Buckets:
| # AutoencoderOobleck | |
| Model variational autoencoder (VAE) Oobleck dengan kerugian KL diperkenalkan dalam [Stability-AI/stable-audio-tools](https://github.com/Stability-AI/stable-audio-tools) dan [Stable Audio Open](https://huggingface.co/papers/2407.14358) oleh Stability AI. Model ini digunakan dalam 🤗 Diffusers untuk mengkodekan gelombang audio menjadi latens dan untuk mendekode representasi latens menjadi gelombang audio. | |
| Abstrak dari makalah tersebut adalah: | |
| *Model generatif terbuka sangat penting bagi komunitas, karena memungkinkan fine-tuning dan berfungsi sebagai baseline saat mempresentasikan model baru. Namun, sebagian besar model text-to-audio saat ini bersifat privat dan tidak dapat diakses oleh seniman maupun peneliti untuk dikembangkan lebih lanjut. Di sini, kami menjelaskan arsitektur dan proses pelatihan dari model text-to-audio open-weights baru yang dilatih dengan data Creative Commons. Evaluasi kami menunjukkan bahwa kinerja model ini kompetitif dengan state-of-the-art di berbagai metrik. Secara khusus, hasil FDopenl3 yang dilaporkan (mengukur realisme dari generasi) menunjukkan potensinya untuk sintesis suara stereo berkualitas tinggi pada 44.1kHz.* | |
| ## AutoencoderOobleck[[diffusers.AutoencoderOobleck]] | |
| #### diffusers.AutoencoderOobleck[[diffusers.AutoencoderOobleck]] | |
| ```python | |
| diffusers.AutoencoderOobleck(encoder_hidden_size = 128, downsampling_ratios = [2, 4, 4, 8, 8], channel_multiples = [1, 2, 4, 8, 16], decoder_channels = 128, decoder_input_channels = 64, audio_channels = 2, sampling_rate = 44100) | |
| ``` | |
| [Sumber](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/autoencoders/autoencoder_oobleck.py#L294) | |
| **Parameter:** | |
| encoder_hidden_size (`int`, *opsional*, default 128) : Dimensi representasi antara untuk encoder. | |
| downsampling_ratios (`list[int]`, *opsional*, default `[2, 4, 4, 8, 8]`) : Rasio untuk downsampling di encoder. Rasio ini digunakan dalam urutan terbalik untuk upsampling di decoder. | |
| channel_multiples (`list[int]`, *opsional*, defaultnya `[1, 2, 4, 8, 16]`) : Kelipatan yang digunakan untuk menentukan ukuran tersembunyi dari lapisan tersembunyi. | |
| decoder_channels (`int`, *opsional*, default 128) : Dimensi representasi antara untuk decoder. | |
| decoder_input_channels (`int`, *opsional*, defaultnya 64) : Dimensi input untuk decoder. Bersesuaian dengan dimensi laten. | |
| audio_channels (`int`, *opsional*, defaultnya 2) : Jumlah channel dalam data audio. Bisa 1 untuk mono atau 2 untuk stereo. | |
| sampling_rate (`int`, *opsional*, default 44100) : Laju sampling di mana gelombang audio harus didigitalisasi, dinyatakan dalam hertz (Hz). | |
| Autoencoder untuk mengkodekan waveform menjadi latents dan mendekode representasi latent menjadi waveform. Pertama kali diperkenalkan dalam Stable Audio. | |
| Model ini mewarisi dari [ModelMixin](/docs/diffusers/main/id/api/models/overview#diffusers.ModelMixin). Periksa dokumentasi kelas induk untuk metode generiknya yang diimplementasikan untuk semua model (seperti mengunduh atau menyimpan). | |
| #### decode[[diffusers.AutoencoderOobleck.decode]] | |
| ```python | |
| decode(z: FloatTensor, return_dict: bool = True, generator = None) | |
| ``` | |
| [Sumber](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/autoencoders/autoencoder_oobleck.py#L488) | |
| **Parameter:** | |
| z (`torch.Tensor`) : Batch input dari vektor laten. | |
| return_dict (`bool`, *opsional*, defaultnya `True`) : Apakah akan mengembalikan `~models.vae.OobleckDecoderOutput` alih-alih tuple biasa. | |
| **Mengembalikan:** `~models.vae.OobleckDecoderOutput` atau `tuple` | |
