#
# Apache License, Version 2.0("라이선스")에 따라 라이선스가 부여됩니다.
# 이 파일은 라이선스에 따라만 사용할 수 있습니다.
# 라이선스 사본은 다음에서 가져올 수 있습니다
#
#     http://www.apache.org/licenses/LICENSE-2.0
#
# 적용 가능한 법률에 의해 요구되거나 서면으로 합의되지 않는 한, 소프트웨어
# 라이선스에 따라 배포되는 본 소프트웨어는 "있는 그대로"
# 명시적이든 묵시적이든 어떠한 종류의 보증이나 조건도 없이 제공됩니다.
# 권한을 관리하는 특정 언어에 대한 라이선스를 참조하세요
# 라이선스 하의 제한 사항. -->

# Anima

Anima는 Qwen3 텍스트 인코더, T5-token 텍스트 컨디셔너, [AutoencoderKLQwenImage](/docs/diffusers/main/ko/api/models/autoencoderkl_qwenimage#diffusers.AutoencoderKLQwenImage) VAE와 함께 [CosmosTransformer3DModel](/docs/diffusers/main/ko/api/models/cosmos_transformer3d#diffusers.CosmosTransformer3DModel)을 재사용하는 텍스트-이미지 생성 모델입니다.

```python
import torch
from diffusers import ModularPipeline

pipe = ModularPipeline.from_pretrained("circlestone-labs/Anima-Base-v1.0-Diffusers")
pipe.load_components(dtype=torch.bfloat16)
pipe.to("cuda")  # or "mps", "xpu", "cpu"

image = pipe(prompt="masterpiece, best quality, 1girl, solo, city lights").images[0]
```

## AnimaModularPipeline[[diffusers.AnimaModularPipeline]]

#### diffusers.AnimaModularPipeline[[diffusers.AnimaModularPipeline]]

```python
diffusers.AnimaModularPipeline(blocks: diffusers.modular_pipelines.modular_pipeline.ModularPipelineBlocks | None = None, pretrained_model_name_or_path: str | os.PathLike | None = None, components_manager: diffusers.modular_pipelines.components_manager.ComponentsManager | None = None, collection: str | None = None, workflow: str | None = None, modular_config_dict: dict[str, typing.Any] | None = None, config_dict: dict[str, typing.Any] | None = None, **kwargs)
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/modular_pipelines/anima/modular_pipeline.py#L19)

Anima용 ModularPipeline.

## AnimaAutoBlocks[[diffusers.AnimaAutoBlocks]]

#### diffusers.AnimaAutoBlocks[[diffusers.AnimaAutoBlocks]]

```python
diffusers.AnimaAutoBlocks()
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/modular_pipelines/anima/modular_blocks_anima.py#L312)

Anima를 사용하여 텍스트-이미지 및 이미지-이미지 생성을 위한 Auto Modular 파이프라인.

지원되는 워크플로:
- `text2image`: `prompt` 필수
- `img2img`: `image`, `prompt` 필수

구성 요소: text_encoder (`Qwen3Model`) tokenizer (`Qwen2Tokenizer`) t5_tokenizer (`T5Tokenizer`) guider (`ClassifierFreeGuidance`) vae (`AutoencoderKLQwenImage`) image_processor (`VaeImageProcessor`) text_conditioner (`AnimaTextConditioner`) transformer (`CosmosTransformer3DModel`) scheduler (`FlowMatchEulerDiscreteScheduler`)

Inputs: prompt (`str`): 이미지 생성을 안내할 프롬프트입니다. negative_prompt (`str`, *선택 사항*): 이미지 생성을 안내하지 않을 프롬프트입니다. max_sequence_length (`int`, *선택 사항*, 기본값 512): 프롬프트 인코딩을 위한 최대 시퀀스 길이입니다. image (`Image | list`, *선택 사항*): 디노이징을 위한 참조 이미지입니다. 단일 이미지 또는 이미지 목록일 수 있습니다. height (`int`, *선택 사항*): 생성된 이미지의 픽셀 단위 높이입니다. width (`int`, *선택 사항*): 생성된 이미지의 픽셀 단위 너비입니다. generator (`Generator`, *선택 사항*): 결정론적 생성을 위한 Torch generator입니다. num_images_per_prompt (`int`, *선택 사항*, 기본값 1): 프롬프트당 생성할 이미지의 수입니다. image_latents (`Tensor`, *선택 사항*): 이미지 생성을 안내하는 데 사용되는 이미지 latents입니다. vae_encoder 단계에서 생성할 수 있습니다. num_inference_steps (`int`): 디노이징 단계의 수입니다. sigmas (`list`, *선택 사항*): 디노이징 프로세스를 위한 사용자 지정 sigmas입니다. strength (`float`, *선택 사항*, 기본값 0.9): img2img/inpainting의 강도입니다. latents (`Tensor`): 이미지 생성을 위한 사전 생성된 노이즈 latents입니다. **denoiser_input_fields (`None`, *선택 사항*): Anima denoiser의 조건부 모델 입력입니다. output_type (`str`, *선택 사항*, 기본값 pil): 출력 형식: 'pil', 'np', 'pt'.

출력: 이미지 (`list`): 생성된 이미지.

## AnimaTextConditioner[[diffusers.AnimaTextConditioner]]

#### diffusers.AnimaTextConditioner[[diffusers.AnimaTextConditioner]]

```python
diffusers.AnimaTextConditioner(source_dim: int = 1024, target_dim: int = 1024, model_dim: int = 1024, num_layers: int = 6, num_attention_heads: int = 16, mlp_ratio: float = 4.0, target_vocab_size: int = 32128, use_self_attention: bool = True, use_layer_norm: bool = False, min_sequence_length: int = 512)
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/condition_embedders/condition_embedder_anima.py#L229)

Anima가 Qwen3의 숨겨진 상태와 T5의 토큰 ID를 Cosmos 텍스트 임베딩으로 매핑하는 데 사용하는 텍스트 컨디셔너입니다.

Anima는 Cosmos Predict2 DiT를 재사용합니다. 모델에 특화된 유일한 조건화 모듈은 이 LLM 어댑터이며, diffusion 루프 전에 학습된 T5 토큰 임베딩에서 Qwen3 텍스트 인코더의 hidden states로 cross-attention을 수행합니다. `target_dim`은 conditioner의 출력 차원이며 transformer의 `text_embed_dim`과 일치해야 합니다.

#### forward[[diffusers.AnimaTextConditioner.forward]]

```python
forward(source_hidden_states: Tensor, target_input_ids: Tensor, target_attention_mask: typing.Optional[torch.Tensor] = None, source_attention_mask: typing.Optional[torch.Tensor] = None)
```

[소스](https://github.com/huggingface/diffusers/blob/main/src/diffusers/models/condition_embedders/condition_embedder_anima.py#L285)

**매개변수:**

source_hidden_states (`torch.Tensor`, shape `(batch_size, source_sequence_length, source_dim)`) : 조건부로 사용할 Qwen3 텍스트 인코더 hidden states.

target_input_ids (`torch.Tensor`, shape `(batch_size, target_sequence_length)`) : 학습된 쿼리 토큰으로 사용되는 T5 토큰 ID입니다.

target_attention_mask (`torch.Tensor`, *선택 사항*) : 대상 T5 토큰 ID에 대한 어텐션 마스크입니다.

source_attention_mask (`torch.Tensor`, *선택 사항*) : 소스 Qwen3 hidden states에 대한 attention mask입니다.

**반환값:** `torch.Tensor`

Cosmos transformer의 텍스트 조건화 임베딩.