# HunyuanVideo15Transformer3DModel

نموذج Diffusion Transformer لبيانات الفيديو ثلاثية الأبعاد يُستخدم في [HunyuanVideo1.5](https://github.com/Tencent-Hunyuan/HunyuanVideo-1.5).

يمكن تحميل النموذج باستخدام مقتطف الشيفرة التالي.

```python
from diffusers import HunyuanVideo15Transformer3DModel

transformer = HunyuanVideo15Transformer3DModel.from_pretrained("hunyuanvideo-community/HunyuanVideo-1.5-Diffusers-480p_t2v" subfolder="transformer", dtype=torch.bfloat16)
```

## HunyuanVideo15Transformer3DModel[[diffusers.HunyuanVideo15Transformer3DModel]]

#### diffusers.HunyuanVideo15Transformer3DModel[[diffusers.HunyuanVideo15Transformer3DModel]]

```python
diffusers.HunyuanVideo15Transformer3DModel(in_channels: int = 65, out_channels: int = 32, num_attention_heads: int = 16, attention_head_dim: int = 128, num_layers: int = 54, num_refiner_layers: int = 2, mlp_ratio: float = 4.0, patch_size: int = 1, patch_size_t: int = 1, qk_norm: str = 'rms_norm', text_embed_dim: int = 3584, text_embed_2_dim: int = 1472, image_embed_dim: int = 1152, rope_theta: float = 256.0, rope_axes_dim: tuple[int, ...] = (16, 56, 56), target_size: int = 640, task_type: str = 'i2v', use_meanflow: bool = False)
```

[المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_hunyuan_video15.py#L510)

**المعاملات:**

in_channels (`int`، القيمة الافتراضية `16`) : عدد القنوات في المدخلات.

out_channels (`int`، القيمة الافتراضية `16`) : عدد القنوات في المخرجات.

num_attention_heads (`int`، القيمة الافتراضية `24`) : عدد الرؤوس المستخدمة في الانتباه متعدد الرؤوس.

attention_head_dim (`int`، القيمة الافتراضية `128`) : عدد القنوات في كل رأس.

num_layers (`int`، القيمة الافتراضية `20`) : عدد طبقات كتل التدفق المزدوج المستخدمة.

num_refiner_layers (`int`، القيمة الافتراضية `2`) : عدد طبقات كتل التحسين (refiner blocks) المستخدمة.

mlp_ratio (`float`، القيمة الافتراضية `4.0`) : نسبة حجم طبقة الخفاء إلى حجم الإدخال في الشبكة العصبية الأمامية.

patch_size (`int`، القيمة الافتراضية `2`) : حجم البقع المكانية المستخدمة في طبقة تضمين البقع.

patch_size_t (`int`، القيمة الافتراضية `1`) : حجم البقع الزمنية (temporal patches) المستخدمة في طبقة تضمين البقع (patch embedding layer).

qk_norm (`str`، الافتراضي `rms_norm`) : طريقة التطبيع المستخدمة لإسقاطات الاستعلام والمفتاح في طبقات الانتباه.

guidance_embeds (`bool`، القيمة الافتراضية `True`) : ما إذا كان سيتم استخدام تضمينات التوجيه في النموذج.

text_embed_dim (`int`، القيمة الافتراضية `4096`) : بُعد الإدخال لتضمينات النص من مُشفِّر النص.

pooled_projection_dim (`int`، القيمة الافتراضية `768`) : بُعد الإسقاط المُجمَّع لتضمينات النص.

rope_theta (`float`، القيمة الافتراضية `256.0`) : قيمة theta المستخدمة في طبقة RoPE.

rope_axes_dim (`tuple[int]`، القيمة الافتراضية هي `(16, 56, 56)`) : أبعاد المحاور المستخدمة في طبقة RoPE.

نموذج Transformer لبيانات تشبه الفيديو يُستخدم في [HunyuanVideo1.5](https://huggingface.co/tencent/HunyuanVideo1.5).

