本研究提出LAV系统，结合EnCodec神经音频压缩与StyleGAN2生成能力，解决传统音频与视觉生成中的特征映射问题。LAV通过将嵌入映射到样式潜在空间，实现更具语义一致性的音视翻译，展现出在艺术创作和计算应用中的潜力。