Switti 基於 Transformer 架構，用於文本到圖像生成的 scale-wise 模型。性能上優於現有的 T2I AR 模型，並可與最先進的 T2I 擴散模型相媲美，同時速度提高了 7 倍。

在高分辨率尺度上禁用分類器自由引導可以進一步加速採樣，並改善細節生成。