Viides osa artikkelisarjasta, jossa käsitellään MIDI-protokollaa.

Yksi MIDI-protokollan kolmesta osasta on tietojen tallennusmuodon määrittely (muista, että kaksi muuta komponenttia ovat viestin muoto ja laitteistorajapinnan määrittely). Viestimuotoa käsiteltiin syklin kolmessa ensimmäisessä artikkelissa, nyt on tallennusmuodon vuoro. MMA-organisaatio ehdotti sitä vuoden 1987 lopulla, ja sen nimi oli "Standard MIDI Files" (Standard MIDI Files, SMF).

MIDI-tiedostojen tarkoitus on mahdollistaa tapahtumien (eli MIDI-viestien, joissa on aikaleima) vaihto eri laitteiden ja ohjelmien välillä. Ennen tavallisten MIDI-tiedostojen syntymistä yhdessä sekvensserin kanssa valmistettua järjestelyä ei voitu ladata toiseen muotojen yhteensopimattomuuden vuoksi. Ei voida sanoa, että SMF:n myötä kaikki sekvensserivalmistajat siirtyivät tähän muotoon. Tähän on useita syitä, ja puhumme niistä myös tänään.

Koska tiedon tallentaminen liittyy suoraan sekvenssereiden rakenteeseen, käsittelemme asiaa tarkemmin, mutta vain siinä määrin kuin on tarpeen SMF:n ymmärtämiseksi. Ja sekvensserit, tietenkin, omistamme yhden syklin seuraavista artikkeleista.

Tapahtumat
Kutsutaan aikaleimalla varustettu MIDI-viesti tapahtuma. Ajan ilmaisemiseen voidaan käyttää erilaisia ​​yksiköitä - tikkuja, sisäisiä pulsseja, aika SMPTE-muodossa jne. On tärkeää ymmärtää tapahtuman ja viestin välinen perustavanlaatuinen ero. Viesti "elää" millisekunnin murto-osan tosiajasta - hetkestä, kun lähde on luonut sen, siihen hetkeen, kun se saapuu suoritettavaksi vastaanottajalle. Se voidaan saada kiinni lähetyksen aikana MIDI-kaapelilla pulssisarjana. Tapahtuma on muutaman tavun verran laitteen muistiin tallennettua tietoa, jonka perusteella muodostetaan jatkossa sanoma sovittuna aikana.

Esimerkiksi sekvensserin muisti voi tallentaa "play note" -tapahtuman, jonka aikaleima on 100 ms toiston alusta. Voit muokata tätä tapahtumaa kahdessa ulottuvuudessa: ensinnäkin muuttaa itse MIDI-viestin parametreja (tässä tapauksessa sävelkorkeutta tai nuotin dynamiikkaa) ja toiseksi siirtää nuottia kappaletta pitkin, eli muuttaa viesti.

Tapahtumat näkyvät sekvensserin muistissa MIDI-viestejä tallennettaessa. Kun painat Record-painiketta, sekvensseri käynnistää laitteiston pulssigeneraattorin (tikit) ja alkaa "kuunnella" määritettyä MIDI-tuloa. Esimerkiksi kun näppäintä painetaan, tulo vastaanottaa viestin "ota muistiin". Sekvensseri näyttää - joo, viesti tuli 20. rastilla, ja kirjoittaa sen muistiin merkillä 20. Muutaman sekunnin kuluttua avain vapautettiin - tuli viesti "remove note", sisäinen generaattori sillä hetkellä iloisesti heilutti 64 rastia sekvensseriin. Sekvensseri tallentaa viestin tunnisteella 64. Nyt käsittelemme kahta tapahtumaa - Note On ja Note Off. Toiston aikana pulssigeneraattori kytkeytyy uudelleen päälle. Kun 20. rasti lähestyy, Note On -viesti lähetetään sekvensserin MIDI-lähtöön, 64. rasti - Note Off. Nauhoitimme ja toistimme esiintyjän toimet!

