Størrelsesforskjellen mellom MIDI- og lydfiler kommer ned til en fundamental skille: MIDI lagrer instruksjoner; lyd lagrer bølger.
En MIDI-fil inneholder datahendelser – note-on/note-off-meldinger, tonhøyde, velocity (hvor hardt en tast ble slått), timing og kontrollerdata (modulasjon, pitch bend, sustain-pedal). Den inneholder null faktisk lyd. En tre-minutters sang veier typisk 10–50 KB.
Tenk på MIDI som digitalt noteark. Den forteller en synthesizer hva som skal spilles, men ikke hvordan det lynes. Samme MIDI-fil spilt gjennom et billig lydkort vs. et høykvalitets virtuelt instrument vil lyde helt annerledes.
Lydfiler (WAV, AIFF, MP3, FLAC) lagrer samplede bølgeformer – faktiske lydtrykknivåer fanget tusenvis av ganger per sekund. CD-kvalitets lyd (44,1 kHz, 16-bit stereo) forbruker ~10 MB per minutt. En tre-minutters WAV-fil er ~30 MB. MP3-komprimering reduserer dette til ~3–5 MB per minutt ved å kaste perceptuelt redundante data.
I produksjon eksisterer MIDI og lyd side om side: komponister skisser i MIDI, deretter renderer til lyd for miksing og distribusjon.