Для стиснення розміру вихідного файлу моделі для деплою на мобільних пристроях.

Для перетворення візуальних ознак довільної розмірності (відео/зображення) у фіксовану кількість візуальних токенів, сумісних із LLM.

Для автоматичного видалення шуму та низькочастотних коливань з аудіодоріжки відеофайлу.

Для генерації кількох варіантів текстових підказок з метою покращення стабільності генерації тексту.