| If return_dict is True, a `~models.vae.OobleckDecoderOutput` is returned, otherwise a plain `tuple` is returned. | |
| Decode sekelompok gambar. | |
| #### encode[[diffusers.AutoencoderOobleck.encode]] | |
| ```python | |
| encode(x: Tensor, return_dict: bool = True) | |
| ``` | |
| [Sumber](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/autoencoders/autoencoder_oobleck.py#L377) | |
| **Parameter:** | |
| x (`torch.Tensor`) : Batch input gambar. | |
| return_dict (`bool`, *opsional*, defaultnya `True`) : Apakah akan mengembalikan `~models.autoencoder_kl.AutoencoderKLOutput` alih-alih tuple biasa. | |
| **Mengembalikan:** | |
| Representasi laten dari gambar yang dikodekan. Jika `return_dict` bernilai True, sebuah `~models.autoencoder_kl.AutoencoderKLOutput` dikembalikan, selain itu sebuah `tuple` polos yang dikembalikan. | |
| Enkodekan batch gambar menjadi latents. | |
| #### forward[[diffusers.AutoencoderOobleck.forward]] | |
| ```python | |
| forward(sample: Tensor, sample_posterior: bool = False, return_dict: bool = True, generator: typing.Optional[torch.Generator] = None) | |
| ``` | |
| [Sumber](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/autoencoders/autoencoder_oobleck.py#L517) | |
| **Parameter:** | |
| sample (`torch.Tensor`) : Sampel input. | |
| sample_posterior (`bool`, *opsional*, defaultnya `False`) : Apakah akan melakukan sampling dari posterior. | |
| return_dict (`bool`, *opsional*, defaultnya `True`) : Apakah akan mengembalikan `OobleckDecoderOutput` alih-alih tuple biasa. | |
| generator (`torch.Generator`, *opsional*) : Sebuah [`torch.Generator`](https://pytorch.org/docs/stable/generated/torch.Generator.html) untuk membuat sampling menjadi deterministik. | |
| **Mengembalikan:** `~models.vae.OobleckDecoderOutput` atau `tuple` | |
| Jika `return_dict` bernilai True, sebuah `~models.vae.OobleckDecoderOutput` akan dikembalikan, selain itu sebuah `tuple` biasa akan dikembalikan. | |
| ## OobleckDecoderOutput[[diffusers.models.autoencoders.autoencoder_oobleck.OobleckDecoderOutput]] | |
| #### diffusers.models.autoencoders.autoencoder_oobleck.OobleckDecoderOutput[[diffusers.models.autoencoders.autoencoder_oobleck.OobleckDecoderOutput]] | |
| ```python | |
| diffusers.models.autoencoders.autoencoder_oobleck.OobleckDecoderOutput(sample: Tensor) | |
| ``` | |
| [Sumber](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/autoencoders/autoencoder_oobleck.py#L202) | |
| **Parameter:** | |
| sample (`torch.Tensor` dengan bentuk `(batch_size, audio_channels, sequence_length)`) : Sampel output yang didekodekan dari lapisan terakhir model. | |
| Output dari metode decoding. | |
| ## AutoencoderOobleckOutput[[diffusers.models.autoencoders.autoencoder_oobleck.AutoencoderOobleckOutput]] | |
| #### diffusers.models.autoencoders.autoencoder_oobleck.AutoencoderOobleckOutput[[diffusers.models.autoencoders.autoencoder_oobleck.AutoencoderOobleckOutput]] | |
| ```python | |
| diffusers.models.autoencoders.autoencoder_oobleck.AutoencoderOobleckOutput(latent_dist: OobleckDiagonalGaussianDistribution) | |
| ``` | |
| [Sumber](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/autoencoders/autoencoder_oobleck.py#L187) | |
| **Parameter:** | |
| latent_dist (`OobleckDiagonalGaussianDistribution`) : Output hasil enkripsi dari `Encoder` yang direpresentasikan sebagai mean dan standar deviasi dari `OobleckDiagonalGaussianDistribution`. `OobleckDiagonalGaussianDistribution` memungkinkan pengambilan sampel latents dari distribusi tersebut. | |
| Output dari metode encoding AutoencoderOobleck. | |
Xet Storage Details
- Size:
- 6.98 kB
- Xet hash:
- d2158ea486636975bf4884a991743fd3fe6409d9884443f617b94058766938e9
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.