본 논문은 대규모 오디오-언어 모델(LALMs)이 공간적 지각 능력이 부족하다는 점을 지적하고, 이를 해결하기 위한 경량 플러그인 접근 방식인 SPUR을 제안합니다. SPUR은 First-Order Ambisonics(FOA) 인코더를 통해 (W, X, Y, Z) 채널을 회전 인식, 청취자 중심의 공간 특징으로 매핑하고, 다중 모드 어댑터를 통해 LALMs에 통합합니다. 또한, 상대적 방향, 고도, 거리, 중첩에 초점을 맞춘 SPUR-Set이라는 공간 QA 데이터셋을 활용하여 모델을 학습시킵니다. SPUR은 공간 QA 및 다중 화자 속성을 개선하는 동시에 일반적인 오디오 이해를 유지하며, 단일 채널 LALMs을 공간 인식 모델로 변환하는 간단한 방법을 제시합니다.