📚 文档 | SANA | SANA-1.5 | SANA-Sprint | SANA-Video | 演示 | 🤗 HuggingFace

ComfyUI | SGLang | Cosmos-RL

         

   

ICLR 2025 口头报告 (Oral) | ICML 2025 | ICCV 2025 亮点论文 (Highlight) | ICLR 2026 口头报告 (Oral)

SANA 是一个面向效率的代码库 (codebase)，用于高分辨率图像和视频生成，提供完整的训练和推理 (inference) 流水线 (pipelines)。本仓库包含 SANA、SANA-1.5、SANA-Sprint 和 SANA-Video 的代码。更多详情可查看我们的 📚 文档。

加入我们的 Discord 与社区参与讨论！如果您有任何问题、遇到问题或有兴趣贡献，请随时联系我们！

新闻

• 🔥 [2026/03] 📺 带有 LTX-VAE (变分自编码器) 的 SANA-Video 720p 模型 已发布。配合 LTX2 Refiner 使用，可将视频 upscale 至 2K 分辨率！参见 模型库 (Model Zoo)、SANA-Video 文档 和 关于 Refiner 的博客。
• 🔥 [2026/03] 💪 后训练基础设施 (Infra): SANA × Cosmos-RL — 我们与 Cosmos-RL 合作，为 SANA 提供完整的 RL (强化学习) 基础设施。您现在可以使用最先进的算法（例如 Diffusion-NFT、Flow-GRPO）、预设配置、奖励服务和灵活的数据集对 SANA-Image 和 SANA-Video 进行后训练（SFT (监督微调)/RL (强化学习)）。参见 Cosmos-RL 上的 SANA 和我们的 Cosmos-RL 集成文档。
• 🔥 [2026/02] 🚀 SANA 现已支持 SGLang！ 高性能服务，配备兼容 OpenAI 的 API (应用程序接口)。[指南]
• 🔥 [2026/01/26] SANA-Video 被 ICLR-2026 接收为口头报告 (Oral)。 🎉🎉🎉
• 🔥 [2025/12/09] 🎬 LongSANA：27FPS 实时分钟级视频生成模型，训练和推理代码均已发布。感谢 LongLive 团队。参考：[训练] | [测试] | [权重]
• 🔥 [2025/11/24] 🪶 博客：因果线性注意力机制 (Causal Linear Attention) 如何为 LLM (大型语言模型) 和长视频生成解锁无限上下文长度 (Context Length)。
• 🔥 [2025/11/9] 🎬 介绍视频 展示了块因果线性注意力机制 (Block Causal Linear Attention) 和因果混合前馈神经网络 (Causal Mix-FFN) 的工作原理？
• 🔥 [2025/11/6] 📺SANA-Video 已合并入 diffusers。如何使用。
• 🔥 [2025/10/27] 📺SANA-Video 已发布。[README] | [权重] 支持文本到视频 (Text-to-Video)、文本图像到视频 (TextImage-to-Video)。
• 🔥 [2025/10/13] 📺SANA-Video 即将推出，1). 一个 5 秒线性 DiT (扩散变换器) 视频模型，和 2). 实时分钟级视频生成（与 LongLive 合作）。[论文] | [页面]

