参数

• sigma_min (float, 可选, 默认为 0.3) — sigma 调度中的最小噪声幅度。在 Stable Audio Open [1] 中此值设置为 0.3。
• sigma_max (float, 可选, 默认为 500) — sigma 调度中的最大噪声幅度。在 Stable Audio Open [1] 中此值设置为 500。
• sigma_data (float, 可选, 默认为 1.0) — 数据分布的标准差。在 Stable Audio Open [1] 中此值设置为 1.0。
• sigma_schedule (str, 可选, 默认为 exponential) — 用于计算 sigmas 的 sigma 调度。默认情况下，我们使用 EDM 论文 (https://huggingface.co/papers/2206.00364) 中引入的调度。另一个可接受的值是 “exponential”。指数调度被整合到这个模型中：https://huggingface.co/stabilityai/cosxl。
• num_train_timesteps (int, 默认为 1000) — 用于训练模型的扩散步数。
• solver_order (int, 默认为 2) — DPMSolver 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。求解器类型对样本质量略有影响，特别是对于少量步骤。建议使用 midpoint 求解器。
• lower_order_final (bool, 默认为 True) — 是否在最后几步中使用低阶求解器。仅适用于小于 15 个推理步骤。这可以稳定 DPMSolver 在小于 15 个步骤（特别是小于等于 10 个步骤）的采样。
• euler_at_final (bool, 默认为 False) — 是否在最后一步使用欧拉法。这是数值稳定性和细节丰富度之间的权衡。这可以稳定 DPMSolver 的 SDE 变体在少量推理步骤下的采样，但有时可能导致模糊。
• final_sigmas_type (str, 默认为 "zero") — 采样过程中噪声调度的最终 sigma 值。如果为 "sigma_min"，则最终 sigma 与训练调度中的最后一个 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)) — 计算出的前一个时间步的样本 (x_{t-1})。在去噪循环中，prev_sample 应用作下一个模型输入。