深度学习模型通过在各种任务中实现前所未有的准确性，在大多数应用程序领域中提供了极其成功的方法。对于音频应用程序，尽管生成模型的巨大复杂性允许处理复杂的时间结构，但它通常排除了它们在资源约束硬件平台上的实时使用，尤其是在该领域的普遍性。缺乏足够的轻质模型是基于深层模型的独立工具的开发的障碍，这对音乐家和作曲家的现实生活产生了重大限制。最近，我们通过在可以处理其复杂性的足够硬件平台上实现轻巧的生成音乐音频模型来构建了第一个基于深度学习的音乐仪器。通过嵌入此深层模型，我们提供了一个可控且灵活的创意硬件接口。更确切地说，我们将工作重点放在Eurorack合成器格式上，该格式提供了控制电压（CV）和门机制，允许与其他经典的Eurorack模块进行交互。