参数

• sigma_min (float, 可选, 默认为 0.3) — sigma 计划中的最小噪声幅度。这在 Stable Audio Open [1] 中设置为 0.3。
• sigma_max (float, 可选, 默认为 500) — Sigma 计划中的最大噪声幅度。在 Stable Audio Open [1] 中设置为 500。
• sigma_data (float, 可选, 默认为 1.0) — 数据分布的标准差。在 Stable Audio Open [1] 中设置为 1.0。
• sigma_schedule (str, 可选, 默认为 exponential) — 用于计算 sigmas 的 Sigma 计划。默认情况下，我们使用 EDM 论文中介绍的计划 (https://arxiv.org/abs/2206.00364)。另一个可接受的值是 “exponential”（指数）。指数计划已纳入此模型中：https://huggingface.co/stabilityai/cosxl。
• num_train_timesteps (int, 默认为 1000) — 用于训练模型的扩散步骤数。
• solver_order (int, 默认为 2) — DPMSolver 的阶数，可以是 1 或 2。建议使用 solver_order=2。
• prediction_type (str, 默认为 v_prediction, 可选) — 调度器函数的预测类型；可以是 epsilon (预测扩散过程的噪声)、sample (直接预测噪声样本) 或 v_prediction (参见 Imagen Video 论文的 2.4 节)。
• solver_type (str, 默认为 midpoint) — 二阶求解器的求解器类型；可以是 midpoint 或 heun。求解器类型略微影响样本质量，尤其是在步数较少的情况下。建议使用 midpoint 求解器。
• lower_order_final (bool, 默认为 True) — 是否在最后步骤中使用低阶求解器。仅对 < 15 个推理步骤有效。这可以稳定步数 < 15 的 DPMSolver 采样，特别是对于步数 <= 10 的情况。
• euler_at_final (bool, 默认为 False) — 是否在最后一步中使用欧拉方法。这是数值稳定性和细节丰富度之间的权衡。这可以稳定小步数推理的 SDE 变体 DPMSolver 的采样，但有时可能会导致模糊。
• final_sigmas_type (str, 默认为 "zero") — 采样过程中噪声计划的最终 sigma 值。如果为 "sigma_min"，则最终 sigma 与训练计划中的最后一个 sigma 相同。如果为 zero，则最终 sigma 设置为 0。

参数

• prev_sample (torch.Tensor，形状为图像的 (batch_size, num_channels, height, width)) — 上一个时间步的计算样本 (x_{t-1})。 prev_sample 应在去噪循环中用作下一个模型输入。