Los gestos durante el discurso son una modalidad crucial y no verbal para que los humanos se comuniquen. Los agentes sociales también necesitan esta capacidad para ser más parecidos a los humanos y comprensivos. Este estudio tiene como objetivo modelar la distribución de gestos condicionados a las características del habla humana. A diferencia de estudios anteriores que intentan encontrar funciones inyectivas que mapeen el habla a gestos, proponemos un modelo generativo novedoso basado en GAN condicionales para no solo convertir el habla en gestos, sino también para aproximar la distribución de gestos condicionados al habla a través de la parametrización. Una evaluación objetiva y un estudio de usuario muestran que el modelo propuesto superó al modelo determinista existente, lo que indica que los modelos generativos pueden aproximar mejor los patrones reales de gestos durante el discurso que el modelo determinista existente. Nuestros resultados sugieren que es crítico considerar la naturaleza de la aleatoriedad al modelar los gestos durante el discurso.