引导者

Guiders 是 Modular Diffusers 中的组件，用于控制生成过程中扩散过程的引导方式。它们实现了各种引导技术，以提升生成质量和可控性。

BaseGuidance

class diffusers.BaseGuidance

< source >

( start: float = 0.0stop: float = 1.0enabled: bool = True )

提供实现引导技术骨架的基类。

cleanup_models

< source >

( denoiser: torch.nn.Module )

在给定批次的数据处理完成后，清理用于 guidance 技术的模型。子类应重写此方法以实现特定的模型清理逻辑。它适用于移除在 prepare_models 期间添加的任何钩子或其他有状态修改。

from_pretrained

< source >

( pretrained_model_name_or_path: str | os.PathLike | None = Nonesubfolder: str | None = Nonereturn_unused_kwargs = False**kwargs )

参数

pretrained_model_name_or_path (str 或 os.PathLike, 可选) — 可以是以下之一：
- 一个字符串，即托管在 Hub 上的预训练模型的 model id（例如 google/ddpm-celebahq-256）。
- 指向一个目录（例如 ./my_model_directory）的路径，该目录包含使用 save_pretrained() 保存的 guider 配置。
subfolder (str, 可选) — 模型文件在 Hub 或本地更大的模型仓库中的子文件夹位置。
return_unused_kwargs (bool，可选，默认为 False) — 是否返回未被 Python 类使用的 kwargs。
cache_dir (str | os.PathLike, 可选) — 如果未使用标准缓存，则下载的预训练模型配置将被缓存到的目录路径。
force_download (bool，可选，默认为 False) — 是否强制（重新）下载模型权重和配置文件，如果存在缓存版本则覆盖它们。
proxies (dict[str, str]，可选) — 按协议或端点使用的代理服务器字典，例如 {'http': 'foo.bar:3128', 'http://hostname': 'foo.bar:4012'}。每次请求都会使用这些代理。
output_loading_info(bool, 可选，默认为 False) — 是否同时返回一个包含缺失键、意外键和错误消息的字典。
local_files_only(bool, 可选，默认为 False) — 是否仅加载本地的模型权重和配置文件。如果设置为 True，则不会从 Hub 下载模型。
token (str 或 bool，可选) — 用于远程文件的 HTTP bearer 授权令牌。如果为 True，则使用由 diffusers-cli login 生成的令牌（存储在 ~/.huggingface 中）。
revision (str, 可选, 默认为 "main") — 要使用的特定模型版本。它可以是分支名称、标签名称、提交 id，或 Git 允许的任何标识符。

从本地目录或 Hub 仓库中预定义的 JSON 配置文件实例化一个 guider。

> 若要使用私有或受控模型，请先通过 hf > auth login 登录。您还可以启用特殊的 > “离线模式”，以便在防火墙环境中使用此方法。

get_state

< source >

( )

以字典形式返回引导技术的当前状态。状态变量将包含在 repr 方法中。返回值：dict[str, Any]：一个包含当前状态变量的字典，其中包括：

step：当前推理步骤
num_inference_steps: 推理总步数
timestep: 当前时间步张量
count_prepared: prepare_models 被调用的次数
enabled: 是否启用引导
num_conditions: 条件数量

新增

< source >

( **kwargs )

参数

**kwargs — 用于在新实例中覆盖的配置参数。如果未提供 kwargs，则返回具有相同配置的精确副本。

创建此 guider 实例的副本，可选择修改配置参数。

示例：

# Create a CFG guider
guider = ClassifierFreeGuidance(guidance_scale=3.5)

# Create an exact copy
same_guider = guider.new()

# Create a copy with different start step, keeping other config the same
new_guider = guider.new(guidance_scale=5)

prepare_models

< source >

( denoiser: torch.nn.Module )

为给定数据批次准备模型，以应用引导技术。子类应重写此方法，以实现特定的模型准备逻辑。

save_pretrained

< source >

( save_directory: str | os.PathLikepush_to_hub: bool = False**kwargs )

参数

save_directory (str 或 os.PathLike) — 用于保存配置 JSON 文件的目录（如果该目录不存在，则会自动创建）。
push_to_hub (bool，可选，默认为 False) — 是否在保存模型后将其推送到 Hugging Face Hub。您可以使用 repo_id 指定要推送到的仓库（默认使用您命名空间中 save_directory 的名称）。
kwargs (dict[str, Any]，可选) — 传递给 push_to_hub() 方法的额外关键字参数。

