그러니까 Astra는 멜 스펙트로그램(mel spectrogram)만 보고도, 별도의 예시나 추가 학습 없이 제로샷으로 무슨 소리인지 식별할 수 있다는 거야.

그리고 이 모델이 실제로 어디까지 할 수 있는지는 아직 겉핥기조차 제대로 못 해본 것 같다.(참고로 이것도 가벼운 추론(light reasoning) 모드로 한 거고.)