Tal e como dice Sergio, o formato midi é só un "paquete de ordenes estructuradas", para que poidas entendelo mellor hay unha páxina que o explica moi ben: http://www.lpi.tel.uva.es/~nacho/docencia/ing_ond_1/trabajos_01_02/formatos… En Karaokes o que se acostuma a empregar son os chamados "comandos de modo" para "disparar" as secuencias, un inicial que ordena leer a determinada velocidade un texto e os sucesivos que son os encargados de por os colorins na palabra/frase a suliñar. Para evitar roturas na sincronización por mor das velocidades (tempo) sobor de todo causadas pola latencia o que fai o midi é, unha de duas, ou tomar unha referencia, normalmente un determinado bit, da música de referencia, ou a inversa (máis complexo) facer que sexa a música a que siga o "diapason" marcado polo ficheiro midi. Deducese que esto implica editar dun xeito ou de outro un ficheiro de midi, ben sexa empregando un instrumento con capacidades midi (hainos case de xoguete (de só duas ou catro pistas), moi baratos que para este uso deben ser máis que dabondo (Casio), ven cunha aplicación informática sobre pc/mac, en Linux temos varias desde sinxelas ata complexas que compiten coas privativas profesionais de 8.000€. Para editar este tipo de ficheiros (refírome os de karaoke) é máis importante a paciencia que a ciencia, pois son moi elementais, pero levan o seu tempo.