# MiniMaxMusic3Transformer1DModel

Le Diffusion Transformer à flow-matching de 2,4 Md de paramètres de [MiniMax Music 3](https://huggingface.co/MiniMaxAI/MiniMax-Music3). Il débruite les latents audio Flow-VAE à 128 canaux, conditionnés sur les états cachés par trame de l'étape de modèle de langage autorégressif du modèle, en préfixant le pas de temps du flow-matching en tant que jeton de séquence supplémentaire (un transformeur continu de lignée Stable-Audio avec attention rotative partielle et feedforwards GLU).

## MiniMaxMusic3Transformer1DModel[[diffusers.MiniMaxMusic3Transformer1DModel]]

#### diffusers.MiniMaxMusic3Transformer1DModel[[diffusers.MiniMaxMusic3Transformer1DModel]]

```python
diffusers.MiniMaxMusic3Transformer1DModel(in_channels: int = 128, condition_dim: int = 2048, num_layers: int = 36, num_attention_heads: int = 32, attention_head_dim: int = 64, ff_inner_dim: int = 8192, rotary_dim: int = 32, fourier_embedding_dim: int = 256)
```

[Source](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_minimax_music3.py#L147)

Le transformateur de diffusion par correspondance de flux de MiniMax Music 3. Il débruite les latents audio Flow-VAE conditionnés sur les états cachés par trame produits par l'étape du modèle de langage autorégressif.

Les entrées sont des séquences latentes 1D de forme `(batch, in_channels, length)`. Le signal de conditionnement (`encoder_hidden_states`, de forme `(batch, length, condition_dim)`) doit déjà être aligné sur la chronologie latente — voir `MiniMaxMusic3ConditionEncoder`. Le `timestep` de flow-matching va de 0 (bruit) à 1 (données).

#### forward[[diffusers.MiniMaxMusic3Transformer1DModel.forward]]

```python
forward(hidden_states: Tensor, timestep: Tensor, encoder_hidden_states: Tensor, return_dict: bool = True)
```

[Source](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/transformers/transformer_minimax_music3.py#L196)

**Paramètres :**

hidden_states (`torch.Tensor` de forme `(batch, in_channels, length)`) : Latents Flow-VAE bruités.

timestep (`torch.Tensor` de forme `(batch,)`) : Temps de flow-matching dans `[0, 1]`, où 0 correspond au bruit pur et 1 aux données.

encoder_hidden_states (`torch.Tensor` de forme `(batch, length, condition_dim)`) : Conditionnement aligné sur les trames issu de `MiniMaxMusic3ConditionEncoder`. Passez des zéros pour la branche non conditionnelle du guidage sans classifieur.

return_dict (`bool`, par défaut `True`) : Indique s'il faut retourner un [Transformer2DModelOutput](/docs/diffusers/main/fr/api/models/cogview3plus_transformer2d#diffusers.models.modeling_outputs.Transformer2DModelOutput) plutôt qu'un simple tuple.

**Retourne :**

La vitesse de flow-matching prédite, de la même forme que `hidden_states`.