# MiniMaxMusic3Transformer1DModel

Diffusion Transformer flow-matching 2.4B của [MiniMax Music 3](https://huggingface.co/MiniMaxAI/MiniMax-Music3). Nó khử nhiễu các latents âm thanh Flow-VAE 128 kênh, được điều kiện bởi các trạng thái ẩn theo từng khung hình của giai đoạn mô hình ngôn ngữ tự hồi quy của mô hình, bằng cách thêm trước bước thời gian flow-matching như một token chuỗi bổ sung (một transformer liên tục thuộc dòng Stable-Audio với chú ý rotary một phần và các lớp 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)
```

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

Transformer khuếch tán khớp dòng (flow-matching) của MiniMax Music 3. Nó khử nhiễu các ẩn âm thanh Flow-VAE có điều kiện dựa trên các trạng thái ẩn theo khung (per-frame) được tạo ra bởi giai đoạn mô hình ngôn ngữ tự hồi quy (autoregressive).

Inputs là các chuỗi latent 1D có shape `(batch, in_channels, length)`. Tín hiệu điều kiện (`encoder_hidden_states`, shape `(batch, length, condition_dim)`) phải đã được căn chỉnh với dòng thời gian latent — xem `MiniMaxMusic3ConditionEncoder`. `timestep` của flow-matching chạy từ 0 (noise) đến 1 (data).

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

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

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

**Tham số:**

hidden_states (`torch.Tensor` có hình dạng `(batch, in_channels, length)`) : Latents của Flow-VAE có nhiễu.

timestep (`torch.Tensor` có hình dạng `(batch,)`) : Thời gian flow-matching trong `[0, 1]`, trong đó 0 là nhiễu thuần túy và 1 là dữ liệu.

encoder_hidden_states (`torch.Tensor` có shape `(batch, length, condition_dim)`) : Điều kiện căn chỉnh theo frame từ `MiniMaxMusic3ConditionEncoder`. Truyền zeros cho nhánh không điều kiện của classifier-free guidance.

return_dict (`bool`, mặc định là `True`) : Có nên trả về một [Transformer2DModelOutput](/docs/diffusers/v0.43.0/vi/api/models/cogview3plus_transformer2d#diffusers.models.modeling_outputs.Transformer2DModelOutput) thay vì một tuple thông thường hay không.

**Trả về:**

Tốc độ khớp dòng dự đoán có cùng hình dạng với `hidden_states`.