专辑伸进网络的输出只能固定维度的张量这句话对吗

这句话不完全正确。专辑的音频数据可以被转换成张量（tensor）的形式，但张量的维度可以根据需要进行调整和变化。比如，可以将一首歌曲的音频数据转换成一个形状为 (batch_size, time_steps, frequency_bins) 的三维张量，其中 batch_size 表示样本数量，time_steps 表示时间步数，frequency_bins 表示频率维度。这个张量的维度可以根据具体需求进行调整，比如可以增加一个 channel 维度来表示声道数。