Un video sarà composto anche da una parte audio. Ciò che compone l'audio può essere riassunto in: una frequenza di campionamento (cioè nella quantità di "campioni" in un secondo, espressa in Khz), una visualizzazione (il modo in cui viene suddiviso nella time-line) e dalla profondità di bit (il tipo di risoluzione che può essere a 8, 16, 24 o 32 bit).