MPEG-4标准综合了多种不同类型的音频编码，是可以应用到所有需要先进的语音压缩、合成、控制、回放和交互性以及虚拟现实等应用领域的标准。MPEG-4标准迎合了新型数字音视频要求从播放型转向交互操作型的应用需求，形成了完美且灵活的音频编码和合成的框架。
MPEG-1、MPEG-2采用数据压缩编码方法提高了数字音视频存储和传输的效率，所采用的压缩编码方法均是基于音频和视频帧的，与内容的交互也仅限于帧的水平。MPEG-4的优越之处在于，它不仅支持自然声音编码，而且支持合成声音编码。MPEG-4的音频部分将两种编码相结合，并支持音频的对象特征。MPEG-4规定了“音视频对象”，提供一种新的交互性，在编码、解码和对象合成阶段均可与每一音视频对象交互，同时也能集成不同性质的对象。
自然音频编码提供了三种编码方案，参数编码、码本激励线性预测编码和时/频编码；合成音频编码分为两种方案：文语转换和结构音频。每个编码方案都按照两部分来组织标准的内容——标准部分描述解码的语法和解码过程，附录部分描述编码器和接口。
MPEG-4音频能实现低码率高质量音频编码，最大数据传输率只有64 kb /s。MPEG-4为实现这种编码所提供的新的改进工具可以用来在适合Internet、数字广播等带宽受限的低码率音频传输中。