Attention masks are missing in SD3 to mask out text padding tokens

### Describe the bug

In the attention implementation of SD3, attention masks currently are not used. This will result in inconsistent outputs for the different values `max_seq_length` where padding exists in text tokens as the attention scores of padding tokens are non-zero. This issue has been discussed in https://github.com/huggingface/diffusers/discussions/8628, and is created to track the progress of fixing this problem.

Thanks @sayakpaul for the discussion.

### Reproduction

n/a

### Logs

_No response_

### System Info

n/a

### Who can help?

_No response_

SD3 の attention 実装から始め、padding token に関する既存のコンテキストを確認するために、リンク先のディスカッションを読んでください。テキストの padding が存在する場合に attention スコアがどのように計算されるかを追跡し、その後、padding だけが原因で出力が max_seq_length によって変化しなくなっていることを確認してください。

索引モデルが issue の本文から書いたものです。