Este trabajo presenta un método novedoso para la colorización de imágenes que utiliza un transformador de color y redes generativas adversarias (GAN) para abordar el desafío de generar imágenes colorizadas visualmente atractivas. Los enfoques convencionales a menudo tienen dificultades para capturar dependencias a largo plazo y producir colorizaciones realistas. El método propuesto integra una arquitectura de transformador para capturar información global y un marco de GAN para mejorar la calidad visual. En este estudio, se aplica un codificador de color que utiliza una distribución normal aleatoria para generar características de color. Estas características se integran luego con características de imágenes en escala de grises para mejorar la representación general de las imágenes. Nuestro método demuestra un rendimiento superior en comparación con enfoques existentes al utilizar la capacidad del transformador, que puede capturar dependencias a largo plazo y generar una colorización realista de la GAN. Los resultados experimentales muestran que la red propuesta supera significativamente otras técnicas de colorización de vanguardia, destacando su potencial para la colorización de imágenes. Esta investigación abre nuevas posibilidades para una colorización precisa y visualmente atractiva en dominios como la restauración digital y el análisis de imágenes históricas.