Sana video
Efficient Text-to-Video and Image-to-Video by NVIDIA NVLabs
Sana video 将高效、高质量的文本到视频和图像到视频生成带到您的浏览器。创建连贯的 720p、16 fps 剪辑，最长可达一分钟，并具有研究支持的性能。在 Story321 上试用 Sana video 并快速发布精美的运动内容。
认识 Sana video
Sana video 是 NVIDIA NVLabs 基于扩散模型的高效视频生成器，用于文本到视频 (T2V) 和图像到视频 (I2V)，支持高达 720p 分辨率、16 fps 和最长一分钟的持续时间，并具有研究支持的保真度和连贯的运动 ([nvlabs.github.io](https://nvlabs.github.io/Sana/Video/) • [nvlabs.github.io](https://nvlabs.github.io/Sana/)).
文本到视频 (T2V)
将自然语言转化为生动的动态影像。Sana video 支持多风格叙事、流畅过渡和一致的主题，以 16 fps 的速度生成高质量的 720p 序列 ([nvlabs.github.io](https://nvlabs.github.io/Sana/Video/)).
图像到视频 (I2V)
将单帧图像制作成动态短片。在添加逼真的运动、相机移动和场景深度的同时，保留身份和构图 ([nvlabs.github.io](https://nvlabs.github.io/Sana/Video/)).
高效、实用的运行时
生成一个 5 秒的片段大约需要 60 秒，或者在配备 NVFP4 优化的 RTX 5090 上大约需要 29 秒——效率足以支持迭代循环 ([youtube.com](https://www.youtube.com/watch?v=JmHxYDpCVX8)).
开源且有研究支持
基于 SANA 系列（线性扩散转换器），并获得 ICLR 2025 的认可，加上用于探索和扩展的开源代码 ([nvlabs.github.io](https://nvlabs.github.io/Sana/) • [research.nvidia.com](https://research.nvidia.com/labs/eai/publication/sana/) • [github.com](https://github.com/NVlabs/Sana)).
如何在 Story321 上使用
按照以下步骤使用 Sana video 产生一致的结果。
1
选择模型
从模型列表中选择 Sana video。
2
选择模式
使用文本到视频进行提示，或使用图像到视频来动画化参考。
3
编写提示/设置参考
描述主体、运动、相机、时间；上传 I2V 的图像。
4
设置持续时间、分辨率、fps
选择高达 60 秒、720p 和 16 fps 以获得平衡的质量。
5
调整控件
调整运动强度、相机抖动、宽高比和种子以实现可重复性。
6
生成和优化
预览、修剪并在短片中迭代；锁定后扩展。
提示
- •在扩展到 30-60 秒之前，以 3-5 秒的长度进行迭代。
- •在运行中保持主体名称、样式和镜头术语一致。
- •使用诸如“保持 1 秒”之类的时间提示来稳定节拍。
- •对于 I2V 身份，上传清晰、光线均匀的参考。
- •将成功的提示组织为 Sana video 的模板。
诸如 720p、16 fps 和最长 1 分钟之类的规格反映了当前公开的研究说明；有关更新，请参阅项目页面 ([nvlabs.github.io](https://nvlabs.github.io/Sana/Video/) • [github.com](https://github.com/NVlabs/Sana)).
您可以使用 Sana video 创建什么
从品牌预告片到教程循环，Sana video 加速了概念设计和生产级运动。
发布预告片
剪辑 5-10 秒的英雄镜头，具有受控的相机移动和一致的品牌形象。
产品讲解器
通过可读的运动节拍和清晰的特写镜头演示功能。
角色时刻
从单张图像中动画化吉祥物手势、表情和微表情。
电影 B 卷
生成风格化的过渡、场景镜头和环境循环。
社交趋势
原型设计与平台节奏相匹配的简洁、可循环的剪辑。
教育和操作指南
通过相机清晰度和时间结构显示逐步运动。
常见问题解答
常见 Sana video 设置和工作流程问题的解答。
当前的输出限制是什么？
根据公开文档，每个剪辑最高 720p 分辨率、16 fps 和 1 分钟持续时间 ([nvlabs.github.io](https://nvlabs.github.io/Sana/Video/)).
生成运行速度有多快？
大约 60 秒生成一个 5 秒的剪辑，或者在配备 NVFP4 优化的 RTX 5090 上大约 29 秒 ([youtube.com](https://www.youtube.com/watch?v=JmHxYDpCVX8)).
该模型是开源的还是有研究支持的？
代码和研究资源可用于探索 ([github.com](https://github.com/NVlabs/Sana) • [research.nvidia.com](https://research.nvidia.com/labs/eai/publication/sana/)).
T2V 和 I2V 之间有什么区别？
T2V 从文本创建运动；I2V 在保留身份和布局的同时动画化提供的图像。
我可以控制相机行为吗？
是的——在提示中使用镜头、拍摄类型和运动术语（例如，“低角度跟踪镜头”、“轻柔的推轨镜头”）。
我可以将结果用于商业用途吗？
在商业使用之前，请查看存储库的许可证和任何第三方条款 ([github.com](https://github.com/NVlabs/Sana)).
开始使用 Sana video 进行创作
原型设计、迭代和发布引人注目的运动内容——Story321 上的 Sana video 为您提供速度、连贯性和研究级别的质量。
性能和规格基于公开材料，可能会随着新版本的发布而发展 ([nvlabs.github.io](https://nvlabs.github.io/Sana/Video/)).