Sana

SANA是由NVIDIA、麻省理工学院和清华大学联合开发的文本到图像生成框架，能够高效生成高达4096×4096分辨率的高清晰度图像。该框架结合了深度压缩自编码器、线性扩散变换器（Linear DiT）、小型语言模型作为文本编码器，以及高效的训练和采样策略，实现了快速生成与文本高度对齐的高分辨率图像。SANA在模型规模和运行效率上表现优异，能够在普通笔记本电脑的GPU上迅速部署，支持在不到一秒的时间内生成1024×1024分辨率的图像，大幅降低了内容创作的成本。