Diffusers documentation
MiniMaxMusic3Transformer1DModel
MiniMaxMusic3Transformer1DModel
MiniMax Music 3'ün 2,4B akış eşleştirme (flow-matching) Diffusion Transformer'ı. Modelin otoregresif dil modeli aşamasının çerçeve başına gizli durumlarına koşullu olarak, 128 kanallı Flow-VAE ses latentlerini gürültüden arındırır; akış eşleştirme zaman adımını ek bir dizi jetonu olarak başa ekler (kısmi dönerli dikkat ve GLU beslemeli, Stable-Audio soyundan gelen sürekli bir transformer).
MiniMaxMusic3Transformer1DModel
sınıf diffusers.MiniMaxMusic3Transformer1DModel
< source >( in_channels: int = 128condition_dim: int = 2048num_layers: int = 36num_attention_heads: int = 32attention_head_dim: int = 64ff_inner_dim: int = 8192rotary_dim: int = 32fourier_embedding_dim: int = 256 )
MiniMax Music 3'ün akış eşleştirme difüzyon dönüştürücüsü. Otoregresif dil modeli aşamasının ürettiği çerçeve başına gizli durumlara koşullu olarak, Flow-VAE ses latentlerini gürültüden arındırır.
Girdiler, (batch, in_channels, length) biçiminde 1B latent dizilerdir. Koşullandırma sinyali
(encoder_hidden_states, biçim (batch, length, condition_dim)) zaten latent zaman çizelgesine hizalanmış olmalıdır —
bkz. MiniMaxMusic3ConditionEncoder. Akış eşleştirme timestep değeri 0'dan (gürültü) 1'e (veri) kadar ilerler.
forward
< source >( hidden_states: Tensortimestep: Tensorencoder_hidden_states: Tensorreturn_dict: bool = True )
Parametreler
- hidden_states (
torch.Tensor, şekli(batch, in_channels, length)) — Gürültülü Flow-VAE latentleri. - timestep (
torch.Tensor, şekli(batch,)) —[0, 1]aralığında, 0'ın saf gürültü, 1'in veri olduğu flow-matching zamanı. - encoder_hidden_states (
torch.Tensor, şekli(batch, length, condition_dim)) —MiniMaxMusic3ConditionEncoder'den kare hizalı koşullandırma. Sınıflandırıcı-ücretsiz yönlendirmenin koşulsuz dalı için sıfır geçirin. - return_dict (
bool, varsayılanTrue) — Düz bir tuple yerine Transformer2DModelOutput döndürülüp döndürülmemesi.