将 guider 配置对象保存到目录中，以便使用 from_pretrained() 类方法重新加载。

ClassifierFreeGuidance

类 diffusers.ClassifierFreeGuidance

< source >

( guidance_scale: float = 7.5guidance_rescale: float = 0.0use_original_formulation: bool = Falsestart: float = 0.0stop: float = 1.0enabled: bool = True )

参数

guidance_scale (float，默认为 7.5) — 此 guider 在后处理阶段应用的 CFG 缩放值。值越高，提示词的条件约束越强，但可能会降低生成质量。典型取值范围：1.0-20.0。
guidance_rescale (float, defaults to 0.0) — Rescaling factor to prevent overexposure from high guidance scales. Based on Common Diffusion Noise Schedules and Sample Steps are Flawed. Range: 0.0 (no rescaling) to 1.0 (full rescaling).
use_original_formulation (bool，默认为 False) — 如果为 True，则使用论文中的原始 CFG 公式。如果为 False（默认值），则使用 Imagen 论文中的 diffusers 原生公式。
start (float，默认为 0.0) — CFG 开始生效的去噪步骤比例（0.0-1.0）。使用 > 0.0 可在早期去噪步骤中禁用 CFG。
stop (float，默认为 1.0) — 去噪步骤的比例（0.0-1.0），在此之后 CFG 停止。使用 < 1.0 可在后期去噪步骤中禁用 CFG。
enabled（bool，默认为 True）— 是否启用 CFG。设置为 False 可完全禁用 CFG（仅使用条件预测）。

为扩散模型实现无分类器引导（CFG）。

参考：https://huggingface.co/papers/2207.12598

CFG 通过在条件数据和无条件数据上联合训练模型，并在推理时结合两者的预测，从而提升生成质量和对提示词的遵循度。这使得我们可以在质量（高引导）和多样性（低引导）之间进行权衡。

两种 CFG 公式：

原始公式（来自论文）：
```
x_pred = x_cond + guidance_scale * (x_cond - x_uncond)
```
使条件预测与无条件预测之间的差异更大。
Diffusers 原生公式（默认，来自 Imagen 论文）：
```
x_pred = x_uncond + guidance_scale * (x_cond - x_uncond)
```
将无条件预测向条件预测靠拢，从而有效抑制负面特征（例如“质量差”、“水印”）。理论上等价，但更直观。

使用 use_original_formulation=True 切换到原始公式。

ClassifierFreeZeroStarGuidance

class diffusers.ClassifierFreeZeroStarGuidance

< source >

( guidance_scale: float = 7.5zero_init_steps: int = 1guidance_rescale: float = 0.0use_original_formulation: bool = Falsestart: float = 0.0stop: float = 1.0enabled: bool = True )

参数

guidance_scale (float，默认为 7.5) — 无分类器引导的缩放参数。较高的值会增强对文本提示的条件约束，而较低的值则允许生成过程拥有更大的自由度。过高的值可能导致饱和并降低图像质量。
zero_init_steps (int，默认为 1) — 噪声预测被置零的推理步数（参见第 4.2 节）。
guidance_rescale (float，默认为 0.0) — 应用于噪声预测的重缩放因子。用于提升图像质量并修复过曝问题。基于《常见的扩散噪声调度和采样步骤存在缺陷》中的第 3.4 节。
use_original_formulation (bool，默认为 False) — 是否使用论文中提出的 classifier-free guidance 的原始公式。默认情况下，我们使用 diffusers 原生实现，该实现已在代码库中存在较长时间。有关更多详细信息，请参阅 [~guiders.classifier_free_guidance.ClassifierFreeGuidance]。
start (float，默认为 0.01) — 在总去噪步数中，引导开始生效的比例。
stop (float，默认为 0.2) — 在总去噪步数中，超过该比例后停止引导。

Classifier-free Zero（CFG-Zero）：https://huggingface.co/papers/2503.18886

这是 Classifier-Free Zero* 引导技术的实现，它是 classifier-free guidance 的一种变体。该技术提出在扩散过程的前几步中对噪声预测进行零初始化，并引入了用于噪声预测的最优重缩放因子，有助于提升生成图像的质量。

该论文的作者在推理步骤的前 4% 中建议设置零初始化。

SkipLayerGuidance

class diffusers.SkipLayerGuidance

< source >

( guidance_scale: float = 7.5skip_layer_guidance_scale: float = 2.8skip_layer_guidance_start: float = 0.01skip_layer_guidance_stop: float = 0.2skip_layer_guidance_layers: int | list[int] | None = Noneskip_layer_config: LayerSkipConfig | list[LayerSkipConfig] | dict[str, Any] = Noneguidance_rescale: float = 0.0use_original_formulation: bool = Falsestart: float = 0.0stop: float = 1.0enabled: bool = True )