点击显示所有更新

• ✅ [2025/8/20] 我们发布了新的 DC-AE-Lite (轻量级深度压缩自编码器)，用于更快的推理 (inference) 和更小的显存 (memory) 占用。[如何配置] | [diffusers PR] | [权重]
• ✅ [2025/6/25] SANA-Sprint 被 ICCV'25 接收 🏖️
• ✅ [2025/6/4] SANA-Sprint ComfyUI 节点 (Node) 已发布 [示例]。
• ✅ [2025/5/8] SANA-Sprint（单步扩散 (One-step diffusion)）的 diffusers (Hugging Face 库) 训练代码已发布 [指南]。
• ✅ [2025/5/4] SANA-1.5（推理时缩放 (Inference-time scaling)）被 ICML-2025 接收。 🎉🎉🎉
• ✅ [2025/3/22] 🔥SANA-Sprint 演示 (demo) 已托管在 Huggingface 上，快来试试！ 🎉 [演示链接]
• ✅ [2025/3/22] 🔥ComfyUI 已支持 SANA-1.5！ 🎉: ComfyUI 指南 | ComfyUI 工作流 SANA-1.5 4.8B
• ✅ [2025/3/22] 🔥SANA-Sprint 代码和权重 (weights) 已发布！ 🎉 包括：训练与推理 代码和 权重 / HF 均已发布。[指南]
• ✅ [2025/3/21] 🚀Sana + 推理缩放 (Inference Scaling) 已发布。[指南]
• ✅ [2025/3/16] 🔥SANA-1.5 代码和权重 (weights) 已发布！ 🎉 包括：DDP/FSDP (分布式数据并行/完全分片数据并行) | TAR 文件 WebDataset (数据集格式) | 多尺度 (Multi-Scale) 训练代码和 权重 | HF 均已发布。
• ✅ [2025/3/14] 🏃SANA-Sprint 即将发布！ 🎉 Sana 的新型单步/少步 (one/few-step) 生成器。H100 上每张 1024px 图像 0.1 秒，RTX 4090 上 0.3 秒。了解更多详情：[页面] | [Arxiv]。代码即将连同 diffusers 一起发布。
• ✅ [2025/2/10] 🚀Sana + ControlNet (控制网络) 已发布。[指南] | [模型] | [演示]
• ✅ [2025/1/30] 发布 CAME-8bit 优化器 (optimizer) 代码。在训练期间节省更多 GPU 显存 (memory)。[如何配置]
• ✅ [2025/1/29] 🎉 🎉 🎉SANA 1.5 发布了！了解如何进行高效训练和推理缩放 (inference scaling)！ 🚀[技术报告]
• ✅ [2025/1/24] 4bit-Sana 已发布，由 SVDQuant 和 Nunchaku 推理 (inference) 引擎驱动。现在可以在 8GB GPU 显存 (VRAM) 内运行 Sana [指南] [演示] [模型]
• ✅ [2025/1/24] DCAE-1.1 已发布，重建质量更好。[模型] [diffusers]
• ✅ [2025/1/23] Sana 被 ICLR-2025 接收为 Oral (口头报告)。 🎉🎉🎉
• ✅ [2025/1/12] DC-AE 分块 (tiling) 使 Sana-4K 能够在 22GB GPU 显存 (memory) 内推理 (inference) 4096x4096px 图像。配合模型卸载 (offload) 和 8bit/4bit 量化 (quantize)。4K Sana 可在 8GB GPU 显存 (VRAM) 内运行。[指南]
• ✅ [2025/1/11] Sana 代码库许可证更改为 Apache 2.0。
• ✅ [2025/1/10] 使用 8bit 量化 (quantization) 推理 Sana。[指南]
• ✅ [2025/1/8] 4K 分辨率 Sana 模型 已在 Sana-ComfyUI 中支持，并准备了 工作流。[4K 指南]
• ✅ [2025/1/8] 1.6B 4K 分辨率 Sana 模型 已发布：[BF16 (Brain Floating Point 16) pth] 或 [BF16 diffusers]。🚀 在 20 秒内获得 4096x4096 分辨率图像！在 Sana 页面 查看更多样本。感谢 SUPIR 的出色工作和支持。
• ✅ [2025/1/2] diffusers 管道 (pipeline) 中的 Bug 已解决。已解决的 PR
• ✅ [2025/1/2] 2K 分辨率 Sana 模型 已在 Sana-ComfyUI 中支持，并准备了 工作流。
• ✅ [2024/12] 1.6B 2K 分辨率 Sana 模型 已发布：[BF16 pth] 或 [BF16 diffusers]。🚀 在 4 秒内获得 2K 分辨率图像！在 Sana 页面 查看更多样本。感谢 SUPIR 的出色工作和支持。
• ✅ [2024/12] diffusers 支持 Sana-LoRA (低秩适应) 微调 (fine-tuning)！Sana-LoRA 的训练和收敛 (convergence) 速度超级快。[指南] 或 [diffusers 文档]。
• ✅ [2024/12] diffusers 支持 Sana 了！diffusers safetensors (安全张量格式) 格式的所有 Sana 模型 已发布，并且 diffusers 管道 (Pipeline) SanaPipeline, SanaPAGPipeline, DPMSolverMultistepScheduler(with FlowMatching (流匹配)) 现在均受支持。我们准备了 模型卡片 供您选择。
• ✅ [2024/12] 1.6B BF16 Sana 模型 已发布，用于稳定微调 (fine-tuning)。
• ✅ [2024/12] 我们发布了 Sana 的 ComfyUI 节点。[指南]
• ✅ [2024/11] 所有多语言 (multi-linguistic)（表情符号 & 中文 & 英文）SFT (监督微调) 模型已发布：1.6B-512px, 1.6B-1024px, 600M-512px, 600M-1024px。指标 (metric) 性能显示在 这里
• ✅ [2024/11] Sana Replicate API (应用程序接口) 正在 Sana-API 上线。
• ✅ [2024/11] 1.6B Sana 模型 已发布。
• ✅ [2024/11] 训练、推理 (Inference) 和指标 (Metrics) 代码已发布。
• ✅ [2024/11] 正在开发 diffusers 支持。
• [2024/10] 演示 已发布。
• [2024/10] DC-AE 代码 和 权重 已发布！
• [2024/10] 论文 已发布在 Arxiv 上！

