본 논문은 EnCodec의 신경망 오디오 압축 기술과 StyleGAN2의 생성 능력을 통합하여 사전 녹음된 오디오에 의해 시각적으로 역동적인 출력을 생성하는 LAV(Latent Audio-Visual) 시스템을 소개합니다. 기존의 명시적인 특징 매핑에 의존하는 방식과 달리, LAV는 EnCodec 임베딩을 잠재 표현으로 사용하여 무작위로 초기화된 선형 매핑을 통해 StyleGAN2의 스타일 잠재 공간으로 직접 변환합니다. 이러한 접근 방식은 변환 과정에서 의미 풍부함을 보존하여 뉘앙스 있고 의미적으로 일관된 오디오-비주얼 변환을 가능하게 합니다. 본 프레임워크는 사전 훈련된 오디오 압축 모델을 예술적 및 계산적 응용 분야에 사용할 수 있는 가능성을 보여줍니다.