# AceStepTransformer1DModel

Một Diffusion Transformer 1D cho việc tạo nhạc từ [ACE-Step 1.5](https://github.com/ace-step/ACE-Step-1.5). Mô hình hoạt động trên các latents stereo 25 Hz do [AutoencoderOobleck](/docs/diffusers/main/vi/api/models/autoencoder_oobleck#diffusers.AutoencoderOobleck) tạo ra, sử dụng flow matching, và được huấn luyện với một backbone có nguồn gốc từ Qwen3 (grouped-query attention, rotary position embedding, RMSNorm, điều kiện hóa bước thời gian AdaLN-Zero) cùng với cross-attention đến các điều kiện văn bản / lời bài hát / âm sắc được xây dựng bởi `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)
```

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

Diffusion Transformer cho tạo nhạc ACE-Step 1.5.

Tạo ra các ẩn âm thanh có điều kiện dựa trên văn bản, lời bài hát và âm sắc. Sử dụng nhúng patch 1 chiều (`Conv1d` với bước nhảy `patch_size`) tiếp theo là một chồng các `AceStepTransformerBlock` với chú ý cửa sổ trượt / chú ý toàn phần xen kẽ trên nhánh tự chú ý. Chú ý chéo tiêu thụ `encoder_hidden_states` đã đóng gói do `AceStepConditionEncoder` tạo ra.

#### 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)
```

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

**Tham số:**

hidden_states (`torch.Tensor` có hình dạng `(batch_size, seq_len, channels)`) : Đầu vào ẩn nhiễu cho quá trình khuếch tán.

timestep (`torch.Tensor` có hình dạng `(batch_size,)`) : Bước thời gian khuếch tán hiện tại `t`.

timestep_r (`torch.Tensor` có shape `(batch_size,)`) : Timestep tham chiếu `r` (được đặt bằng `t` cho suy luận tiêu chuẩn).

encoder_hidden_states (`torch.Tensor` có shape `(batch_size, encoder_seq_len, hidden_size)`) : Các embedding điều kiện từ bộ mã hóa điều kiện (văn bản + lời bài hát + âm sắc).

context_latents (`torch.Tensor` có shape `(batch_size, seq_len, context_dim)`) : Context latents (source latents được nối với chunk masks) — được đưa vào patchify conv cùng với `hidden_states`.

attention_kwargs (`dict`, *tùy chọn*) : Một từ điển kwargs được truyền đến `AttentionProcessor`. Được dùng để truyền thang đo LoRA thông qua `{"scale": float}`.

return_dict (`bool`, mặc định là `True`) : Xác định việc trả về một `Transformer2DModelOutput` hay một tuple thông thường.

**Trả về:** `Transformer2DModelOutput` hoặc `tuple`

Trường vận tốc dự đoán.

Phương thức forward của [AceStepTransformer1DModel](/docs/diffusers/main/vi/api/models/ace_step_transformer#diffusers.AceStepTransformer1DModel).