💡 简介

我们推出 SANA，一系列用于高分辨率图像和视频生成的高效扩散模型 (Diffusion Models)：

• SANA：文生图 (Text-to-Image) 生成高达 4K 分辨率，比 Flux-12B 小 20 倍且快 100 倍。
• SANA-1.5：高效的训练期和推理期计算扩展以获得更高质量。
• SANA-Sprint：通过 sCM 蒸馏实现单步/少步生成，在 H100 上 每张 1024px 图像仅需 0.1 秒。
• SANA-Video/LongSANA：高效视频生成，采用块线性注意力 (Block Linear Attention) / 结合 LongLive。

关键技术：

• 线性注意力 (Linear Attention)：用线性注意力替换 扩散 Transformer (DiT) 中的标准注意力，以提高高分辨率下的效率。
• DC-AE：32 倍图像压缩（相比传统的 8 倍）以减少潜在令牌 (Latent Tokens)。
• 仅解码器文本编码器 (Decoder-only Text Encoder)：现代仅解码器大语言模型 (LLM) 具备上下文学习 (In-context learning) 能力，以实现更好的图文对齐。
• 块因果线性注意力 (Block Causal Linear Attention) & 因果混合前馈网络 (Causal Mix-FFN)：用于长视频生成的高效注意力和前馈网络。
• Flow-DPM-Solver：通过高效训练和采样减少采样步骤。
• sCM 蒸馏 (sCM Distillation)：通过连续时间一致性蒸馏实现单步/少步生成。

总之，SANA 是一个完全开源的框架，集成了高效训练、快速推理和灵活部署，适用于图像和视频生成。可通过 4 比特量化 (Quantization) 在显存 (VRAM) < 8GB 的笔记本电脑 GPU 上部署。

快速开始

git clone https://github.com/NVlabs/Sana.git
cd Sana && ./environment_setup.sh sana

使用 🧨 diffusers 进行推理

import torch
from diffusers import SanaPipeline

pipe = SanaPipeline.from_pretrained(
    "Efficient-Large-Model/SANA1.5_1.6B_1024px_diffusers",
    torch_dtype=torch.bfloat16,
)
pipe.to("cuda")

pipe.vae.to(torch.bfloat16)
pipe.text_encoder.to(torch.bfloat16)

prompt = 'a cyberpunk cat with a neon sign that says "Sana"'
image = pipe(
    prompt=prompt,
    height=1024,
    width=1024,
    guidance_scale=4.5,
    num_inference_steps=20,
    generator=torch.Generator(device="cuda").manual_seed(42),
)[0]

image[0].save("sana.png")

