o áudio digital (incluindo a fala e a música digitalizadas) tem requisitos de largura de banda muito maior do que o vídeo;

a codificação de voz frequentemente usa PCM, que significa modulação por codificação de pulso (pulse code modulation);

a voz interativa em tempo real pela Internet é chamada de streaming e é semelhante ao serviço telefônico tradicional;

a técnica de compactação popular que abrange somente música estéreo com qualidade quase de CD é MPEG 1 layer 5, mais conhecida como MP5;

aplicações de multimídia interativas são intolerantes à perda; perdas ocasionais causam grandes perturbações na recepção de áudio e vídeo.