Sana

SANA 是一个面向高效高分辨率图像与视频生成的开源模型框架，基于线性注意力扩散变换器（Linear Diffusion Transformer）设计，支持 1024×1024 及更高分辨率图像合成，并扩展至文本到视频生成。其核心技术包括 NVFP4 低比特权重压缩、轻量级 ControlNet 集成、快速采样算法（如 SANA-Sprint）以及强化学习驱动的优化模块（Sol-RL）。项目提供完整训练与推理 pipeline，适配单卡消费级 GPU（如 RTX 3090）部署，适用于内容创作、AIGC 工具链集成及资源受限场景下的高质量生成任务。