Sana 600M 512px

🚀 薩納（Sana）模型

薩納（Sana）是一個文本到圖像的生成框架，能夠高效生成高達 4096 × 4096 分辨率的圖像。它可以以極快的速度合成高分辨率、高質量且文本與圖像高度對齊的圖像，並且可以部署在筆記本電腦的 GPU 上。

             

🚀 快速開始

本模型主要用於研究目的。你可以通過以下資源開始使用：

• 源代碼：GitHub 倉庫
• 演示：MIT Han-Lab 免費推理

✨ 主要特性

• 能夠高效生成高達 4096 × 4096 分辨率的圖像。
• 可以以極快的速度合成高分辨率、高質量且文本與圖像高度對齊的圖像。
• 可部署在筆記本電腦的 GPU 上。

📚 詳細文檔

模型

我們推出了 薩納（Sana），這是一個文本到圖像的生成框架，能夠高效生成高達 4096 × 4096 分辨率的圖像。薩納可以以極快的速度合成高分辨率、高質量且文本與圖像高度對齊的圖像，並且可以部署在筆記本電腦的 GPU 上。

源代碼可在 GitHub 上獲取。

模型描述

模型來源

出於研究目的，我們推薦使用我們的 generative-models GitHub 倉庫（https://github.com/NVlabs/Sana），它更適合訓練和推理，並且集成了最先進的擴散採樣器，如 Flow-DPM-Solver。 MIT Han-Lab 提供免費的薩納推理。

• 倉庫：https://github.com/NVlabs/Sana
• 演示：https://nv-sana.mit.edu/

🧨 Diffusers

開發中的 PR：薩納（Sana） 和 DC-AE

使用場景

直接使用

該模型僅用於研究目的。可能的研究領域和任務包括：

• 藝術作品的生成以及在設計和其他藝術過程中的應用。
• 在教育或創意工具中的應用。
• 生成模型的研究。
• 對有潛力生成有害內容的模型進行安全部署。
• 探究和理解生成模型的侷限性和偏差。

排除的使用場景如下所述。

非適用場景

該模型並非用於真實準確地呈現人物或事件，因此使用該模型生成此類內容超出了其能力範圍。

侷限性和偏差

侷限性

• 模型無法實現完美的照片級真實感。
• 模型無法渲染複雜清晰的文本。
• 一般來說，手指等細節可能無法正確生成。
• 模型的自動編碼部分存在信息損失。

偏差

雖然圖像生成模型的能力令人印象深刻，但它們也可能強化或加劇社會偏差。

📄 許可證

本模型使用 NSCL v2-custom 許可證。管理條款為 NVIDIA 許可證。附加信息請參考 Gemma 使用條款 | Google AI for Developers （適用於 Gemma-2-2B-IT）和 Gemma 禁止使用政策 | Google AI for Developers。