参数

guidance_scale (float，默认为 7.5) — 无分类器引导的缩放参数。较高的值会增强对文本提示的条件约束，而较低的值则允许生成过程拥有更大的自由度。过高的值可能导致饱和并降低图像质量。
skip_layer_guidance_scale (float，默认为 2.8) — skip layer guidance 的 scale 参数。较高的值可能会改善解剖结构和结构连贯性，但也可能导致过曝和饱和。
skip_layer_guidance_start (float，默认为 0.01) — 跳层引导开始的时间点，表示总去噪步数中经过的比例。
skip_layer_guidance_stop (float，默认值为 0.2) — 在总去噪步数中，经过该比例后停止 skip layer guidance 的阈值。
skip_layer_guidance_layers (int 或 list[int]，可选) — 应用 skip layer guidance 的层索引。可以是单个整数或整数列表。如果未提供，则必须提供 skip_layer_config。对于 Stable Diffusion 3.5 Medium，推荐值为 [7, 8, 9]。
skip_layer_config (LayerSkipConfig 或 list[LayerSkipConfig]，可选) — 用于 skip layer guidance 的配置。可以是单个 LayerSkipConfig，也可以是 LayerSkipConfig 的列表。如果未提供，则必须提供 skip_layer_guidance_layers。
guidance_rescale (float，默认为 0.0) — 应用于噪声预测的重缩放因子。用于提升图像质量并修复过曝问题。基于《常见的扩散噪声调度和采样步骤存在缺陷》中的第 3.4 节。
use_original_formulation (bool，默认为 False) — 是否使用论文中提出的 classifier-free guidance 的原始公式。默认情况下，我们使用 diffusers 原生实现，该实现已在代码库中存在较长时间。有关更多详细信息，请参阅 [~guiders.classifier_free_guidance.ClassifierFreeGuidance]。
start (float，默认为 0.01) — 在总去噪步数中，引导开始生效的比例。
stop (float，默认为 0.2) — 在总去噪步数中，超过该比例后停止引导。

跳过层引导（SLG）：https://github.com/Stability-AI/sd3.5

时空引导（STG）：https://huggingface.co/papers/2411.18664

SLG 由 StabilityAI 提出，用于提升生成图像的结构和解剖学一致性。其工作原理是：在去噪过程中，除了 CFG（[~guiders.classifier_free_guidance.ClassifierFreeGuidance]）中已使用的条件批次和无条件批次外，额外引入一个条件数据批次，并跳过其中指定 transformer 块的前向传播，然后根据“未跳过的条件预测”与“跳过的条件预测”之间的差异，对 CFG 预测进行缩放和平移。

SLG 背后的直觉可以理解为：将 CFG 预测的分布估计进一步推离条件分布估计的较差版本（因为跳过层相当于在条件预测中使用了一个较差版本的模型）。

STG 是一项改进和后续工作，它结合了 SLG、PAG 以及类似技术中用于提升视频扩散模型生成质量的思路。

SmoothedEnergyGuidance

class diffusers.SmoothedEnergyGuidance

< source >

( guidance_scale: float = 7.5seg_guidance_scale: float = 2.8seg_blur_sigma: float = 9999999.0seg_blur_threshold_inf: float = 9999.0seg_guidance_start: float = 0.0seg_guidance_stop: float = 1.0seg_guidance_layers: int | list[int] | None = Noneseg_guidance_config: SmoothedEnergyGuidanceConfig | list[SmoothedEnergyGuidanceConfig] = Noneguidance_rescale: float = 0.0use_original_formulation: bool = Falsestart: float = 0.0stop: float = 1.0enabled: bool = True )