Ilmeisesti sama asia voidaan tehdä "offline-tilassa", eli ilman live-esitystä. Klikkaamalla hiirtä oikeaan kohtaan kappaleessa (ja valitsemalla nuotin keston etukäteen), rakennamme sekvensserin muistiin täsmälleen edellisen kuvan.

Muistityypit
Nyt on aika soveltaa kahta pelottavaa tietokonetermiä: ensisijainen ja toissijainen muisti. Ensisijainen (tai sisäinen) muisti on sekvensserin muisti, johon kirjoitetaan viestejä ja johon tallennetaan tapahtumia koko istunnon ajan. Tämän muistin sisältö nollautuu, kun virta katkaistaan. Tämä tulkinta sopii paremmin laitteistosekvenssereille. Ohjelmistosekvenssereissä ensisijainen muisti on yksinkertaisesti tietokoneen päämuisti. Ensisijaisen muistin sisällön säilyttämiseksi pitkäksi aikaa käytetään toissijaista muistia tai toisin sanoen tallennusvälinettä. Se voi olla levyke, kiintolevy, älykortti ja vastaava.

Ensisijaisen muistin määrä laitteistosekvenssereissä ja työasemissa (muista, työasema on äänigeneraattori ja sekvensseri samassa laatikossa) ilmaistaan ​​yleensä tallennettujen nuottien määränä (esim. 200 tuhatta). Joskus äänenvoimakkuus ilmaistaan ​​tapahtumissa, jolloin sinun on oltava varuillaan – yhden nuotin tallentamiseen tarvitaan kaksi tapahtumaa (näppäimen painaminen ja vapauttaminen), ja säätöpyörän kääntäminen tai jälkikosketus voi tuottaa jopa 100 tapahtumaa tai enemmän. Se tapahtuu, että sekvensserin muistin määrä ilmaistaan ​​alkuperäisinä tietokoneyksiköinä - kilotavuina. Mutta tämä ei myöskään ole kovin kätevää - yksi tapahtuma voi viedä eri määrän tavuja (viidestä useisiin tusinoihin).

Nykyaikaisissa ohjelmistosekvenssereissä harvat ihmiset välittävät ensisijaisen muistin määrästä - jopa koneessa, jossa on 128 Mt RAM-muistia, voit unohtaa kaikki rajoitukset työskennellessäsi MIDI-tietojen kanssa. Lisäksi on olemassa sekvenssereitä, jotka voivat toistaa järjestelyn suoraan levyltä lataamatta sitä ensisijaiseen muistiin (ja muuten myös tallentamiseen), mikä yleensä hämärtää kahden muistityypin välistä eroa.

Toissijaisessa tallennustilassa tiedot kirjoitetaan yleensä tiedostoon. Useimmilla sekvenssereillä on oma muotonsa tästä tiedostosta, suljettuna, mikä vaikeuttaa eri laitteissa tai ohjelmissa luotujen järjestelyjen vaihtamista. Aiemmin sanottiin, että tämä oli tärkein syy SMF:n luomiseen.

Ajan mittaus
Itse asiassa sekvensserin sisällä ei ole "pukkeja". On laitteistoajastin, joka tuottaa pulsseja tiukasti vakiotaajuudella (esimerkiksi joka mikrosekunti). Muusikoiden pakottaminen mittaamaan aikaa mikrosekunteina olisi hirvittävää pilkkaa, kuten todellakin muilla reaaliajan yksiköillä (sekunnit, minuutit). Muusikot ovat tottuneet ajattelemaan taktisesti ja lyönnissä sekä ilmaisemaan aikaa suhteellisissa yksiköissä (sävelten kestoissa) kulloisenkin tempon mukaan.

