Egy akusztikus hangszert fújással, ütéssel, pengetésssel vagy dörzsöléssel szólaltatunk meg, mely tevékenységek során a zenészek leginkább a következő fizikai paraméterekkel játszanak: nyomás, sebesség, szög és pozíció. Ezen belül háromféle vezérlési gesztust különíthetünk el: a gerjesztést, azaz energia bevitelét a rendszerbe; a kiválasztást több lehetséges érték, pl. a hangmagasság vagy a hangszínek közül, illetve a modulációt, vagyis pl. hangerő vagy frekvencia periodikus változtatását.

A gesztus a nem szóbeli, metakommunikációs közlést jelöli, a testbeszéd egyik formája. Mozdulatokkal, taglejtésekkel fejezzük ki, amit szavakkal nem lehet. Az elektronikus hangszerek világában gesztusvezérlésen azt értjük, hogy valamilyen mozdulattal vagy mozdulatsorral hatunk a hangszer hangjára.

A 21. században a midi egyre szorosabban kapcsolódott a személyi számítógépekhez. Ebből az következhetett volna, hogy a midi üziket akár helyi hálózatokon, akár interneten keresztül is egyszerűen lehet továbbítani, csak rá kell szabadítani vezetékes vagy drótnélküli rendszerekre.

A midi üzeneteket adó és vevő, egymás után fűzött elrendezés korlátjai hamar kiderültek. Ha túl hosszú volt a lánc, a midi-jel eltorzulhatott, s ha valahol elszakadt a drót, a szakadás utáni összes eszköz vezérelhetetlenné vált.

A midi ajánlások rendszere nemcsak üzenetek és eljárások sokasága, hanem a midi jelsorozatok előállítására és feldolgozására alkalmas elektronikákra, valamint az ezen elektronikák összeköttetésére szolgáló előírások gyűjteménye is.

A midinek az idővel kapcsolatos utasításai közül a legfejlettebb a midi időkód (midi time code, MTC). Ahhoz, hogy ezt a kódot megismerd, el kell csatangolnunk a hangosfilm világába.