[!TIP] 升级您的 diffusers>=0.32.0 以使用 SanaPipeline。更多详情见 📚 文档。

入门指南

• 📚 完整文档
• 安装指南
• 模型库
• Sana 推理 & 训练
• SANA-Sprint
• SANA-Video
• LongSANA
• ControlNet
• LoRA / DreamBooth
• 量化 (4bit / 8bit)
• ComfyUI
• SGLang

性能表现

图像生成 (1024px)

方法 (1024x1024)	吞吐量 (samples/s)	延迟 (s)	参数量 (B)	加速比	FID 👇	CLIP 👆	GenEval 👆	DPG 👆
FLUX-dev	0.04	23.0	12.0	1.0×	10.15	27.47	0.67	84.0
Sana-0.6B	1.7	0.9	0.6	39.5×	5.81	28.36	0.64	83.6
Sana-0.6B	1.7	0.9	0.6	39.5×	5.61	28.80	0.68	84.2
Sana-1.6B	1.0	1.2	1.6	23.3×	5.92	28.94	0.69	84.5
Sana-1.5 1.6B	1.0	1.2	1.6	23.3×	5.70	29.12	0.82	84.5
Sana-1.5 4.8B	0.26	4.2	4.8	6.5×	5.99	29.23	0.81	84.7

视频生成 (VBench 720p)

模型	延迟 (s)	参数量 (B)	VBench 总分 ↑	质量 ↑	语义 ↑
Wan-2.1-14B	1897	14	83.73	85.77	75.58
Wan-2.1-1.3B	400	1.3	83.38	85.67	74.22
SANA-Video-2B	36	2	84.05	84.63	81.73

💪 待办事项列表

我们将尽力实现

• [✅] 训练代码
• [✅] 推理代码
• [✅] 模型库
• [✅] ComfyUI 节点(SANA, SANA-1.5, SANA-Sprint)
• [✅] DC-AE Diffusers
• [✅] Sana 合并入 Diffusers(https://github.com/huggingface/diffusers/pull/9982)
• [✅] @paul 实现的 LoRA 训练 (diffusers: https://github.com/ huggingface/diffusers/pull/10234)
• [✅] 2K/4K 分辨率 (Resolution) 模型。(感谢 @SUPIR 提供 4K 超分辨率模型)
• [✅] 8bit / 4bit 笔记本电脑开发
• [✅] ControlNet (训练 & 推理 & 模型)
• [✅] FSDP 训练
• [✅] SANA-1.5 (更大模型尺寸 / 推理扩展)
• [✅] SANA-Sprint：少步生成器
• [✅] 更快的 DCAE-Lite 权重
• [✅] 更好的重建 F32/F64 VAEs (变分自编码器)
• [✅] SANA-Video：线性 DiT 视频模型，以及实时分钟级视频生成
• [✅] 强化学习 (RL) 后训练：与 Cosmos-RL 合作
• [🚀] 未来见

🤗 致谢

感谢以下开源项目：

感谢以下开源代码库的精彩工作和代码基础！

• PixArt-α
• PixArt-Σ
• diffusers
• Efficient-ViT
• ComfyUI_ExtraModels
• SVDQuant and Nunchaku
• Open-Sora
• Wan
• LongLive
• Cosmos-RL

