Come funziona un MP3

Sul segnale digitale viene effettuata una operazione detta FFT (Fast Foudier Transform). Questa operazione permette di trattare il segnale nel dominio delle frequenze anziché in quelle del tempo. Poi si fa passare il programma, detto modello percettuale, che tiene conto delle caratteristiche di comportamento dell'orecchio umano. Così l'intera gamma di frequenze audio viene divisa in 32 sottogamme di eguale ampiezza. In ogni sottogamma il segnale viene codificato con un numero di bit diverso, secondo l'importanza che viene attribuita a ogni banda , vengono poi eliminati i dati ridondanti. Poi i dati codificati e le informazioni relative al canale di provenienza sono unite per formare un unico flusso costante di dati.

Nei passaggi in cui il livello sonoro è elevato la banda audio viene riprodotta quasi per intero, eliminando solo le frequenze più gravi e più acute, mentre al diminuire del livello la banda passante si restringe, essendo stata tagliata a entrambi gli estremi per riportarla a valori più vicini a quelli del centrobanda. Le frequenze eliminate non sarebbero state percepite.
L'algoritmo di decodifica è più semplice: nel flusso di dati codificati in MP3 le informazioni musicali si separano da quelle di servizio e da esse si ricostruisce il segnale originario grazie alle informazioni che il codificatore aveva inserito nel flusso di dati MP3.
Non tutti i file MP3 sono uguali:sotto la generica denominazione MP3 coesistono un certo numero di formati utilizzabili che si differenziano tra loro per via della frequenza di campionamento, che può essere di 44100Hz oppure 24000Hz.

Quando si vuole privilegiare la qualità di riproduzione si impiegano la frequenza di campionamento più alta insieme a bassi tassi di comprensione; la qualità viene pagata in termini di lentezza di trasmissione, dato che il bit-rate risulta più basso. Se invece si preferisce una maggiore velocità di trasferimento, a scapito della qualità, si ottiene un bit-rate elevato campionando il segnale della frequenza più bassa (24 Khz) con tassi di comprensione più elevati.