Sana es un marco de generación de imágenes a partir de texto desarrollado por NVIDIA, capaz de generar imágenes de alta resolución, hasta 4096×4096 píxeles, de manera eficiente. Sana se destaca por su velocidad, su potente capacidad de alineación texto-imagen y su capacidad de implementación en GPUs de portátiles. El modelo se basa en un transformador de difusión lineal, utilizando un codificador de texto preentrenado y un codificador de características latentes espacialmente comprimidas, representando lo último en tecnología de generación de imágenes a partir de texto. Las principales ventajas de Sana incluyen la generación de imágenes de alta resolución, la síntesis rápida, la capacidad de implementación en GPUs de portátiles y el código abierto, lo que le otorga un valor significativo en investigación y aplicaciones prácticas.