参数

guidance_scale (float，默认为 7.5) — 无分类器引导的缩放参数。较高的值会增强对文本提示的条件约束，而较低的值则允许生成过程拥有更大的自由度。过高的值可能导致饱和并降低图像质量。
seg_guidance_scale (float，默认为 3.0) — 平滑能量引导的缩放参数。较高的值可能会改善解剖结构和结构的一致性，但也可能导致过曝和饱和。
seg_blur_sigma (float，默认值为 9999999.0) — 用于模糊注意力权重的程度。将该值设置为大于 9999.0 会导致无限模糊，即查询变为均匀分布。经验上，以指数方式控制该值效果良好。
seg_blur_threshold_inf (float，默认值为 9999.0) — 超过该阈值时，模糊被视为无限。
seg_guidance_start (float，默认为 0.0) — 在总去噪步数中，平滑能量引导开始生效的比例。
seg_guidance_stop (float，默认值为 1.0) — 在总去噪步数中，平滑能量引导停止所对应的比例。
seg_guidance_layers (int 或 list[int]，可选) — 要应用平滑能量引导的层索引。可以是单个整数或整数列表。如果未提供，则必须提供 seg_guidance_config。对于 Stable Diffusion 3.5 Medium，推荐值为 [7, 8, 9]。
seg_guidance_config (SmoothedEnergyGuidanceConfig 或 list[SmoothedEnergyGuidanceConfig]，可选) — 平滑能量层引导的配置。可以是单个 SmoothedEnergyGuidanceConfig，也可以是 SmoothedEnergyGuidanceConfig 的列表。如果未提供，则必须提供 seg_guidance_layers。
guidance_rescale (float，默认为 0.0) — 应用于噪声预测的重缩放因子。用于提升图像质量并修复过曝问题。基于《常见的扩散噪声调度和采样步骤存在缺陷》中的第 3.4 节。
use_original_formulation (bool，默认为 False) — 是否使用论文中提出的 classifier-free guidance 的原始公式。默认情况下，我们使用 diffusers 原生实现，该实现已在代码库中存在较长时间。有关更多详细信息，请参阅 [~guiders.classifier_free_guidance.ClassifierFreeGuidance]。
start (float，默认为 0.01) — 在总去噪步数中，引导开始生效的比例。
stop (float，默认为 0.2) — 在总去噪步数中，超过该比例后停止引导。

平滑能量引导（SEG）：https://huggingface.co/papers/2408.00760

目前，SEG 仅作为实验性原型功能提供支持，因此其实现方式可能会在未来被修改，且不会提前通知，也不保证可复现性。此实现基于以下假设：

生成的图像为正方形（高度 == 宽度）
该模型不会将不同的模态组合在一起（例如，文本和图像的潜在流不会像 Flux 那样被组合在一起）

PerturbedAttentionGuidance

class diffusers.PerturbedAttentionGuidance

< source >

( guidance_scale: float = 7.5perturbed_guidance_scale: float = 2.8perturbed_guidance_start: float = 0.01perturbed_guidance_stop: float = 0.2perturbed_guidance_layers: int | list[int] | None = Noneperturbed_guidance_config: LayerSkipConfig | list[LayerSkipConfig] | dict[str, Any] = Noneguidance_rescale: float = 0.0use_original_formulation: bool = Falsestart: float = 0.0stop: float = 1.0enabled: bool = True )

参数

guidance_scale (float，默认为 7.5) — 无分类器引导的缩放参数。较高的值会增强对文本提示的条件约束，而较低的值则允许生成过程拥有更大的自由度。过高的值可能导致饱和并降低图像质量。
perturbed_guidance_scale（float，默认为 2.8）— 用于扰动注意力引导的缩放参数。
perturbed_guidance_start (float，默认为 0.01) — 在总去噪步数中，扰动注意力引导开始生效的比例。
perturbed_guidance_stop (float，默认为 0.2) — 在总去噪步数中，超过该比例后停止使用扰动注意力引导。
perturbed_guidance_layers（int 或 list[int]，可选）— 应用扰动注意力引导的层索引。可以是单个整数或整数列表。如果未提供，则必须提供 perturbed_guidance_config。
perturbed_guidance_config (LayerSkipConfig 或 list[LayerSkipConfig]，可选) — 用于扰动注意力引导的配置。可以是单个 LayerSkipConfig 或 LayerSkipConfig 列表。如果未提供，则必须提供 perturbed_guidance_layers。
guidance_rescale (float，默认为 0.0) — 应用于噪声预测的重缩放因子。用于提升图像质量并修复过曝问题。基于《常见的扩散噪声调度和采样步骤存在缺陷》中的第 3.4 节。
use_original_formulation (bool，默认为 False) — 是否使用论文中提出的 classifier-free guidance 的原始公式。默认情况下，我们使用 diffusers 原生实现，该实现已在代码库中存在较长时间。有关更多详细信息，请参阅 [~guiders.classifier_free_guidance.ClassifierFreeGuidance]。
start (float，默认为 0.01) — 在总去噪步数中，引导开始生效的比例。
stop (float，默认为 0.2) — 在总去噪步数中，超过该比例后停止引导。

