Como uma música é interpretada pelo computador?

Entendo que uma imagem é uma matriz de *pixels*, em que cada elemento é uma cor. 

Quando abro uma música no `R`, ele a apresenta como duas sequências (*left* e *right*) de frequências, conforme a imagem.

Será que é correto afirmar que uma música é uma matriz com duas colunas e o número de linhas sendo alguma unidade de tempo?

[![Matriz de Pixels][1]][1]


  [1]: https://i.sstatic.net/AVq5w.png