# MiniMaxMusic3Transformer1DModel

[MiniMax Music 3](https://huggingface.co/MiniMaxAI/MiniMax-Music3)の2.4BパラメータのフローマッチングDiffusion Transformerです。このモデルは、モデルの自己回帰型言語モデル段階のフレームごとの隠れ状態を条件として、128チャネルのFlow-VAEオーディオ潜在変数をノイズ除去します。フローマッチングのタイムステップをシーケンストークンとして先頭に追加します（Stable-Audio系譜の連続型トランスフォーマーで、部分的なローテーションアテンションとGLUフィードフォワードを使用）。

## 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)
```

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

MiniMax Music 3 の flow-matching diffusion transformer です。autoregressive language-model ステージによって生成されるフレームごとの hidden state を条件として、Flow-VAE の audio latent を denoise します。

入力値は、形状が`(batch, in_channels, length)`の1次元潜在シーケンスです。条件信号(`encoder_hidden_states`、形状`(batch, length, condition_dim)`)は、潜在タイムラインにすでに整合されている必要があります。`MiniMaxMusic3ConditionEncoder`を参照してください。フローマッチングの`timestep`は、0(ノイズ)から1(データ)まで変化します。

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

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

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

**パラメータ:**

hidden_states (`torch.Tensor`、shape `(batch, in_channels, length)`) : ノイズ付き Flow-VAE 潜在変数。

timestep (`torch.Tensor`、shape `(batch,)`) : `[0, 1]` における Flow-matching の時間。0 は純粋なノイズ、1 はデータを表します。

encoder_hidden_states (`torch.Tensor`、shape `(batch, length, condition_dim)`) : `MiniMaxMusic3ConditionEncoder`からのフレーム整列された条件付け。classifier-free guidance の無条件ブランチにはゼロを渡します。

return_dict (`bool`、デフォルトは`True`) : プレーンなタプルではなく、[Transformer2DModelOutput](/docs/diffusers/main/ja/api/models/cogview3plus_transformer2d#diffusers.models.modeling_outputs.Transformer2DModelOutput)を返すかどうか。

**戻り値:**

`hidden_states` と同じ形状を持つ、予測された flow-matching 速度です。