연구진이 텍스트-오디오 모델의 지시 따르기 성능을 개선하는 새로운 프레임워크를 제안했어요. 오디오-LLM을 활용해 생성된 오디오의 이벤트 존재 여부와 시간적 관계를 검증하는 방식이에요. S3Bench라는 새로운 벤치마크를 도입해 다중 이벤트의 시간적 지시 따르기 능력을 평가했어요.
기존 평가 방식이 전반적인 유사성이나 음질에 집중했지만, 이번 연구는 지시 수준의 정확성을 강조했어요. 실험 결과, 이벤트 완전성, 시간 순서, 복합 지시 따르기 정확도가 향상됐고 음질도 유지됐어요.