Sana 600M 512px

🚀 萨纳（Sana）模型

萨纳（Sana）是一个文本到图像的生成框架，能够高效生成高达 4096 × 4096 分辨率的图像。它可以以极快的速度合成高分辨率、高质量且文本与图像高度对齐的图像，并且可以部署在笔记本电脑的 GPU 上。

             

🚀 快速开始

本模型主要用于研究目的。你可以通过以下资源开始使用：

• 源代码：GitHub 仓库
• 演示：MIT Han-Lab 免费推理

✨ 主要特性

• 能够高效生成高达 4096 × 4096 分辨率的图像。
• 可以以极快的速度合成高分辨率、高质量且文本与图像高度对齐的图像。
• 可部署在笔记本电脑的 GPU 上。

📚 详细文档

模型

我们推出了 萨纳（Sana），这是一个文本到图像的生成框架，能够高效生成高达 4096 × 4096 分辨率的图像。萨纳可以以极快的速度合成高分辨率、高质量且文本与图像高度对齐的图像，并且可以部署在笔记本电脑的 GPU 上。

源代码可在 GitHub 上获取。

模型描述

模型来源

出于研究目的，我们推荐使用我们的 generative-models GitHub 仓库（https://github.com/NVlabs/Sana），它更适合训练和推理，并且集成了最先进的扩散采样器，如 Flow-DPM-Solver。 MIT Han-Lab 提供免费的萨纳推理。

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

🧨 Diffusers

开发中的 PR：萨纳（Sana） 和 DC-AE

使用场景

直接使用

该模型仅用于研究目的。可能的研究领域和任务包括：

• 艺术作品的生成以及在设计和其他艺术过程中的应用。
• 在教育或创意工具中的应用。
• 生成模型的研究。
• 对有潜力生成有害内容的模型进行安全部署。
• 探究和理解生成模型的局限性和偏差。

排除的使用场景如下所述。

非适用场景

该模型并非用于真实准确地呈现人物或事件，因此使用该模型生成此类内容超出了其能力范围。

局限性和偏差

局限性

• 模型无法实现完美的照片级真实感。
• 模型无法渲染复杂清晰的文本。
• 一般来说，手指等细节可能无法正确生成。
• 模型的自动编码部分存在信息损失。

偏差

虽然图像生成模型的能力令人印象深刻，但它们也可能强化或加剧社会偏差。

📄 许可证

本模型使用 NSCL v2-custom 许可证。管理条款为 NVIDIA 许可证。附加信息请参考 Gemma 使用条款 | Google AI for Developers （适用于 Gemma-2-2B-IT）和 Gemma 禁止使用政策 | Google AI for Developers。