Sana ist ein von NVIDIA entwickeltes Text-zu-Bild-Generierungsframework, das hocheffizient Bilder mit einer Auflösung von bis zu 4096 × 4096 Pixeln generiert. Durch seine Schnelligkeit und die starke Ausrichtung von Text und Bild eignet es sich auch für den Einsatz auf Laptops mit GPU. Es basiert auf einem linearen Diffusions-Transformer (Text-zu-Bild-Generativmodell) mit 1648 Millionen Parametern und ist speziell für die Erzeugung mehrskaliger Bilder mit einer Basisauflösung von 1024 Pixeln konzipiert. Zu den Hauptvorteilen des Sana-Modells gehören die Erzeugung hochauflösender Bilder, eine schnelle Synthesegeschwindigkeit und eine starke Text-Bild-Ausrichtung. Sana basiert auf Open-Source-Code, der auf GitHub verfügbar ist, und unterliegt der CC BY-NC-SA 4.0 Lizenz.