# MiniMaxMusic3Transformer1DModel

El Diffusion Transformer de flow-matching de 2.4B de [MiniMax Music 3](https://huggingface.co/MiniMaxAI/MiniMax-Music3). Desruidiza los latentes de audio Flow-VAE de 128 canales condicionados en los estados ocultos por marco de la etapa de modelo de lenguaje autoregresivo del modelo, añadiendo el paso temporal de flow-matching como un token de secuencia adicional (un transformer continuo de linaje Stable-Audio con atención rotatoria parcial y 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)
```

[Fuente](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/transformer_minimax_music3.py#L147)

El transformer de difusión de flow-matching de MiniMax Music 3. Desruidiza los latentes de audio de Flow-VAE condicionados en los estados ocultos por cuadro producidos por la etapa de modelo de lenguaje autoregresivo.

Las entradas son secuencias latentes 1D de forma `(batch, in_channels, length)`. La señal de condicionamiento (`encoder_hidden_states`, forma `(batch, length, condition_dim)`) debe estar ya alineada con la línea temporal latente; consulte `MiniMaxMusic3ConditionEncoder`. El `timestep` de flow-matching va de 0 (ruido) a 1 (datos).

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

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

[Fuente](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/transformer_minimax_music3.py#L196)

**Parámetros:**

hidden_states (`torch.Tensor` de forma `(batch, in_channels, length)`) : Latentes de Flow-VAE con ruido.

timestep (`torch.Tensor` de forma `(batch,)`) : Tiempo de flow-matching en `[0, 1]`, donde 0 es ruido puro y 1 es datos.

encoder_hidden_states (`torch.Tensor` de forma `(batch, length, condition_dim)`) : Condicionamiento alineado por fotogramas de `MiniMaxMusic3ConditionEncoder`. Pasa ceros para la rama incondicional de la guía libre de clasificador.

return_dict (`bool`, por defecto `True`) : Si se debe devolver un [Transformer2DModelOutput](/docs/diffusers/v0.43.0/es/api/models/cogview3plus_transformer2d#diffusers.models.modeling_outputs.Transformer2DModelOutput) en lugar de una tupla simple.

**Devuelve:**

La velocidad de flow-matching predicha con la misma forma que `hidden_states`.