fomentando una mayor independencia para las personas con discapacidades visuales. La investigación futura se centrará en expandir el conjunto de datos de entrenamiento y refinar el modelo para escenarios complejos.