# HunyuanVideoTransformer3DModel

تم تقديم نموذج تحويل انتشار (Diffusion Transformer) لبيانات تشبه الفيديو ثلاثي الأبعاد في [HunyuanVideo: A Systematic Framework For Large Video Generative Models](https://huggingface.co/papers/2412.03603) من شركة Tencent.

يمكن تحميل النموذج باستخدام مقتطف الشيفرة التالي.

```python
from diffusers import HunyuanVideoTransformer3DModel

transformer = HunyuanVideoTransformer3DModel.from_pretrained("hunyuanvideo-community/HunyuanVideo", subfolder="transformer", dtype=torch.bfloat16)
```

## HunyuanVideoTransformer3DModel[[diffusers.HunyuanVideoTransformer3DModel]]

#### diffusers.HunyuanVideoTransformer3DModel[[diffusers.HunyuanVideoTransformer3DModel]]

```python
diffusers.HunyuanVideoTransformer3DModel(in_channels: int = 16, out_channels: int = 16, num_attention_heads: int = 24, attention_head_dim: int = 128, num_layers: int = 20, num_single_layers: int = 40, num_refiner_layers: int = 2, mlp_ratio: float = 4.0, patch_size: int = 2, patch_size_t: int = 1, qk_norm: str = 'rms_norm', guidance_embeds: bool = True, text_embed_dim: int = 4096, pooled_projection_dim: int = 768, rope_theta: float = 256.0, rope_axes_dim: tuple[int, ...] = (16, 56, 56), image_condition_type: str | None = None)
```

[المصدر](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/transformer_hunyuan_video.py#L841)

**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_single_layers (`int`، القيمة الافتراضية `40`) : عدد طبقات كتل التدفق الأحادي 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.

image_condition_type (`str`، *اختياري*، القيمة الافتراضية `None`) : نوع تكييف الصورة المستخدم. إذا كانت `None`، فلا يُستخدم أي تكييف للصورة. إذا كانت `latent_concat`، يتم دمج الصورة مع تدفق الكمون. إذا كانت `token_replace`، تُستخدم الصورة لاستبدال رموز الإطار الأول في تدفق الكمون وتطبيق التكييف.

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

#### forward[[diffusers.HunyuanVideoTransformer3DModel.forward]]

```python
forward(hidden_states: Tensor, timestep: LongTensor, encoder_hidden_states: Tensor, encoder_attention_mask: Tensor, pooled_projections: Tensor, guidance: Tensor = None, attention_kwargs: dict[str, typing.Any] | None = None, return_dict: bool = True)
```

[المصدر](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/transformer_hunyuan_video.py#L994)

**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.

pooled_projections (`torch.Tensor` من الشكل `(batch_size, projection_dim)`) : تمثيلات مُسقطَة من تمثيلات شروط الإدخال.

guidance (`torch.Tensor`، *اختياري*) : تضمين مقياس التوجيه المستخدم في النسخ المُقطّرة بالتوجيه من النموذج.

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 [HunyuanVideoTransformer3DModel](/docs/diffusers/v0.43.0/ar/api/models/hunyuan_video_transformer_3d#diffusers.HunyuanVideoTransformer3DModel) 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/v0.43.0/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/v0.43.0/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/v0.43.0/ar/api/models/transformer2d#diffusers.Transformer2DModel).