SanaはNVIDIAが開発したテキストから画像を生成するフレームワークで、最大4096×4096ピクセルの高解像度画像を効率的に生成できます。Sanaは、高速で高解像度かつ高品質の画像合成が可能であり、強力なテキストと画像の整合性も備えています。ノートパソコンのGPUでも動作します。このモデルは線形拡散変換器をベースとし、固定された事前学習済みテキストエンコーダと空間圧縮潜在特徴エンコーダを使用しており、英語、中国語、絵文字を組み合わせたプロンプトにも対応しています。Sanaの主な利点としては、高い効率性、高解像度画像生成能力、そして多言語対応が挙げられます。