Sana

Sana（NVIDIA）：文生图、文生视频；Runner 一致性待确认; 20 个 variant。

最后更新: 2026年10月7日

Sana 是英伟达的高效生成系列，也是 video 类别中 variant 最多的条目：二十个已记录 variant，覆盖文生图（600M–4.8B，最高 4K）、ControlNet 条件图像生成、Sana-Video 2B 的 480p/720p 文生视频、LongSANA 长视频，以及 SANA-Streaming 的视频到视频（长时与双向）。checkpoint 数学分布在树内按角色划分的规范化扩散组件中。

记录论文为SANA: Efficient High-Resolution Image Synthesis with Linear Diffusion Transformers（2024）。

项目页：nvlabs.github.io/Sana。代码：NVlabs/Sana。

构建运行命令

推理 Pipeline

Sana600M512pxPipelineworldfoundry.pipelines.sana.pipeline_sana

变体

任务Interactive Video interactive-video

环境worldfoundry-unified-cu128

设备CUDA 12.8

Runnerworldfoundry.pipeline

加载方式from_pretrained

调用方式native_or_standard_invocation

worldfoundry-eval run \
  sana-600m-512px \
  --pipeline.task-profile interactive-video \
  --json

变体

用来做什么

任务是 catalog 静帧而不是视频时，用 sana-600m-512px。

Sana 的高效来自深压缩自编码器（32x）、线性注意力 DiT 块与小型 LLM 文本编码器，见论文（arXiv 2410.10629）。记录的流式路径使用内置官方 BF16 CLI、混合 DiT 块、融合 GDN 核与因果 LTX-2 VAE 封装，源码同步自固定的 NVlabs/Sana commit；论文中的 MPQ 部署路径不在公开 BF16 配方内。该模型由英伟达（NVIDIA）发布。

catalog 记录的任务包括文生图、文生视频、视频到视频、image-conditioned-generation。别名包括 sana-video、longsana-video、sana-streaming、sana-streaming-bidirectional。模态上，它接受文本、视频，输出图像、视频。同系列还有 sana-600m-1024px、sana-1600m-512px、sana-1600m-512px-multiling。

记录的评测入口包括VBench（Sana-Video 文生视频路径的质量评测）、SANA-WM 80-Scene Benchmark（本仓库中针对 Sana 的世界模型评测）。

不是 SANA-WM。评测看 VBench、SANA-WM 80-Scene Benchmark。

运行时契约

可选 prompt、negative_prompt、input_path、interactions、frames；产物 sana.png。

CLI task profile：interactive-video、video-to-video。绑定的 pipeline 类是 SanaPipeline。

起步 variant 是 sana-600m-512px。catalog 登记了 20 个 variant（上方卡片）：sana-600m-512px（text-to-image）：Runner 一致性待确认、sana-600m-1024px（text-to-image）：Runner 一致性待确认、sana-1600m-512px（text-to-image）：Runner 一致性待确认、sana-1600m-512px-multiling（text-to-image）：Runner 一致性待确认、sana-1600m-1024px（text-to-image）：Runner 一致性待确认等。系列状态：Runner 一致性待确认。

SANA-Streaming 接受源视频路径或 hf:// URI。完整 50 步/更长帧数的官方质量一致性仍在等待。

官方长配置的质量一致性仍在等待——已记录的 A100 运行验证的是链路而非完整一致性。

集成状态为 Runner 一致性待确认、runner parity 为 pending，但注意已记录证据：long-streaming checkpoint 在真实 A100 上完成一次运行，81 帧 1280x704、16 FPS 全部解码（产物 SHA256 记录在 profile 中）。 SANA-Streaming 接受源视频路径或 hf:// URI。完整 50 步/更长帧数的官方质量一致性仍在等待。

在 WorldFoundry 中运行

catalog 启动命令是 worldfoundry-eval run sana-600m-512px --pipeline.task-profile interactive-video。上方命令构建器按已记录任务切换 --pipeline.task-profile，发出的仍是 worldfoundry-eval run。

运行环境是统一 profile worldfoundry-unified-cu128（Python 3.11，CUDA 12.8）。

记录的权重仓库包括 Efficient-Large-Model/Sana_600M_512px、Efficient-Large-Model/Sana_600M_1024px、Efficient-Large-Model/Sana_1600M_512px 等。准备环境并检查本地资产：bash scripts/inference/prepare_model_infer.sh sana-600m-512px；下载缺失的公开权重时加 --download。

状态：Runner 一致性待确认。

Sana

变体

用来做什么

运行时契约

在 WorldFoundry 中运行

相关模型