"Ei hätää", valmistajat vastasivat, "anna heidän mitata heille parhaiten sopivalla tavalla." Vain minimimittayksikkö ei tule olemaan jokin 32. kesto, vaan ehdollisesti otettu rasti (yksikkö on vielä pienempi, joten esim. yksi 30 sekunti voi sisältää 48 rastia). Koska klassisesta aikakaudesta lähtien vauhtia on mitattu neljännesten lukumäärällä minuutissa (BPM, lyöntejä minuutissa), päätettiin käyttää neljäsosaa pääkestolle ja ilmoittaa tikkujen määrä neljännestä kohti - PPQN (Pulse Per). Neljäsosanuotti). Mitä suurempi PPQN, sitä parempi on sekvensserin resoluutio ja sitä tarkemmin ajassa se pystyy kaappaamaan viestejä tallennuksen aikana ja tulostamaan ne MIDI-lähtöön toiston aikana. Useimmat sekvensserit mahdollistavat PPQN:n asettamisen mielivaltaisesti - esimerkiksi 32:sta 1536:een tikkua neljännesvuosittain (nykyaikaiset sekvensserit - jopa 15360 PPQN).

Tikki on temposta riippuva yksikkö: mitä nopeampi tempo, sitä lyhyempi aikaväli tikkien välillä reaaliaikaisissa yksiköissä. Tämä intervalli voidaan löytää käyttämällä kuvan 1 kaavaa. yksi.

Esimerkiksi 120 BPM:n tempolla ja 96 PPQN:n resoluutiolla tikkejä tulee 5,208 millisekunnin välein. Samalla resoluutiolla ja nopeudella 180 BPM, tikkujen välinen aika lyhenee 3,472 ms:iin. Kuinka sekvensseri laskee, jos sen sisäinen ajastin pulssii joka mikrosekunti? Kyllä, hyvin yksinkertaisesti: perustuen nykyiseen tempoon ja resoluutioon neljänneksellä, täsmälleen määritellyn kaavan mukaan. Koska yhdessä millisekunnissa on 1000 mikrosekuntia, viimeisessä esimerkissä sekvensseri generoi toisen tikityksen, kun se vastaanottaa ajastimelta 3472 pulssia.

Tapahtuman paikka aikaviivaimella asetetaan sekvensseriin, yleensä muodossa "bars: beats: ticks", esimerkiksi 22:3:152. Eli: 22. askel, kolmas lyönti, 152. rasti kolmannen tahdin alusta. Samanlaista ajoitusperiaatetta (englanninkielinen termi - Timebase) kutsutaan musikaaliseksi (musikaaliseksi), koska se on muusikoille tuttu ja kätevä. Huomaa, että työskennelläksesi tässä muodossa sinun on tiedettävä nykyinen kellonaika. Eli kuinka monta lyöntiä tanko sisältää ja mitä kukin lyönti on yhtä suuri.

Joten 4/4-ajassa lyönti on yhtä suuri kuin neljännes, ja mitta sisältää neljä lyöntiä. Kun resoluutio on 384 PPQN, yhdellä lyönnillä on 384 tikkua ja vastaavasti 1536 tikkua kussakin palkissa (384 x 4). Aikasignatuurilla 6/8 ja samalla resoluutiolla on 192 tikkua per lyönti (kahdeksas nuotti on puolet kvartaalin pituudesta) ja kuusi lyöntiä per bar eli 1152 tikkua (192 x 6). Näin ollen merkintä 22:3:152 ensimmäisessä tapauksessa tarkoittaa 35096 tikkua kappaleen alusta (22 x 1536 + 3 x 384 + 152) ja toisessa - 26072 tikkua (22 x 1152 + 3 x 192 + 152).

Joten, jotta voit määrittää tapahtuman sijainnin reaaliaikaisissa yksiköissä "barit: beats: ticks" -muodon perusteella, sinun on tiedettävä kolme parametria: nykyinen tempo, aika-allekirjoitus ja resoluutio ticks per neljännes (PPQN).

