Sana est un cadre de génération d'images à partir de texte développé par NVIDIA, capable de générer efficacement des images jusqu'à une résolution de 4096×4096. Sana se distingue par sa vitesse, sa puissante capacité d'alignement texte-image et sa capacité à être déployé sur les GPU des ordinateurs portables. Ce modèle, basé sur un transformateur de diffusion linéaire et utilisant un encodeur de texte pré-entraîné et un encodeur de caractéristiques latentes comprimées spatialement, représente l'état de l'art de la génération d'images à partir de texte. Les principaux avantages de Sana incluent la génération d'images haute résolution, la synthèse rapide, la possibilité de déploiement sur les GPU des ordinateurs portables et le code source ouvert, ce qui lui confère une valeur importante pour la recherche et les applications concrètes.