Propusimos un método basado en GAN para generar una forma de casco de barco. A diferencia de las formas de casco matemáticas que requieren parámetros geométricos para generar formas de casco de barco, el método propuesto requiere parámetros de rendimiento de barco deseables, es decir, el coeficiente de arrastre y el tonelaje. El objetivo de este estudio es demostrar la viabilidad de generar geometrías de casco directamente a partir de especificaciones de rendimiento, sin depender de entradas geométricas explícitas. Para lograr esto, implementamos un marco GAN de Wasserstein condicional con penalización de gradiente (cWGAN-GP). El generador aprende a sintetizar geometrías de casco condicionadas a valores de rendimiento objetivo, mientras que el discriminador se entrena para distinguir formas de casco reales de las generadas. El modelo GAN fue entrenado utilizando un conjunto de datos de formas de casco de barco generado utilizando la forma de casco Wigley generalizada. El método propuesto fue evaluado a través de experimentos numéricos y generó con éxito datos de barco con pequeños errores: menos de 0.08 en error porcentual promedio.