On toinenkin mahdollisuus ajan laskentaan, kun tapahtuman sijainti radalla ilmaistaan ​​absoluuttisissa yksiköissä, jotka eivät riipu temposta, useimmiten SMPTE-aikamuodossa - "tunnit: minuutit: sekuntit: kehykset". Tätä ajoitusperiaatetta kutsutaan "aikakoodipohjaiseksi" (perustuu aikakoodiin, absoluuttinen). Sen tarve syntyy, kun sekvensseri toimii yhdessä nauhurin tai elokuva-/videolaitteiston kanssa. Elokuva-, video- ja äänimateriaalin editointitoiminnot, jotka osoittavat tallenteen alun ja lopun sijainnit, on helpompi suorittaa, kun ne on sidottu absoluuttiseen mittakaavaan, ei mittauksiin ja lyönteihin.

Tässä tapauksessa tapahtuman koordinaatti aikaviivaimella riippuu sen hetkisestä temposta. Joten 120 lyöntiä minuutissa toisen askeleen ensimmäisen lyönnin SMPTE-aika voi olla 00:00:02:00 ja 60 BPM:llä se voi olla 00:00:04:00. Jos tapahtuma sijaitsee kehyksen sisällä (sekuntien välillä), sen koordinaatti vaihtelee myös eri kehysformaateissa (kehysten määrä sekunnissa). Voit lukea lisää SMPTE:stä ja MIDI-aikakoodista sarjan edellisestä artikkelista.

Vaihtelevat pituudet
Lyyrisiä poikkeamia riittää, nyt meidän tehtävämme on selvittää tiedon tallennusmuoto. Ja ensimmäinen vaikeus, jonka SMF:n kehittäjät kohtasivat, oli kuinka säästää tapahtuman aikaa.

Tässä on kaksi vaihtoehtoa: tallenna kullekin tapahtumalle aika kappaleen alusta tai viimeisestä sitä edeltävästä tapahtumasta (samalla kanavalla). Ensimmäinen vaihtoehto ei kuitenkaan ole rationaalinen, koska useimmiten tapahtumien välinen aika on pieni, naapuritapahtumien suoritusajat ovat lähellä toisiaan. Joten kolmen sävelen jaksossa ensimmäisen aika voi olla esimerkiksi 22:3:152, toisen 22:3:244 ja kolmannen 22:3:288. Jotta voit tallentaa nämä numerot (muunnettu rastiiksi kappaleen alusta), sinun on varattava vähintään neljä tavua kutakin. Jos menet toisella tavalla, voit tallentaa kolmen suuren numeron sijasta yhden suuren aloitusnumeron (22:3:152), jota seuraa kaksi pientä, ensimmäisen ja toisen sekä toisen ja kolmannen välinen ero. muistiinpanoja (tässä tapauksessa 92 ja 44), yksi tavu riittää niille. Mutta silti ongelma on edelleen olemassa: tapahtumasta riippuen sinun on varattava eri määrä tavuja säästääksesi aikaa.

Jos SMF:ää kehitettäisiin tällä hetkellä (ja jopa Microsoftin toimesta, joka ei yleensä välitä tiedostojen koosta ja tarvittavasta muistista), tämä ongelma suljettaisiin. Varasimme kiinteän kentän ajan säästämiseksi, esimerkiksi 8 tavua tapahtumaa kohden, emmekä kärsineet. Kuitenkin vuonna 1988 ensisijainen muisti (RAM) oli erittäin kallista, jokainen tavu laskettiin ja toissijaista (levymediaa) oli hyvin vaatimaton määrä. Siksi SMF:n kehittäjät halusivat saada mahdollisimman kompaktin muodon.

