Diffusers

加入 Hugging Face 社群

並獲得增強的文件體驗

在模型、資料集和 Spaces 上進行協作

透過加速推理獲得更快的示例

切換文件主題

開始使用

AutoencoderKLWan

Alibaba Wan 團隊在 Wan 2.1 中使用的帶 KL 損失的 3D 變分自編碼器 (VAE) 模型。

該模型可以透過以下程式碼片段載入。

from diffusers import AutoencoderKLWan

vae = AutoencoderKLWan.from_pretrained("Wan-AI/Wan2.1-T2V-1.3B-Diffusers", subfolder="vae", torch_dtype=torch.float32)

AutoencoderKLWan

class diffusers.AutoencoderKLWan

< source >

( base_dim: int = 96 z_dim: int = 16 dim_mult: typing.Tuple[int] = [1, 2, 4, 4] num_res_blocks: int = 2 attn_scales: typing.List[float] = [] temperal_downsample: typing.List[bool] = [False, True, True] dropout: float = 0.0 latents_mean: typing.List[float] = [-0.7571, -0.7089, -0.9113, 0.1075, -0.1745, 0.9653, -0.1517, 1.5508, 0.4134, -0.0715, 0.5517, -0.3632, -0.1922, -0.9497, 0.2503, -0.2921] latents_std: typing.List[float] = [2.8184, 1.4541, 2.3275, 2.6558, 1.2196, 1.7708, 2.6052, 2.0743, 3.2687, 2.1526, 2.8652, 1.5579, 1.6382, 1.1253, 2.8251, 1.916] )

一個 VAE 模型，帶有 KL 損失，用於將影片編碼為潛在表示，並將潛在表示解碼為影片。在 [Wan 2.1] 中引入。

此模型繼承自 ModelMixin。有關所有模型實現的通用方法（如下載或儲存），請參閱超類文件。

包裝器

< 源 >

( *args **kwargs )

停用切片

< 源 >

( )

停用切片 VAE 解碼。如果之前啟用了 enable_slicing，此方法將恢復一步計算解碼。

停用平鋪

< 源 >

( )

停用平鋪 VAE 解碼。如果之前啟用了 enable_tiling，此方法將恢復一步計算解碼。

啟用切片

< 源 >

( )

啟用切片 VAE 解碼。啟用此選項後，VAE 會將輸入張量分片，分步計算解碼。這有助於節省一些記憶體並允許更大的批次大小。

啟用平鋪

< 源 >

( tile_sample_min_height: typing.Optional[int] = None tile_sample_min_width: typing.Optional[int] = None tile_sample_stride_height: typing.Optional[float] = None tile_sample_stride_width: typing.Optional[float] = None )

引數

tile_sample_min_height (int, 可選) — 樣本在高度維度上被分割成瓷磚所需的最小高度。
tile_sample_min_width (int, 可選) — 樣本在寬度維度上被分割成瓷磚所需的最小寬度。
tile_sample_stride_height (int, 可選) — 兩個連續垂直切片之間的最小重疊量。這用於確保在高度維度上不會出現平鋪偽影。
tile_sample_stride_width (int, 可選) — 兩個連續水平切片之間的步幅。這用於確保在寬度維度上不會出現平鋪偽影。