Sana 1600M 1024px MultiLing

🚀 Sana

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強對齊的圖像，還能部署在筆記本電腦的GPU上。

             

✨ 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強對齊的圖像。
• 支持在筆記本電腦的GPU上部署。
• 支持Emoji、中文和英文以及所有混合提示。

📚 詳細文檔

與基礎模型對比

模型	示例1	示例2	示例3	示例4
Sana_1600M_1024px
Sana_1600M_1024px_MultiLing
提示詞	🐯 穿著 👕 吹 🎷	貓 Wearing 🕶 flying on the 彩虹 with 🌹 in the ❄️	🦁 teaching 🐯 to catch 🦋	金色 🌅 下的長城, traditional Chinese style

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，並且集成了像Flow-DPM-Solver這樣的最先進擴散採樣器。MIT Han-Lab提供免費的Sana推理。

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

🧨 Diffusers

PR開發中：Sana 和 DC-AE

💻 使用示例

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：

• 生成藝術作品並用於設計和其他藝術過程。
• 在教育或創意工具中的應用。
• 生成模型的研究。
• 對有可能生成有害內容的模型進行安全部署。
• 探索和理解生成模型的侷限性和偏差。

以下是不適用的使用場景：

超出適用範圍的使用

該模型並非用於生成真實或準確反映人物或事件的內容，因此使用該模型生成此類內容超出了其能力範圍。

🔧 技術細節

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。
• 一般情況下，手指等可能無法正確生成。
• 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

該模型的許可證為NSCL v2-custom。管理條款為NVIDIA許可證。附加信息：Gemma-2-2B-IT的Gemma使用條款 | Google AI for Developers，Gemma禁止使用政策 | Google AI for Developers。