参数

• sigma_min (float, 可选, 默认值为 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, 默认值为 500) — sigma 计划中的最大噪声幅度。这在 Stable Audio Open [1] 中设置为 500。
• sigma_data (float, 可选, 默认值为 1.0) — 数据分布的标准差。这在 Stable Audio Open [1] 中设置为 1.0。
• sigma_schedule (str, 可选, 默认值为 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”。指数计划被整合到这个模型中：https://huggingface.co/stabilityai/cosxl。
• num_train_timesteps (int, 默认值为 1000) — 用于训练模型的扩散步骤数量。
• solver_order (int, 默认值为 2) — DPMSolver 阶数，可以是 1 或 2。建议使用 solver_order=2。
• prediction_type (str, 默认值为 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 (直接预测有噪声的样本) 或 v_prediction` (参见 Imagen Video 论文的第 2.4 节)。
• solver_type (str, 默认值为 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，尤其是在步骤数较少的情况下。建议使用 midpoint 求解器。
• lower_order_final (bool, 默认值为 True) — 是否在最后几步使用低阶求解器。仅对 < 15 个推理步骤有效。这可以稳定 DPMSolver 的采样，尤其是在 < 15 个步骤，特别是 <= 10 个步骤的情况下。
• euler_at_final (bool, 默认值为 False) — 是否在最后一步使用欧拉方法。这是数值稳定性和细节丰富性之间的权衡。这可以稳定 DPMSolver 的 SDE 变体在少量推理步骤时的采样，但有时可能会导致模糊。
• final_sigmas_type (str, 默认值为 "zero") — 采样过程中噪声调度最后使用的 sigma 值。如果为 "sigma_min"，则最后的 sigma 与训练调度中的最后一个 sigma 相同。如果为 zero，则最后的 sigma 被设置为 0。