感谢 Paper2Video 生成了 Jeason 展示 SANA 的视频😊。详情请参阅 Paper2Video。

贡献

感谢这些精彩的贡献者：

🌟 Star 历史

📖BibTeX 参考文献

@misc{xie2024sana,
      title={Sana: Efficient High-Resolution Image Synthesis with Linear Diffusion Transformer},
      author={Enze Xie and Junsong Chen and Junyu Chen and Han Cai and Haotian Tang and Yujun Lin and Zhekai Zhang and Muyang Li and Ligeng Zhu and Yao Lu and Song Han},
      year={2024},
      eprint={2410.10629},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2410.10629},
    }
@misc{xie2025sana,
      title={SANA 1.5: Efficient Scaling of Training-Time and Inference-Time Compute in Linear Diffusion Transformer},
      author={Xie, Enze and Chen, Junsong and Zhao, Yuyang and Yu, Jincheng and Zhu, Ligeng and Lin, Yujun and Zhang, Zhekai and Li, Muyang and Chen, Junyu and Cai, Han and others},
      year={2025},
      eprint={2501.18427},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2501.18427},
    }
@misc{chen2025sanasprint,
      title={SANA-Sprint: One-Step Diffusion with Continuous-Time Consistency Distillation},
      author={Junsong Chen and Shuchen Xue and Yuyang Zhao and Jincheng Yu and Sayak Paul and Junyu Chen and Han Cai and Song Han and Enze Xie},
      year={2025},
      eprint={2503.09641},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2503.09641},
    }
@misc{chen2025sana,
      title={SANA-Video: Efficient Video Generation with Block Linear Diffusion Transformer},
      author={Chen, Junsong and Zhao, Yuyang and Yu, Jincheng and Chu, Ruihang and Chen, Junyu and Yang, Shuai and Wang, Xianbang and Pan, Yicheng and Zhou, Daquan and Ling, Huan and others},
      year={2025},
      eprint={2509.24695},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2509.24695},
    }

Sana 快速上手指南

Sana 是一个面向高效能的高分辨率图像和视频生成代码库，提供完整的训练和推理管道。支持 SANA、SANA-1.5、SANA-Sprint 及 SANA-Video 等多种模型。

环境准备

• 操作系统: Linux / Windows
• GPU: NVIDIA GPU (支持 3090, 4090, H100 等)
  • 显存要求:
    • 最低 8GB (使用 4bit 量化模型)
    • 推荐 22GB+ (运行 4K 分辨率模型)
• Python: 建议 3.8 及以上版本
• 依赖框架: PyTorch, Diffusers, Transformers

安装步骤

方法一：源码安装（推荐用于训练及完整功能）

1. 克隆仓库：

   git clone https://github.com/NVlabs/Sana.git
   cd Sana
   

2. 安装依赖：

   pip install -e .
   

方法二：Diffusers 集成（推荐用于快速推理）

SANA-Video 及部分图像模型已合并至 diffusers 库，可直接安装使用：

pip install diffusers transformers accelerate

基本使用

使用 Diffusers pipeline 进行推理

Sana 模型已支持 HuggingFace Diffusers 管道，以下是基础调用示例：

import torch
from diffusers import SanaPipeline

# 加载模型 (示例模型路径，具体请参考 HuggingFace Collection)
pipe = SanaPipeline.from_pretrained(
    "Efficient-Large-Model/Sana_1600M_1024px_BF16", 
    torch_dtype=torch.bfloat16
)
pipe.to("cuda")

# 生成图像
image = pipe(
    prompt="A beautiful sunset over the mountains",
    height=1024,
    width=1024,
    guidance_scale=4.5,
    num_inference_steps=20
).images[0]

image.save("sana_output.png")

使用 ComfyUI

Sana 已支持 ComfyUI 节点，可下载相关插件工作流：

• 插件仓库: ComfyUI_ExtraModels
• 工作流示例: 参考官方文档中的 SANA-1.5 FlowEuler.json

模型下载

所有模型权重托管在 HuggingFace，请访问集合页下载：

• HuggingFace Collection: https://huggingface.co/collections/Efficient-Large-Model/sana

注意: 更多详细配置、训练脚本及特定模型（如 SANA-Sprint, SANA-Video）的使用说明，请参阅 📚 官方文档。