Diffusers documentation
MiniMaxMusic3Transformer1DModel
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
< source >( 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
< source >( hidden_states: Tensortimestep: Tensorencoder_hidden_states: Tensorreturn_dict: bool = True )
Parameter
- hidden_states (
torch.Tensordengan bentuk(batch, in_channels, length)) — Latent Flow-VAE yang berisik. - timestep (
torch.Tensordengan bentuk(batch,)) — Waktu flow-matching dalam[0, 1], di mana 0 adalah noise murni dan 1 adalah data. - encoder_hidden_states (
torch.Tensordengan bentuk(batch, length, condition_dim)) — Kondisi yang selaras dengan frame dariMiniMaxMusic3ConditionEncoder. Gunakan nol untuk cabang unconditional dari classifier-free guidance. - return_dict (
bool, defaultnyaTrue) — Apakah akan mengembalikan Transformer2DModelOutput alih-alih tuple biasa.