扰动注意力引导（PAG）：https://huggingface.co/papers/2403.17377

PAG 背后的直觉可以理解为：将 CFG 预测的分布估计进一步推离条件分布估计的较差版本。PAG 是最早引入“利用训练模型的较差版本来更好地引导自身去噪过程”这一思想的技巧之一。它通过为特定选定的层将分数矩阵替换为单位矩阵，来扰动潜在流的注意力分数。

AdaptiveProjectedGuidance

class diffusers.AdaptiveProjectedGuidance

< source >

( guidance_scale: float = 7.5adaptive_projected_guidance_momentum: float | None = Noneadaptive_projected_guidance_rescale: float = 15.0adaptive_projected_guidance_norm_dim: int | tuple[int, ...] | None = Noneeta: float = 1.0guidance_rescale: float = 0.0use_original_formulation: bool = Falsestart: float = 0.0stop: float = 1.0enabled: bool = True )

参数

guidance_scale (float，默认为 7.5) — 无分类器引导的缩放参数。较高的值会增强对文本提示的条件约束，而较低的值则允许生成过程拥有更大的自由度。过高的值可能导致饱和并降低图像质量。
adaptive_projected_guidance_momentum (float，默认为 None) — 自适应投影引导的动量参数。如果设置为 None，则禁用该功能。
adaptive_projected_guidance_rescale (float，默认值为 15.0) — 应用于噪声预测的重缩放因子。用于提升图像质量并修复
adaptive_projected_guidance_norm_dim (int 或 tuple[int]，可选) — 用于计算 APG 范数和投影的维度。如果省略，则使用所有非批次维度，以保持原始行为。
guidance_rescale (float，默认为 0.0) — 应用于噪声预测的重缩放因子。用于提升图像质量并修复过曝问题。基于《常见的扩散噪声调度和采样步骤存在缺陷》中的第 3.4 节。
use_original_formulation (bool，默认为 False) — 是否使用论文中提出的 classifier-free guidance 的原始公式。默认情况下，我们使用 diffusers 原生实现，该实现已在代码库中存在较长时间。有关更多详细信息，请参阅 [~guiders.classifier_free_guidance.ClassifierFreeGuidance]。
start (float，默认为 0.0) — 去噪总步数中，引导开始生效的比例。
stop (float，默认为 1.0) — 在总去噪步数中，超过该比例后停止引导。

自适应投影引导（APG）：https://huggingface.co/papers/2410.02416

AutoGuidance

class diffusers.AutoGuidance

< source >

( guidance_scale: float = 7.5auto_guidance_layers: int | list[int] | None = Noneauto_guidance_config: LayerSkipConfig | list[LayerSkipConfig] | dict[str, Any] = Nonedropout: float | None = Noneguidance_rescale: float = 0.0use_original_formulation: bool = Falsestart: float = 0.0stop: float = 1.0enabled: bool = True )

参数

guidance_scale (float，默认为 7.5) — 无分类器引导的缩放参数。较高的值会增强对文本提示的条件约束，而较低的值则允许生成过程拥有更大的自由度。过高的值可能导致饱和并降低图像质量。
auto_guidance_layers (int 或 list[int]，可选) — 应用 skip layer guidance 的层索引。可以是单个整数或整数列表。如果未提供，则必须提供 skip_layer_config。
auto_guidance_config (LayerSkipConfig 或 list[LayerSkipConfig]，可选) — 用于 skip layer guidance 的配置。可以是单个 LayerSkipConfig，也可以是 LayerSkipConfig 的列表。如果未提供，则必须提供 skip_layer_guidance_layers。
dropout (float, 可选) — 在启用的跳过层上用于自动引导的 dropout 概率（通过 auto_guidance_layers 或 auto_guidance_config 指定）。如果未提供，dropout 概率将设置为 1.0。
guidance_rescale (float，默认为 0.0) — 应用于噪声预测的重缩放因子。用于提升图像质量并修复过曝问题。基于《常见的扩散噪声调度和采样步骤存在缺陷》中的第 3.4 节。
use_original_formulation (bool，默认为 False) — 是否使用论文中提出的 classifier-free guidance 的原始公式。默认情况下，我们使用 diffusers 原生实现，该实现已在代码库中存在较长时间。有关更多详细信息，请参阅 [~guiders.classifier_free_guidance.ClassifierFreeGuidance]。
start (float，默认为 0.0) — 去噪总步数中，引导开始生效的比例。
stop (float，默认为 1.0) — 在总去噪步数中，超过该比例后停止引导。