Päätettiin pitää delta-aika, eli tämän tapahtuman ja edellisen (tai kappaleen alun) välinen ero. Esimerkiksi, jos ensimmäinen tapahtuma - nuotin C osuminen ensimmäiseen oktaaviin - tapahtui tällä hetkellä 40 tikkua kappaleen alusta, niin sen delta-aika on 40. Jos nuotti F soitetaan neljän tikityksen jälkeen, sen Delta-aika on 4. Jos kaksi tapahtumaa tapahtuu samanaikaisesti, yhdelle niistä määritetään delta-aika, joka on yhtä suuri kuin nolla. Jos tapahtuma tapahtuu täsmälleen kappaleen alussa, sillä on myös nolladelta-aika. Seuraava tapahtuma voi kuitenkin tapahtua puolentoista tunnin kuluttua (eli usean miljoonan tikkun jälkeen). Kuinka olla tässä tapauksessa? Loppujen lopuksi muistia on tallennettava, eikä delta-ajalle ole toivottavaa varata useiden tavujen kiinteää kenttää.

Niin kutsuttu vaihtelevat pituudet. Ne tarjoavat kätevän tavan kirjoittaa kokonaislukuja pienimmästä suurimpaan ilman, että numerolle tarvitsee varata kiinteää määrää tavuja. Alkuperäisen luvun bitit on pakattu yhteen tai useampaan tavuun: jokaisessa tavussa on seitsemän bittiä (oikealla bitit 0 - 6). Merkittävin bitti tavussa on palvelu; sarjan kaikkien tavujen, paitsi viimeistä, tulee sisältää yksi, viimeisen - nolla. Kuvassa on useita pakkausesimerkkejä. 4.

Haluat esimerkiksi pakata luvun 64 (heksadesimaali 0x40) muuttuvapituiseen muotoon. Binäärimuodossa tämä luku kirjoitetaan 0100 0000. Merkitseviä bittejä on vain seitsemän, joten tämä luku pakataan yhdeksi tavuksi muuttumattomana - 0100 0000 (se on myös sarjan viimeinen tavu), merkitsevin bitti on 0.

Nyt numero on 128 (0x80). Binäärimuodossa se kirjoitetaan 1000 0000. Merkittäviä bittejä on kahdeksan, joten kaikki ei mahdu yhteen tavuun, se on jaettava kahteen osaan. Ensimmäisen tavun on oltava ykkönen korkeassa bitissä, toisessa (sarjan viimeisenä tavuna) on oltava nolla. Laitamme alkuperäisen luvun seitsemän vähiten merkitsevää bittiä toiseen tavuun, siitä tulee 0 000 0000. Jäljellä oleva yksi bitti (yksi) sijoitetaan ensimmäisen tavun oikealle puolelle - siitä tulee 1000 0001. , numero 0x80 kirjoitetaan kahtena tavuna: 0x81 0x00. Purkaminen on erittäin helppoa. Emme tiedä etukäteen, kuinka monta tavua sarjassa on. Luemme ensimmäisen tavun - 1000 0001. Korkea palvelubitti (1) osoittaa, että tämä ei ole sarjan viimeinen tavu, tavuja on enemmän. Hylkäämme palveluyksikön, seitsemän bittiä jäljellä - 000 0001. Luemme toisen tavun - 0000 0000. Korkea palvelubitti (0) osoittaa, että tämä on sarjan viimeinen tavu (eli sarjassa on vain kaksi tavua sarja). Hylkäämme palvelubitin pois. Jäljellä on myös seitsemän bittiä - 000 0000. Lisäämme niihin vasemmalla ensimmäisestä tavusta varatut seitsemän bittiä, saamme 000 0001 000 0000. Kun kuusi ensimmäistä nollaa on hylätty, saadaan haluttu luku 1000 0000 (0x80) .

Joten muuttuvan pituuden arvojen menetelmä antaa sinun varata eri määrän tavuja eri numeroille: numeroille välillä 0 - 127 - yksi tavu, 128 - 16383 - kaksi tavua ja niin edelleen. Tällä tavalla esitettävää enimmäismäärää ei periaatteessa ole rajoitettu. SMF:ssä ajon pituus on kuitenkin rajoitettu neljään tavuun (kolmessa on eniten merkitsevä bitti asetettu ja yksi päättyy yksi nollalla). Tämän seurauksena maksimidelta-aika voi olla 0x0FFFFFFFF (tai 268 435 455 tikkua), mikä nopeudella 500 BPM ja 96 PPQN on noin neljä päivää. Enemmän kuin tarpeeksi!

