面向图像、视频和音频生成的开源 Diffusion 模型引擎，支持低显存推理与训练。
1.3万1318PythonApache-2.0更新于 4小时前
- Star
- 9,407
- Fork
- 753
- 未关闭 Issue
- 138
- 最近提交
- 3小时前
这是什么？
SANA 是 NVIDIA Labs 开源的扩散模型代码库，用于生成高分辨率图像和视频。其核心设计是在扩散 Transformer 中用线性注意力替代标准注意力，并结合高压缩率的自编码器 DC-AE，以降低生成大尺寸输出（如 4K 图像）的计算成本。
项目包含一系列模型：SANA 支持最高 4K 的文生图，SANA-1.5 支持训练与推理阶段的算力扩展，SANA-Sprint 支持单步或少步生成，视频方面有 SANA-Video、SANA-Video 2.0、可控世界模型 SANA-WM 和流式视频编辑模型 SANA-Streaming。此外还提供基于强化学习的后训练方案 Sol-RL。预训练权重发布在 Hugging Face 上，可通过 diffusers 加载。
项目支持 ComfyUI 节点、SGLang 服务部署、ControlNet、LoRA 与 DreamBooth 微调，并提供 4-bit 和 8-bit 量化，便于在显存有限的 GPU 上运行。
核心功能
- 01基于线性注意力的扩散 Transformer，支持最高 4K 图像生成。
- 02支持文生视频与图生视频，包括 720p 输出。
- 03通过 sCM 蒸馏实现单步或少步生成。
- 04支持 ControlNet、LoRA 与 DreamBooth 微调。
- 05提供 4-bit 与 8-bit 量化，可在显存有限的 GPU 上运行。
- 06可与 diffusers、ComfyUI、SGLang 集成。
适用场景
- 在单张消费级 GPU 上生成高分辨率图像。
- 研究高效的扩散 Transformer 架构。
- 使用 LoRA 在自定义数据上微调文生图或视频模型。
- 借助 SGLang 以 OpenAI 兼容接口对外提供扩散模型服务。
快速上手
- 1
打开官方文档以完成安装和配置
使用前须知
- 运行生成需要性能较强的NVIDIA GPU；README中的演示提到了3090级别及H100硬件。
标签
常见问题
- Sana 是什么？
- 面向高分辨率图像与视频生成的开源代码库，基于线性扩散 Transformer，提供训练与推理流程。 SANA 是 NVIDIA Labs 开源的扩散模型代码库，用于生成高分辨率图像和视频。其核心设计是在扩散 Transformer 中用线性注意力替代标准注意力，并结合高压缩率的自编码器 DC-AE，以降低生成大尺寸输出（如 4K 图像）的计算成本。
- Sana 可以免费使用吗？用的什么许可证？
- Sana 以 Apache-2.0 许可证开源。用于商业产品前，请先确认许可证条款。
- Sana 还在维护吗？
- 活跃维护中。Sana 最近一次提交是在 2026年10月20日。
- Sana 适合用来做什么？
- 在单张消费级 GPU 上生成高分辨率图像。 研究高效的扩散 Transformer 架构。 使用 LoRA 在自定义数据上微调文生图或视频模型。 借助 SGLang 以 OpenAI 兼容接口对外提供扩散模型服务。
- Sana 怎么安装和运行？
- 打开官方文档以完成安装和配置
- 在哪里获取 Sana？
- 源代码和安装说明在 GitHub 上：https://github.com/NVlabs/Sana
概要由 AI 根据项目 README 生成；GitHub 数据每日更新。
相关项目
基于 vLLM 扩展的推理服务框架，支持文本、图像、音频、视频等全模态模型部署。
72551934PythonApache-2.0更新于 21小时前
基于 Gradio 的 Stable Diffusion 网页界面，延续 Forge 分支并支持多种新模型与性能优化。
1827253PythonAGPL-3.0更新于 昨天
基于节点图的扩散模型图形界面、API 与后端，可在本地生成图像、视频、音频和 3D 内容。
13.9万1.7万PythonGPL-3.0更新于 昨天
开源的大规模视频生成模型，支持文生视频、图生视频、语音生视频和角色动画。
1.8万2335PythonApache-2.0更新于 29天前
商汤 SenseNova 开源的原生统一多模态模型，在同一架构中完成图像理解、文生图与图像编辑。
6911532PythonApache-2.0更新于 19天前