diffusers/main/fr/api/models/autoencoderkl_audio_ltx_2.md

AutoencoderKLLTX2Audio

Le modèle d'auto-encodeur variationnel 3D (VAE) avec perte KL utilisé dans LTX-2 a été introduit par Lightricks. Il sert à encoder et décoder les représentations latentes audio.

Le modèle peut être chargé à l'aide du fragment de code suivant.

from diffusers import AutoencoderKLLTX2Audio

vae = AutoencoderKLLTX2Audio.from_pretrained("Lightricks/LTX-2", subfolder="vae", dtype=torch.float32).to("cuda")  # or "mps", "xpu", "cpu"

AutoencoderKLLTX2Audio[[diffusers.AutoencoderKLLTX2Audio]]

diffusers.AutoencoderKLLTX2Audio[[diffusers.AutoencoderKLLTX2Audio]]

diffusers.AutoencoderKLLTX2Audio(base_channels: int = 128, output_channels: int = 2, ch_mult: tuple[int, ...] = (1, 2, 4), num_res_blocks: int = 2, attn_resolutions: tuple[int, ...] | None = None, in_channels: int = 2, resolution: int = 256, latent_channels: int = 8, norm_type: str = 'pixel', causality_axis: str | None = 'height', dropout: float = 0.0, mid_block_add_attention: bool = False, sample_rate: int = 16000, mel_hop_length: int = 160, is_causal: bool = True, mel_bins: int | None = 64, double_z: bool = True)

Source

VAE audio LTX2 pour l'encodage et le décodage des représentations latentes audio.

encode[[diffusers.AutoencoderKLLTX2Audio.encode]]

encode(x: Tensor, return_dict: bool = True)

Source

decode[[diffusers.AutoencoderKLLTX2Audio.decode]]

decode(z: Tensor, return_dict: bool = True)

Source

forward[[diffusers.AutoencoderKLLTX2Audio.forward]]

forward(sample: Tensor, sample_posterior: bool = False, return_dict: bool = True, generator: typing.Optional[torch.Generator] = None)

Source

Paramètres :

sample (torch.Tensor) : Échantillon d'entrée.

sample_posterior (bool, facultatif, par défaut False) : Indique s'il faut échantillonner à partir de la distribution a posteriori.

return_dict (bool, facultatif, par défaut True) : Indique s'il faut retourner un DecoderOutput plutôt qu'un simple tuple.

generator (torch.Generator, facultatif) : Un torch.Generator pour rendre l'échantillonnage déterministe.

Retourne : DecoderOutput ou tuple

Si return_dict est True, un DecoderOutput est renvoyé, sinon un simple tuple est renvoyé.