Muuttuvan pituisten arvojen muodossa SMF määrittelee delta-ajan lisäksi myös joidenkin tapahtumien pituuden.

Interchange File Format (IFF)
Tavallisen MIDI-tiedoston rakenne on lähes kokonaan lainattu Electronic Artsin vuonna 1985 kehittämästä IFF-formaatista (Interchange File Format). Tämä on tietojen tallennus- ja vaihtomuoto, joka on helpottanut sekä käyttäjien että ohjelmistokehittäjien elämää lähes kahdenkymmenen vuoden ajan. Electronic Arts ei toimittanut vain avoimen lähdekoodin dokumentaatiota, vaan myös C-lähdekoodia IFF-tiedostojen lukemiseen ja kirjoittamiseen.

IFF-muoto on taaksepäin yhteensopiva ja laajennettavissa. Ensimmäinen tarkoittaa, että ohjelman uusi versio voi helposti lukea edellisen version luomia tiedostoja. Toiseksi lisätietojen tallentamiseksi sinun ei tarvitse keksiä uutta muotoa, riittää, että esität oman laajennuksen IFF:ssä. Formaatin rakenne mahdollistaa eri valmistajien ohjelmien välisen tiedonvaihdon, jolla ei ole asiaankuuluvia liikesopimuksia keskenään. Kaikki tämä myös miellyttää käyttäjiä - tallentamalla tiedot IFF-muotoon, he eivät ole enää ketjutettuja järjestelmänsä suljettuun muotoon ja voivat käyttää tietoja missä tahansa IFF-yhteensopivassa laitteisto- ja ohjelmistoympäristössä.

IFF-tiedosto on kokoelma tietoja, jotka on järjestetty siten, että eri asiaankuulumattomat ohjelmat voivat lukea sen. Toisaalta ohjelma voi tallentaa IFF:ään tiettyä tietoa, joka on järkevää vain itselleen. IFF-rakenne tekee tämän helpoksi. Muut ohjelmat, jotka eivät osaa käsitellä tällaisia ​​tietoja, voivat jättää ne huomioimatta vaikuttamatta pääsisällön lukemiseen.

IFF-tiedostoja on useita tyyppejä. Esimerkiksi ILBM- ja GIFF-tiedostot sisältävät graafista tietoa, SMUS-tiedostot nuotteja, AIFF- ja WAVE-tiedostot digitaalista ääntä.

IFF-tiedosto koostuu samantyyppisistä elementeistä, joita kutsutaan lohkoiksi (lohkoiksi). Lohko on tietorakenne, joka koostuu kirjaintunnisteesta (neljä ASCII-merkkiä), lohkon koosta (neljä tavua) ja itse tiedosta (kuva 5). On kätevää ajatella lohkoa kuorena, johon tiedot "kääritään". Itse data voi sisältää mitä tahansa: grafiikkaa, tekstiä, animaatioita, ääntä, 3D-objektien sarjaa ja niin edelleen.

IFF-tiedoston lohkot voidaan upottaa sisäkkäin, kuva 10. 6. Itse asiassa IFF-tiedosto ei ole muuta kuin huipputason lohko, joka sisältää yhden tai useamman muun lohkon sisällään. Tämä tiedontallennusperiaate mahdollistaa useiden heterogeenisten tietojen "käärimisen" tiedostoon, mukaan lukien useita IFF-tiedostoja, jotka muistuttavat jo tiedoston sisällä olevaa tiedostojärjestelmää. Totta, sisäkkäisillä tietojen järjestämisellä on yksi haittapuoli - tiedostosta tulee vaikea tulkita, lohkojen eristäminen siitä.

