La transición de la Industria 4.0 a la Industria 5.0 otorga mayor protagonismo a las prácticas de fabricación centradas en el ser humano y sostenibles. Este documento propone un marco de diseño conceptual basado en Transformadores de Visión (ViTs) y gemelos digitales, para satisfacer las demandas de la Industria 5.0. Los ViTs, conocidos por sus avanzadas capacidades de análisis de datos visuales, complementan las capacidades de simulación y optimización de los gemelos digitales, que a su vez pueden mejorar el mantenimiento predictivo, el control de calidad y la simbiosis humano-máquina. El marco aplicado es capaz de analizar datos multidimensionales, integrando flujos operativos y visuales para el seguimiento en tiempo real y la aplicación en la toma de decisiones. Sus principales características son la detección de anomalías, el análisis predictivo y la optimización adaptativa, que están en línea con los objetivos de la Industria 5.0 para la sostenibilidad, la resiliencia y la personalización. Los casos de uso, incluyendo el mantenimiento predictivo y el control de calidad, demuestran una mayor eficiencia, reducción de desechos e interacción confiable con el operador. En este trabajo, se discute el papel emergente de los ViTs y los gemelos digitales en el desarrollo de ecosistemas industriales inteligentes, dinámicos y centrados en el ser humano.