LLM 기반 코드 생성은 사용자가 구문 세부 사항보다 구조적 모티프에 집중할 수 있도록 함으로써 라이브 코딩과 같은 창의적인 코딩 작업에 혁명을 일으킬 가능성이 있습니다. LLM을 프롬프트할 때 사용자는 다양한 코드 후보를 고려하여 음악적 의도를 더 잘 실현할 수 있습니다. 그러나 코드 생성 모델은 코드의 오디오 출력에 대한 직접적인 통찰력 없이 독특하고 다양한 코드 후보를 제시하는 데 어려움을 겪습니다. 코드 후보와 생성된 오디오 간의 관계를 더 잘 확립하기 위해 코드와 오디오 임베딩 공간 간의 매핑 토폴로지를 조사합니다. 코드와 오디오 임베딩이 단순한 선형 관계를 보이지 않음을 발견했지만, 임베딩 정렬 맵을 학습할 수 있음을 보여주는 구성된 예측 모델을 보완합니다. 음악적으로 다양한 출력을 목표로 하여 코드가 주어지면 출력 오디오 임베딩을 예측하고 코드-오디오 임베딩 정렬 맵을 구성하는 모델을 제시합니다.
