# MiniMaxMusic3Transformer1DModel

Diffusion Transformer flow-matching 2.4B dari [MiniMax Music 3](https://huggingface.co/MiniMaxAI/MiniMax-Music3). Model ini melakukan denoising pada latens audio Flow-VAE 128-channel yang dikondisikan oleh hidden states per-frame dari tahap language-model autoregressive model, dengan menambahkan timestep flow-matching sebagai token urutan tambahan (transformer kontinu berwarisan Stable-Audio dengan partial rotary attention dan feedforward 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)
```

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

Flow-matching diffusion transformer dari MiniMax Music 3. Model ini melakukan denoising pada latens audio Flow-VAE yang dikondisikan oleh hidden states per-frame yang dihasilkan oleh tahap language-model autoregressive.

Input adalah urutan laten 1D dengan bentuk `(batch, in_channels, length)`. Sinyal kondisioning (`encoder_hidden_states`, bentuk `(batch, length, condition_dim)`) harus sudah selaras dengan garis waktu laten — lihat `MiniMaxMusic3ConditionEncoder`. `timestep` flow-matching berjalan dari 0 (noise) hingga 1 (data).

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

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

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

**Parameter:**

hidden_states (`torch.Tensor` dengan bentuk `(batch, in_channels, length)`) : Laten Flow-VAE berisik.

timestep (`torch.Tensor` dengan bentuk `(batch,)`) : Waktu flow-matching dalam `[0, 1]`, di mana 0 adalah murni noise dan 1 adalah data.

encoder_hidden_states (`torch.Tensor` dengan bentuk `(batch, length, condition_dim)`) : Kondisi yang selaras dengan frame dari `MiniMaxMusic3ConditionEncoder`. Masukkan nol untuk cabang unconditional dari classifier-free guidance.

return_dict (`bool`, defaultnya `True`) : Apakah akan mengembalikan [Transformer2DModelOutput](/docs/diffusers/v0.43.0/id/api/models/cogview3plus_transformer2d#diffusers.models.modeling_outputs.Transformer2DModelOutput) alih-alih tuple biasa.

**Mengembalikan:**

Kecepatan flow-matching yang diprediksi dengan bentuk yang sama seperti `hidden_states`.