La differenza di dimensioni tra file MIDI e audio si riduce a una distinzione fondamentale: il MIDI memorizza istruzioni; l'audio memorizza forme d'onda sonore.
Un file MIDI contiene eventi dati – messaggi note-on/note-off, altezza, velocity (quanto forte un tasto fu colpito), timing, dati controller (modulazione, pitch bend, sustain pedal). Contiene zero audio effettivo. Una canzone di tre minuti pesa tipicamente 10–50 KB.
Pensa al MIDI come spartito digitale. Dice a un sintetizzatore cosa suonare, ma non come suona. Lo stesso file MIDI suonato attraverso una scheda audio economica vs. un virtual instrument high-end suonerà completamente diverso.
I file audio (WAV, AIFF, MP3, FLAC) memorizzano forme d'onda campionate – livelli reali di pressione sonora catturati migliaia di volte al secondo. Audio qualità CD (44,1 kHz, 16-bit stereo) consuma ~10 MB al minuto. Un WAV di tre minuti è ~30 MB. La compressione MP3 riduce a ~3–5 MB al minuto scartando dati percettivamente ridondanti.
In produzione, MIDI e audio coesistono: compositori abbozzano in MIDI, poi renderizzano in audio per mixing e distribuzione.