AutoGuidance：https://huggingface.co/papers/2406.02507

TangentialClassifierFreeGuidance

class diffusers.TangentialClassifierFreeGuidance

< source >

( guidance_scale: float = 7.5guidance_rescale: float = 0.0use_original_formulation: bool = Falsestart: float = 0.0stop: float = 1.0enabled: bool = True )

参数

guidance_scale (float，默认为 7.5) — 无分类器引导的缩放参数。较高的值会增强对文本提示的条件约束，而较低的值则允许生成过程拥有更大的自由度。过高的值可能导致饱和并降低图像质量。
guidance_rescale (float，默认为 0.0) — 应用于噪声预测的重缩放因子。用于提升图像质量并修复过曝问题。基于《常见的扩散噪声调度和采样步骤存在缺陷》中的第 3.4 节。
use_original_formulation (bool，默认为 False) — 是否使用论文中提出的 classifier-free guidance 的原始公式。默认情况下，我们使用 diffusers 原生实现，该实现已在代码库中存在较长时间。有关更多详细信息，请参阅 [~guiders.classifier_free_guidance.ClassifierFreeGuidance]。
start (float，默认为 0.0) — 去噪总步数中，引导开始生效的比例。
stop (float，默认为 1.0) — 在总去噪步数中，超过该比例后停止引导。

切向分类器自由引导（TCFG）：https://huggingface.co/papers/2503.18137

LTX2Guidance

class diffusers.LTX2Guidance

< source >

( guidance_scale: float = 1.0stg_scale: float = 0.0modality_scale: float = 1.0guidance_rescale: float = 0.0spatio_temporal_guidance_blocks: list[int] | None = Nonestart: float = 0.0stop: float = 1.0enabled: bool = True )

参数

guidance_scale（float，默认为 1.0）— 该模态的 CFG 缩放系数。当值为 1.0 时，将完全跳过 CFG 处理。
stg_scale (float，默认为 0.0) — 该模态的时空引导尺度。当值为 0.0 时，将完全跳过 STG 处理。
modality_scale (float，默认为 1.0) — 该模态的模态隔离引导比例。当值为 1.0 时，将完全跳过该步骤。
guidance_rescale (float, defaults to 0.0) — Rescaling factor to prevent overexposure from high guidance scales. Based on Common Diffusion Noise Schedules and Sample Steps are Flawed. Range: 0.0 (no rescaling) to 1.0 (full rescaling).
spatio_temporal_guidance_blocks (list[int], 可选) — 在 STG 过程中需要扰动的 Transformer 块。该值的具体使用方式取决于去噪器块： LTX-2 在单次前向传播中扰动整个块，该前向传播为所有模态提供输入，因此它仅从视频引导器读取此值——在音频引导器上设置该值不会产生任何效果，而该音频引导器会通过其自身的 stg_scale 加入相同的 STG 前向传播。
start (float，默认为 0.0) — 去噪步骤（0.0-1.0）中开始应用引导的比例。
stop (float，默认为 1.0) — 去噪步骤的比例（0.0-1.0），在此之后停止引导。
enabled（bool，默认为 True） — 是否启用该 guider 的引导功能。当设置为 False 时，仅执行条件路径。

LTX-2.X 的单模态引导器。通过 delta 公式组合最多三个术语：

无分类器引导（CFG），
时空引导（STG），即额外执行一次前向传播，其中一组 transformer 块受到扰动，
模态隔离引导，即额外执行一次禁用 A2V/V2A 交叉注意力的过程。

一个实例驱动一种模态，因此多模态检查点包含多个实例：LTX-2.X 将视频 guider 与 audio_guider 配对，每个实例各自持有其对应的 scales。最终的 guidance 估计值在调用方提供的空间中计算——LTX-2 去噪器在调用此函数前将 velocity->x0 进行转换，调用后再转换回来，因此 forward 基于 x0 预测进行操作。

与通过钩子（hooks）应用扰动的 SkipLayerGuidance 不同，LTX2Guidance 要求其非 CFG 扰动可通过模型的前向传播参数进行配置（即 LTX2VideoTransformer3DModel 中的 spatio_temporal_guidance_blocks 和 isolate_modalities）。调用去噪器块负责为每次前向传播设置这些标识符；使用示例请参见 LTX2LoopDenoiser。

Update on GitHub