Useimmat IFF-tiedostot sisältävät huipputason lohkon, jonka tunniste on "FORM". Se sisältää muita lohkoja (kuva 7). FORM-lohkon ainoa data on neljä tiedostotyyppiä kuvaavaa tavua (esim. "ILBM", InterLeaved Bit Map). Sisäkkäiset lohkot sijoitetaan suoraan niiden taakse, esimerkiksi "BMHD" (kuvan otsikko), "CMAP" (paletti) ja "BODY" (itse pikselit). Lohkojen nimet ja tietomuoto keksivät tietyn tiedostotyypin kehittäjä. Muut ohjelmat voivat ohittaa sen turvallisesti, jos ne kohtaavat tuntemattoman nimisen lohkon lohkon pituuden sisältävän kentän ohjaamana.

Kaikki IFF-tiedostojen numeeriset tiedot tallennetaan suuressa järjestyksessä, eli numeron merkittävin tavu (MSB) tallennetaan ensin, sitten vähiten merkitsevä. Tästä lisää sivupalkissa. Tiedoston sisällä olevien lohkojen tulee aina alkaa parillisella tavulla. Jos edellinen lohko sisältää parittoman määrän tavuja, se täytetään nollatavulla, jotta se olisi parillinen.

SMF-rakenne
Tavalliset MIDI-tiedostot, kuten IFF-tiedostot, koostuvat lohkoista (Chunks). Lohkoja on kahden tyyppisiä: Header Chunk ja Track Chunk. SMF-tiedostossa voi olla vain yksi otsikkolohko ja yksi tai useampi raitalohko. Lohkolla on tyypillinen IFF-rakenne: ensimmäiset neljä tavua ovat tunniste, seuraavat neljä tavua ovat lohkon pituus tavuina, pois lukien kahdeksan tyyppi/pituustavua. Otsikkolohkon tunniste on neljä "MThd"-merkkiä, raitalohkon tunniste on neljä "MTrk"-merkkiä. Tämä rakenne mahdollistaa uusien lohkotyyppien määrittämisen tulevaisuudessa, ja tuntematon lohko voidaan helposti jättää huomiotta sen pituuden perusteella. SMF-spesifikaatio varoittaa: "Ohjelmien tulee olla valmiita jättämään huomiotta tyypit, joita he eivät tunne."

Otsikkolohko sisältää yleistä tietoa tiedostosta, raitalohko sisältää MIDI-viestivirran aikaleimoineen. Lisäksi MIDI-tiedostoon tallennetaan sekvenssereiden tarvitsemat lisätiedot: tempo, aika-allekirjoitus, näppäin, metronomiasetukset ja vastaavat. Tätä tietoa ei välitetä MIDI-rajapinnan kautta, ja sen muodostavia tapahtumia kutsutaan metatapahtumiksi.

MIDI-tiedosto alkaa aina otsikkolohkolla, jota seuraa yksi tai useampi raitalohko (Kuva 9). Eli mikä tahansa tavallinen MIDI-tiedosto alkaa neljällä kirjaimella "M", "T", "h", "d". Tämä tarkoittaa, että MIDI-tiedosto ei ole IFF-spesifikaatioiden mukainen (joka edellyttää, että jokainen IFF-yhteensopiva tiedosto alkaa ylätason lohkolla, joka on yksi kolmesta tyypistä - "FORM", "CAT" tai "LIST"). Muitakin eroja on: SMF ei voi sisältää sisäkkäisiä lohkoja, eikä lohkon pituuden tarvitse olla parillinen. SMF:n muuntaminen IFF-yhteensopivaksi tiedostoksi on kuitenkin yksinkertaista. Riittää, kun täytetään nollatavuisilla parittomilla lohkoilla (jos sellaisia ​​on) ja sijoitetaan kaikki sisältö FORM-lohkoon. Samanlaista toimintoa käytetään Microsoftin ehdottamassa RMID-muodossa (katso sivupalkki).