引數

• sigma_min (float, 可選, 預設為 0.3) — sigma 排程中的最小噪聲幅度。在 Stable Audio Open [1] 中此值設定為 0.3。
• sigma_max (float, 可選, 預設為 500) — sigma 排程中的最大噪聲幅度。在 Stable Audio Open [1] 中此值設定為 500。
• sigma_data (float, 可選, 預設為 1.0) — 資料分佈的標準差。在 Stable Audio Open [1] 中此值設定為 1.0。
• sigma_schedule (str, 可選, 預設為 exponential) — 用於計算 sigmas 的 sigma 排程。預設情況下，我們使用 EDM 論文 (https://huggingface.co/papers/2206.00364) 中引入的排程。另一個可接受的值是 “exponential”。指數排程被整合到這個模型中：https://huggingface.co/stabilityai/cosxl。
• num_train_timesteps (int, 預設為 1000) — 用於訓練模型的擴散步數。
• solver_order (int, 預設為 2) — DPMSolver 階數，可以是 1 或 2。建議使用 solver_order=2。
• prediction_type (str, 預設為 v_prediction, 可選) — 排程器函式的預測型別；可以是 epsilon（預測擴散過程的噪聲），sample（直接預測噪聲樣本）或 v_prediction（參見 Imagen Video 論文的 2.4 節）。
• solver_type (str, 預設為 midpoint) — 二階求解器的求解器型別；可以是 midpoint 或 heun。求解器型別對樣本質量略有影響，特別是對於少量步驟。建議使用 midpoint 求解器。
• lower_order_final (bool, 預設為 True) — 是否在最後幾步中使用低階求解器。僅適用於小於 15 個推理步驟。這可以穩定 DPMSolver 在小於 15 個步驟（特別是小於等於 10 個步驟）的取樣。
• euler_at_final (bool, 預設為 False) — 是否在最後一步使用尤拉法。這是數值穩定性和細節豐富度之間的權衡。這可以穩定 DPMSolver 的 SDE 變體在少量推理步驟下的取樣，但有時可能導致模糊。
• final_sigmas_type (str, 預設為 "zero") — 取樣過程中噪聲排程的最終 sigma 值。如果為 "sigma_min"，則最終 sigma 與訓練排程中的最後一個 sigma 相同。如果為 zero，則最終 sigma 設定為 0。

引數

• prev_sample (torch.Tensor, 形狀為影像的(batch_size, num_channels, height, width)) — 計算出的前一個時間步的樣本 (x_{t-1})。在去噪迴圈中，prev_sample 應用作下一個模型輸入。