Можливість моделі враховувати взаємозв'язки та кореляції між ознаками різних модальностей на початкових етапах навчання.

Простота масштабування системи шляхом додавання нових незалежних моделей для кожної модальності.

Відсутність потреби у попередній синхронізації або вирівнюванні часових рядів даних.

Значне зменшення кількості параметрів моделі за рахунок стиснення вихідних даних.