# AceStepTransformer1DModel

Um Diffusion Transformer 1D para geração de música a partir do [ACE-Step 1.5](https://github.com/ace-step/ACE-Step-1.5). O modelo opera nos latentes estéreo de 25 Hz produzidos pelo [AutoencoderOobleck](/docs/diffusers/v0.43.0/pt/api/models/autoencoder_oobleck#diffusers.AutoencoderOobleck) usando flow matching e é treinado com um backbone derivado do Qwen3 (atenção de consulta agrupada, incorporação de posição rotativa, RMSNorm, condicionamento de passo de tempo AdaLN-Zero) além de atenção cruzada para as condições de texto / letra / timbre construídas por `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)
```

[Fonte](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/ace_step_transformer.py#L432)

Diffusion Transformer para geração de música com ACE-Step 1.5.

Gera latentes de áudio condicionados em texto, letras e timbre. Utiliza incorporação de patches 1D (`Conv1d` com passo `patch_size`) seguida por uma pilha de `AceStepTransformerBlock`s com atenção deslizante / atenção completa alternadas no ramo de autoatenção. A atenção cruzada consome os `encoder_hidden_states` empacotados produzidos por `AceStepConditionEncoder`.

#### 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)
```

[Fonte](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/models/transformers/ace_step_transformer.py#L532)

**Parâmetros:**

hidden_states (`torch.Tensor` de forma `(batch_size, seq_len, channels)`) : Entrada latente com ruído para o processo de difusão.

timestep (`torch.Tensor` de forma `(batch_size,)`) : Etapa de difusão atual `t`.

timestep_r (`torch.Tensor` de forma `(batch_size,)`) : Passo de tempo de referência `r` (definido igual a `t` para inferência padrão).

encoder_hidden_states (`torch.Tensor` de forma `(batch_size, encoder_seq_len, hidden_size)`) : Embebimentos de condicionamento do codificador de condição (texto + letras + timbre).

context_latents (`torch.Tensor` de forma `(batch_size, seq_len, context_dim)`) : Latentes de contexto (latentes de origem concatenados com máscaras de blocos) — fornecidos à convolução de patchify junto com `hidden_states`.

attention_kwargs (`dict`, *opcional*) : Um dicionário de kwargs passado para o `AttentionProcessor`. Usado para passar a escala do LoRA via `{"scale": float}`.

return_dict (`bool`, padrão `True`) : Se deve retornar um `Transformer2DModelOutput` ou uma tupla simples.

**Retorna:** `Transformer2DModelOutput` ou `tuple`

O campo de velocidade previsto.

O método forward do [AceStepTransformer1DModel](/docs/diffusers/v0.43.0/pt/api/models/ace_step_transformer#diffusers.AceStepTransformer1DModel).