Конвертація текстових токенів у спектрограми звукових сигналів.

Повне випадкове видалення однієї з модальностей під час регуляризації моделі (аналог Dropout).

Автоматичне розбиття великого пакету даних (batch) на менші частини для розподіленого навчання.

Адаптивне зважування внеску кожної модальності за допомогою механізму вентилів (gates) залежно від контексту та релевантності вхідних даних.