/ Модель

Характеристики

Размер весов
6,4 ГБ
Лицензия
Apache 2.0
Библиотека
sana
Опубликована
4 ноя 2024

Sana_1600M_1024px

Генерация изображенийТекст → изображение4 профессии

Sana 1600M 1024px — модель NVIDIA для быстрого создания и редактирования изображений по текстовым промптам.

1 203скачиваний за 30 дней226лайковвеса обновлены31 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Sana 1600M 1024px — модель генерации и редактирования изображений по текстовому описанию, разработанная NVIDIA. Она использует архитектуру Linear Diffusion Transformer, текстовый энкодер Gemma2-2B-IT и сжатие латентных признаков DC-AE; размер модели — около 1,65 млрд параметров. Модель рассчитана на изображения базового разрешения 1024 пикселя с разными соотношениями сторон. Семейство Sana также поддерживает генерацию изображений высокого разрешения, вплоть до 4096 × 4096, и заявлено как достаточно быстрое для запуска на GPU ноутбука.

Модель подходит для создания иллюстраций и концептов по промптам, творческих и образовательных инструментов, а также исследований генеративных моделей. Карточка указывает английский и китайский языки. Лицензия — Apache 2.0; также действуют условия использования Gemma 2 и политика запрещённого использования Google. Модель не предназначена для достоверного изображения реальных людей и событий. Фотореализм несовершенен, сложный читаемый текст и анатомические детали, например пальцы, могут генерироваться неправильно; латентное автокодирование приводит к потере информации.

Сценарии применения

  • создание иллюстраций по текстовому описанию
  • генерация концепт-арта для дизайна
  • создание изображений для творческих и образовательных приложений
  • редактирование изображений по текстовым инструкциям
  • исследование генерации изображений диффузионными моделями

Ограничения

Модель не гарантирует фотореализм и плохо справляется со сложным читаемым текстом и деталями вроде пальцев; латентное автокодирование с потерями снижает точность. Генерация достоверных изображений реальных людей и событий не входит в целевое применение.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

🐱 Sana Model Card

Model

We introduce Sana, a text-to-image framework that can efficiently generate images up to 4096 × 4096 resolution. Sana can synthesize high-resolution, high-quality images with strong text-image alignment at a remarkably fast speed, deployable on laptop GPU.

Source code is available at https://github.com/NVlabs/Sana.

Model Description

Model Sources

For research purposes, we recommend our generative-models Github repository (https://github.com/NVlabs/Sana), which is more suitable for both training and inference and for which most advanced diffusion sampler like Flow-DPM-Solver is integrated. MIT Han-Lab provides free Sana inference.

License/Terms of Use

This model is released under the Apache License 2.0.

🧨 Diffusers

PR developing: Sana and DC-AE

Uses

Direct Use

The model is intended for research purposes only. Possible research areas and tasks include

  • Generation of artworks and use in design and other artistic processes.

  • Applications in educational or creative tools.

  • Research on generative models.

  • Safe deployment of models which have the potential to generate harmful content.

  • Probing and understanding the limitations and biases of generative models.

Excluded uses are described below.

Out-of-Scope Use

The model was not trained to be factual or true representations of people or events, and therefore using the model to generate such content is out-of-scope for the abilities of this model.

Limitations and Bias

Limitations

  • The model does not achieve perfect photorealism
  • The model cannot render complex legible text
  • fingers, .etc in general may not be generated properly.
  • The autoencoding part of the model is lossy.

Bias

While the capabilities of image generation models are impressive, they can also reinforce or exacerbate social biases.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · sana

Нельзя запустить

Генеративная модель выложена не в формате diffusers.

Ревизия весов
d71cbc8

0 моделей