# AceStepTransformer1DModel

Diffusion Transformer 1D untuk generasi musik dari [ACE-Step 1.5](https://github.com/ace-step/ACE-Step-1.5). Model ini beroperasi pada latens stereo 25 Hz yang dihasilkan oleh [AutoencoderOobleck](/docs/diffusers/v0.43.0/id/api/models/autoencoder_oobleck#diffusers.AutoencoderOobleck) menggunakan flow matching, dan dilatih dengan backbone yang diturunkan dari Qwen3 (grouped-query attention, rotary position embedding, RMSNorm, kondisioning timestep AdaLN-Zero) ditambah cross-attention ke kondisi teks / lirik / timbre yang dibangun oleh `AceStepConditionEncoder`.

## AceStepTransformer1DModel[[diffusers.AceStepTransformer1DModel]]

#### diffusers.AceStepTransformer1DModel[[diffusers.AceStepTransformer1DModel]]

```python
diffusers.AceStepTransformer1DModel(hidden_size: int = 2048, intermediate_size: int = 6144, num_hidden_layers: int = 24, num_attention_heads: int = 16, num_key_value_heads: int = 8, head_dim: int = 128, in_channels: int = 192, audio_acoustic_hidden_dim: int = 64, patch_size: int = 2, rope_theta: float = 1000000.0, attention_bias: bool = False, attention_dropout: float = 0.0, rms_norm_eps: float = 1e-06, sliding_window: int = 128, layer_types: typing.Optional[typing.List[str]] = None, encoder_hidden_size: typing.Optional[int] = None, is_turbo: bool = False, model_version: typing.Optional[str] = None)
```

[Sumber](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/ace_step_transformer.py#L432)

Diffusion Transformer untuk generasi musik ACE-Step 1.5.

Membuat latens audio yang dikondisikan oleh teks, lirik, dan timbre. Menggunakan patch embedding 1D (`Conv1d` dengan stride `patch_size`) yang diikuti oleh tumpukan `AceStepTransformerBlock` dengan sliding-window / full attention yang berselang-seling pada cabang self-attention. Cross-attention mengonsumsi `encoder_hidden_states` yang dikemas, yang dihasilkan oleh `AceStepConditionEncoder`.

#### forward[[diffusers.AceStepTransformer1DModel.forward]]

```python
forward(hidden_states: Tensor, timestep: Tensor, timestep_r: Tensor, encoder_hidden_states: Tensor, context_latents: Tensor, attention_kwargs: typing.Optional[dict] = None, return_dict: bool = True)
```

[Sumber](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/ace_step_transformer.py#L532)

**Parameter:**

hidden_states (`torch.Tensor` dengan bentuk `(batch_size, seq_len, channels)`) : Input laten berisik untuk proses difusi.

timestep (`torch.Tensor` dengan bentuk `(batch_size,)`) : Langkah difusi saat ini `t`.

timestep_r (`torch.Tensor` dengan bentuk `(batch_size,)`) : Langkah waktu referensi `r` (diset sama dengan `t` untuk inferensi standar).

encoder_hidden_states (`torch.Tensor` dengan bentuk `(batch_size, encoder_seq_len, hidden_size)`) : Embedding kondisional dari encoder kondisi (teks + lirik + timbre).

context_latents (`torch.Tensor` dengan bentuk `(batch_size, seq_len, context_dim)`) : Laten konteks (laten sumber yang digabungkan dengan mask chunk) — diberikan ke konvolusi patchify bersama `hidden_states`.

attention_kwargs (`dict`, *opsional*) : Kamus kwargs yang diteruskan ke `AttentionProcessor`. Digunakan untuk meneruskan skala LoRA melalui `{"scale": float}`.

return_dict (`bool`, defaultnya `True`) : Apakah akan mengembalikan `Transformer2DModelOutput` atau tuple biasa.

**Mengembalikan:** `Transformer2DModelOutput` atau `tuple`

Medan kecepatan yang diprediksi.

Metode forward dari [AceStepTransformer1DModel](/docs/diffusers/v0.43.0/id/api/models/ace_step_transformer#diffusers.AceStepTransformer1DModel).