Motor open source de modelos de difusión para generar imágenes, video y audio, con inferencia y entrenamiento en equipos con poca VRAM.
13,3 mil1,3 milPythonApache-2.0Actualizado hace 8 horas
NVlabs/Sana
Base de código de código abierto para generar imágenes y videos de alta resolución de forma eficiente con transformers de difusión de atención lineal, con flujos de entrenamiento e inferencia.
Alternativa open source a:Midjourney
Runway
- Estrellas
- 9,407
- Forks
- 753
- Issues abiertos
- 138
- Último commit
- hace 7 horas
¿Qué es?
SANA es una base de código de modelos de difusión de NVIDIA Labs para generar imágenes y videos de alta resolución. Su diseño principal sustituye la atención estándar del transformer de difusión por atención lineal y un autoencoder de alta compresión (DC-AE), para reducir el costo de producir resultados de gran tamaño, como imágenes 4K.
El repositorio incluye una familia de modelos: SANA para generar imágenes a partir de texto hasta 4K, SANA-1.5 para escalar durante el entrenamiento y la inferencia, SANA-Sprint para generar en uno o pocos pasos, y varios modelos de video, entre ellos SANA-Video, SANA-Video 2.0, un modelo de mundo controlable (SANA-WM) y un modelo de edición de video a video en streaming (SANA-Streaming). También incluye Sol-RL, una receta de postentrenamiento con aprendizaje por refuerzo. Los pesos preentrenados están publicados en Hugging Face y los modelos se pueden cargar mediante diffusers.
El proyecto ofrece nodos de ComfyUI, compatibilidad con el servicio de SGLang, ControlNet, ajuste fino con LoRA y DreamBooth, y cuantización de 4 y 8 bits para ejecutarlo en GPUs con memoria limitada.
Funciones clave
- 01Transformer de difusión con atención lineal para generar imágenes de alta resolución de hasta 4K.
- 02Modelos de texto a video y de texto e imagen a video, con resultados de hasta 720p.
- 03Generación en uno o pocos pasos mediante destilación sCM.
- 04Compatibilidad con el ajuste fino de ControlNet, LoRA y DreamBooth.
- 05Cuantización de 4 y 8 bits para ejecutarlo en GPUs con VRAM limitada.
- 06Integraciones con diffusers, ComfyUI y SGLang.
Casos de uso
- Generar imágenes de alta resolución en una sola GPU de consumo.
- Investigar arquitecturas eficientes de transformers de difusión.
- Ajustar un modelo de texto a imagen o de video con datos propios mediante LoRA.
- Ofrecer un modelo de difusión mediante una API compatible con OpenAI usando SGLang.
Inicio rápido
- 1
Abre la documentación oficial para la instalación y configuración
Antes de usarlo
- La generación requiere una GPU NVIDIA potente; las demostraciones del README mencionan hardware de clase 3090 y H100.
Temas
Preguntas frecuentes
- ¿Qué es Sana?
- Base de código de código abierto para generar imágenes y videos de alta resolución de forma eficiente con transformers de difusión de atención lineal, con flujos de entrenamiento e inferencia. SANA es una base de código de modelos de difusión de NVIDIA Labs para generar imágenes y videos de alta resolución. Su diseño principal sustituye la atención estándar del transformer de difusión por atención lineal y un autoencoder de alta compresión (DC-AE), para reducir el costo de producir resultados de gran tamaño, como imágenes 4K.
- ¿Sana es gratuito? ¿Qué licencia tiene?
- Sana es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿Sana sigue mantenido?
- Mantenimiento activo. El último commit de Sana fue el 20 oct 2026.
- ¿Para qué puedo usar Sana?
- Generar imágenes de alta resolución en una sola GPU de consumo. Investigar arquitecturas eficientes de transformers de difusión. Ajustar un modelo de texto a imagen o de video con datos propios mediante LoRA. Ofrecer un modelo de difusión mediante una API compatible con OpenAI usando SGLang.
- ¿Cómo se instala Sana?
- Abre la documentación oficial para la instalación y configuración
- ¿Dónde consigo Sana?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/NVlabs/Sana
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Framework de serving que amplía vLLM para ejecutar modelos omnimodales que generan texto, imágenes, audio, video y acciones.
7,3 mil1,9 milPythonApache-2.0Actualizado ayer
Interfaz web basada en Gradio para ejecutar Stable Diffusion y modelos recientes de imagen y video, que continúa el fork Forge con más compatibilidad y optimizaciones.
1,8 mil253PythonAGPL-3.0Actualizado ayer
Interfaz gráfica de nodos, API y backend para ejecutar modelos de difusión localmente y generar imágenes, video, audio y contenido 3D.
IA y Machine Learning#stable-diffusion#diffusion-models#node-editor#image-generation#video-generation
139,1 mil16,5 milPythonGPL-3.0Actualizado ayer
Modelos generativos de video de código abierto y gran escala para crear videos a partir de texto, imágenes o audio, y animar personajes.
IA y Machine Learning#video-generation#text-to-video#image-to-video#diffusion-model#mixture-of-experts
18 mil2,3 milPythonApache-2.0Actualizado hace 29 días
Modelos multimodales unificados y nativos de código abierto de SenseNova que entienden imágenes, generan imágenes a partir de texto y editan imágenes con una sola arquitectura.
6,9 mil532PythonApache-2.0Actualizado hace 19 días