Im Prinzip könnte zum jetzigen Zeitpunkt die Musik schon abgespielt und auf Tonträger aufgenommen werden, wären da nicht etliche Unzulänglichkeiten, von denen einige bereits im vorausgegangenen Punkt (MIDI-Feintuning) angesprochen wurden. Zusätzlich zu den dort genannten können noch Timing-Instabilitäten und MIDI-Verstopfungen vorkommen. Timing-Instabilitäten treten besonders auffällig an Stellen gemeinsamen Einsatzes vieler Instrumente zu Tage, also z.B. bei "Schlägen" des gesamten Orchesters. Dort müssen eventuell 30 Stimmen exakt gleichzeitig zu spielen beginnen, was alleine schon wegen des seriellen MIDI-Protokolls nicht realisierbar ist. Als Resultat erhält man unsaubere Einsätze und "ausgefranste" Rhythmen. MIDI-Verstopfungen wiederum treten gerne dort auf, wo starke Dynamikschwankungen in der Musik gewünscht sind und diese während des MIDI-Feintunings per MIDI-Befehle (Volume-Befehle oder noch schlimmer Aftertouch-Befehle) zu realisieren versucht wurde. Um einen einzigen Ton an- und wieder abschwellen zu lassen, müssen unzählige MIDI-Befehle gesendet werden, was bei etlichen Instrumenten zusammen leicht in die Hunderte gehen kann. Hier kommt man schnell in eine Zwickmühle: Um fließende Dynamikänderungen erzeugen zu können, benötigt man eine feine Abstufung und damit möglichst viele Befehle. Zu viele Befehle führen aber zu MIDI-Verstopfungen und dazu, daß sich das System aus Sequencer und angeschlossenem Klangerzeuger "verschluckt", wodurch gerade wieder Dynamiksprünge hineinkommen, die man zu vermeiden versucht hatte.
Die angesprochenen Probleme lassen sich durch den Übergang von MIDI zu Audio lösen. Hierzu wird jede Stimme der Partitur einzeln abgespielt und deren Töne sofort wieder per Audiokarte aufgenommen, AD-gewandelt und als Audiospur abgelegt. Es stellt sich hierbei als großen Vorteil heraus, wenn man zuvor beim Komponieren bzw. Partiturschreiben peinlich genau auf die Stimmführung geachtet hat und im Sequencer wirklich alle zu einer Stimme gehörenden Noten auch als solche notiert hat. Dann kann man leicht auf die jeweilige Stimme selektieren und nur diese abspielen. Vorsicht ist jedoch bezüglich der MIDI-Steuerbefehle (Volume, Program-Change, ...) geboten: Diese müssen natürlich bei jeder Stimme mitabgespielt werden. Als Ergebnis dieser Prozedur erhält man nun z.B. 30 Audiospuren auf denen pro Spur jeweils eine bestimmte Stimme eines Orchesterinstrumentes liegt. Um Plattenplatz zu sparen, sollte man eine jede solche Spur unmittelbar nach dem Aufnehmen schneiden, indem man alle Leerstellen (Stellen, an denen nichts gespielt wird) aus der Audiodatei entfernt. Andernfalls kann sehr schnell die Festplatte an ihre Kapazitätsgrenze stoßen, da eine einzige Minute Musik, bestehend aus 30 Stereo Audiospuren im .wav-Format, rund 320 MB Speicherplatz frißt.
Für die Audioaufnahme selbst sollte man auf möglichst hoch ausgesteuerte Pegel achten, - am besten nahe 0 dB, wenn es sich einrichten läßt. Dadurch wird das Rauschen im Endmix minimiert. Zu diesem Zweck spielt man in einem ersten Durchgang die aufzunehmende Stimme per MIDI ab und notiert ihren Maximalpegel. Anschließend erhöht man den Ausgangspegel des Klangerzeugers so stark, bis die 0 dB Forderung so weit wie möglich erfüllt ist. Es ist wichtig, den daraus folgenden neuen Maximalpegel unbedingt ebenfalls zu notieren. Die Differenz beider Pegel gibt an, um wieviel dB diese Stimme beim späteren Mix wieder abgesenkt werden muß, damit sie ihre ursprüngliche Lautstärke zurückerhält. Das Rauschen wird dabei um den selben Betrag abgesenkt, was der Sinn dieser Vorgehensweise war, da sich andernfalls das Rauschen aller Stimmen auf ein hörbares und störendes Maß addieren würde.