#### forward[[diffusers.HunyuanVideo15Transformer3DModel.forward]]

```python
forward(hidden_states: Tensor, timestep: LongTensor, encoder_hidden_states: Tensor, encoder_attention_mask: Tensor, timestep_r: typing.Optional[torch.LongTensor] = None, encoder_hidden_states_2: typing.Optional[torch.Tensor] = None, encoder_attention_mask_2: typing.Optional[torch.Tensor] = None, image_embeds: typing.Optional[torch.Tensor] = None, attention_kwargs: dict[str, typing.Any] | None = None, return_dict: bool = True)
```

[المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_hunyuan_video15.py#L623)

**المعاملات:**

hidden_states (`torch.Tensor` من الشكل `(batch_size, num_channels, num_frames, height, width)`) : مدخلات `hidden_states`.

timestep (`torch.LongTensor`) : يُستخدم للإشارة إلى خطوة إزالة الضوضاء.

encoder_hidden_states (`torch.Tensor` من الشكل `(batch_size, sequence_len, embed_dims)`) : التضمينات الشرطية (التضمينات المحسوبة من الشروط المدخلة مثل الأوامر) للاستخدام.

encoder_attention_mask (`torch.Tensor`) : القناع المطبَّق على `encoder_hidden_states` أثناء الانتباه.

timestep_r (`torch.LongTensor`، *اختياري*) : شرط خطوة الزمن للمُحسِّن.

encoder_hidden_states_2 (`torch.Tensor`، *اختياري*) : تضمينات شرطية إضافية محسوبة من مُشفِّر نصي ثانٍ (ByT5).

encoder_attention_mask_2 (`torch.Tensor`، *اختياري*) : القناع المطبَّق على `encoder_hidden_states_2` أثناء الانتباه.

image_embeds (`torch.Tensor`، *اختياري*) : تمثيلات الصور لتوليد مشروط بالصور.

attention_kwargs (`dict`، *اختياري*) : قاموس kwargs يُمرَّر إلى `AttentionProcessor` إذا تم تحديده، كما هو معرَّف تحت `self.processor` في [diffusers.models.attention_processor](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/attention_processor.py).

return_dict (`bool`، *اختياري*، القيمة الافتراضية `True`) : ما إذا كان يجب إرجاع `~models.transformer_2d.Transformer2DModelOutput` بدلاً من tuple عادي.

**يعيد:**

إذا كان `return_dict` صحيحًا، يُعاد `~models.transformer_2d.Transformer2DModelOutput`، وإلا يُعاد `tuple` يكون عنصره الأول هو تينسور العينة.

طريقة [HunyuanVideo15Transformer3DModel](/docs/diffusers/main/ar/api/models/hunyuan_video15_transformer_3d#diffusers.HunyuanVideo15Transformer3DModel) الأمامية.

## Transformer2DModelOutput[[diffusers.models.modeling_outputs.Transformer2DModelOutput]]

#### diffusers.models.modeling_outputs.Transformer2DModelOutput[[diffusers.models.modeling_outputs.Transformer2DModelOutput]]

```python
diffusers.models.modeling_outputs.Transformer2DModelOutput(sample: torch.Tensor)
```

[المصدر](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/modeling_outputs.py#L21)

**المعاملات:**

sample (`torch.Tensor` من الشكل `(batch_size, num_channels, height, width)` أو `(batch size, num_vector_embeds - 1, num_latent_pixels)` إذا كان [Transformer2DModel](/docs/diffusers/main/ar/api/models/transformer2d#diffusers.Transformer2DModel) منفصلاً): مخرجات الحالات المخفية المشروطة على مدخل `encoder_hidden_states`. إذا كان منفصلاً، يعيد توزيعات الاحتمال للبكسلات الكامنة غير الملوثة.

مخرجات [Transformer2DModel](/docs/diffusers/main/ar/api/models/transformer2d#diffusers.Transformer2DModel).