Necesito información sobre los archivos de sonido y el proceso para reproducirlo en el ordenador

Primero de todo, como supongo sabrás, el ordenador es un dispositivo
digital o más concretamente binario; pues toda la información que maneja
esta únicamente comprendida por combinaciones de ceros y unos. El
dispositivo que utilizas en tu ordenador para escuchar música es la tarjeta
de sonido. La tarjeta de sonido tiene un micro-controlador (DSP: Digital Signal Processor) que se encarga de interpretar la información que le envía el microprocesador del ordenador. Para que tu puedas conectar tus altavoces a una tarjeta de sonido, necesitas que el sonido digital que interpreta el micro-controlador de la tarjeta de sonido se convierta en ondas electro-magnéticas; esa es la función que tiene el circuito integrado(vulgarmente conocido como chip) del DAC(Digital Audio Converter). De forma inversa, tu puedes conectar un aparato emisor de ondas electro-magnéticas(un micrófono o cualquier otra fuente de sonido) a tu tarjeta de sonido. Esas ondas electro-magnéticas tienen que ser convertidas a código binario, para que el micro-controlador de la tarjeta de sonido las pueda interpretar; esa es la función del circuito integrado ADC (Audio Digital Converter). Por supuesto tu cuando quieres conectar una fuente exterior a tu tarjeta de sonido lo quieres escuchar; es lo que se conoce como función "fullduplex", para la cual los dos conversores ADC-DAC deben trabajar de forma separada. Es una función que hoy en día tiene cualquier tarjeta de sonido; pero que hace 8 o 9 años no era nada común entre las tarjetas de sonido de uso doméstico. Si buscamos calidad profesional, deberemos decantarnos por una tarjeta con entradas y salidas S/PDIF o salidas ópticas digitales. Éste ha sido desarrollado por Sony y Philips para diseñar una interface de conexión digital de altas prestaciones. Al tratar al sonido digitalmente, no se producen pérdidas de calidad en ningún momento al pasar de soporte digital al ordenador o viceversa.
Respecto a las características del sonido y de tu tarjeta de sonido; supongo que siempre habrás oído por ahí que el sonido con "calidad de CD" es el de 16 bits y una frecuencia de 44100 KHz. ¿Qué significa todo esto? ; Los 16 bits son las "posiciones"(por llamarlos de alguna manera) que se pueden representar, que implican 65536 posiciones. ¿Por qué los 44100 KHz? ; La tarjeta de sonido transforma una señal continua en una "discreta", lo cual significa que de una onda que representa una señal de audio no se pueden captar todos los puntos de la onda sino que se capta un punto cada cierto tiempo, es decir, hay un muestreo de los datos con una determinada frecuencia. De lo cual se puede interpretar que con una menor frecuencia, al ser el muestreo menor se captaran menos puntos y el sonido que puedas escuchar(aunque tengas capacidad de representar 65536 posiciones, tendrás menos posiciones por representar) será de inferior calidad; de forma que se establecen esos 44100 KHz de frecuencia, debido a que el oído humano es capaz de reconocer unos 44.000 sonidos cada segundo (o sea, capta el sonido con esa frecuencia). Todas las tarjetas de sonido domésticas pueden trabajar con una resolución de 44'1KHz, y muchas incluso lo hacen a 48KHz. Las semi-profesionales trabajan en su mayoría con esos 48KHz y algunas incluso con 50KHz. Las profesionales llegan cerca de los 100KHz.
La utilización de este muestreo ampliado se debe al mismo motivo por el que algunas tarjetas utilizan más de 16bits para cada muestra: si los datos de partida no son suficientemente fieles o después nos vamos a dedicar a modificar el sonido, perderemos calidad, así que cuanta más calidad tengamos en un principio, mejores resultados obtendremos al final, es mejor trabajar con un margen de confianza
Habrás escuchado nombres de tarjetas de sonido como SoundBlaster128 o SBLive! 1024; ¿Qué significan esos números?. Esos números indican las voces simultáneas (instrumentos) que la tarjeta es capaz de reproducir.
Respecto a la pregunta de por qué se pueden escuchar dos sonidos a le vez es por la presencia de otro circuito integrado llamado DM (Digtal Mixer) el cual puede convertir varias entradas de audio en una sola salida; generalmente los mezcladores digitales de las tarjetas de sonido, vienen a tener una capacidad de posicionamiento de entre 20 y 32 bits. Del mismo modo que actualmente puedes ejecutar varias aplicaciones a la vez en tu sistema operativo(sistema multi-tarea) que se almacenan en la memoria RAM de tu ordenador; el microcontrolador de tu tarjeta de sonido puede procesar diferentes señales de audio que va almacenando en la memoria de la tarjeta de sonido o más comúnmente conocida como "buffer".
De el por qué importa el tamaño del archivo de sonido... eso es algo relativo. Siempre se busca la mayor eficiencia con la mejor calidad posible. Y tener eficiencia significa, tener manejabilidad; si se puede conseguir la misma calidad de sonido con un menor tamaño del archivo, todo siempre será mucho más fácil. El inconveniente es que no siempre se obtiene la misma calidad.
En fin pues espero haber servido de alguna utilidad para aclararte los conceptos y muchas gracias por tu pregunta.