JASCO ist ein Text-zu-Musik-Generierungsmodell, das sowohl symbolische als auch audiobasierte Bedingungen kombiniert. Es erzeugt hochwertige Musikstücke basierend auf globalen Textbeschreibungen und feingranularen lokalen Steuerungen. JASCO basiert auf einem Streaming-Matching-Modellierungsansatz und einer neuartigen bedingten Methode, die eine gleichzeitige Steuerung der Musikgenerierung durch lokale (z. B. Akkorde) und globale (Textbeschreibungen) Faktoren ermöglicht. Durch Informationsbottleneck-Layer und zeitliche Unschärfe werden spezifische Steuerungsinformationen extrahiert, wodurch die Kombination symbolischer und audiobasierter Bedingungen in einem einzigen Text-zu-Musik-Modell ermöglicht wird.