Hugging Face's logo

Diffusers documentation

MiniMaxMusic3Transformer1DModel

You are viewing main version, which requires installation from source. If you'd like regular pip install, checkout the latest stable version (v0.42.1).
Hugging Face's logo
Join the Hugging Face community

and get access to the augmented documentation experience

to get started

MiniMaxMusic3Transformer1DModel

Diffusion Transformer flow-matching 2.4B dari MiniMax Music 3. 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

kelas diffusers.MiniMaxMusic3Transformer1DModel

< >

( 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 )

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

< >

( hidden_states: Tensortimestep: Tensorencoder_hidden_states: Tensorreturn_dict: bool = True )

Parameter

  • hidden_states (torch.Tensor dengan bentuk (batch, in_channels, length)) — Latent Flow-VAE yang berisik.
  • timestep (torch.Tensor dengan bentuk (batch,)) — Waktu flow-matching dalam [0, 1], di mana 0 adalah noise murni dan 1 adalah data.
  • encoder_hidden_states (torch.Tensor dengan bentuk (batch, length, condition_dim)) — Kondisi yang selaras dengan frame dari MiniMaxMusic3ConditionEncoder. Gunakan nol untuk cabang unconditional dari classifier-free guidance.
  • return_dict (bool, defaultnya True) — Apakah akan mengembalikan Transformer2DModelOutput alih-alih tuple biasa.
Update on GitHub

←MiniMaxH3Transformer3DModel MochiTransformer3DModel→