# Do áudio ao tensor

> Todo áudio que entra num modelo vira um tensor. A forma dele decide memória e velocidade.

PyTorch · 2 de novembro de 2026 · Pedro Cormann, Founder & Machine Learning Engineer · https://lero.studio/research/tensores

Em PyTorch, um áudio é um tensor com shape [batch, canais, amostras]. Dez segundos a 48 kHz em mono são 480 mil números. Em float32 cada número ocupa 4 bytes; em bfloat16, 2. O dtype define a precisão e a memória, e o device diz onde o tensor mora: na CPU ou na GPU.

_(Interativo na página: https://lero.studio/research/tensores)_

Mover dados entre os dois custa tempo. Por isso o áudio é carregado, cortado e normalizado já pensando no batch que vai para a GPU. Mude a duração, a sample rate, o dtype e o batch e veja a memória crescer.

_(Interativo na página: https://lero.studio/research/tensores)_