JASCO es un modelo de generación de música de texto a música que combina condiciones simbólicas y basadas en audio. Puede generar muestras musicales de alta calidad basadas en descripciones textuales globales y controles locales de grano fino. JASCO se basa en un paradigma de modelado de coincidencia de flujo y un novedoso método condicional que permite que la generación de música se controle simultáneamente de forma local (por ejemplo, acordes) y global (descripción de texto). La extracción de información relacionada con controles específicos se realiza mediante capas de cuello de botella de información y desenfoque temporal, lo que permite la combinación de condiciones simbólicas y basadas en audio en un mismo modelo de texto a música.