Il sottosistema audio dell'Xbox è stato fortemente influenzato dalle tecnologie impiegate nelle attrezzature audio professionali e sulle schede madri ATX; ciò non significa che non contenga alcune parti più interessanti. Il chip MCPX include due componenti audio: la Audio Processing Unit e la Audio Controller Interface.
La Audio Processing Unit, o 'APU', è il processore audio dedicato, costituito a sua volta da tre sottocomponenti:
- Il Voice Processor o 'VP': un circuito specializzato deputato alla sintetizzazione di 256 voci a frequenza di campionamento di 48 kHz. Include due controlli di inviluppi DAHDSR e diversi filtri. Inoltre, 64 voci possono essere 3D (anziché stereo o mono). Come passaggio finale, il processore esegue la miscelazione e l'output delle voci tramite 32 canali, il cui volume è controllato a gruppi di 8 canali;
- il Global Processor o "GP", un DSP programmabile utilizzato per elaborare i dati audio provenienti dal VP e applicarvi diversi effetti.
- Non tutti i canali provenienti dal VP vengono necessariamente inviati al GP: al contrario, è possibile che vengano inviati al VP solo alcuni gruppi ai quali devono essere applicati effetti specifici (come il riverbero);
- l'Encode Processor o EP, che (come suggerisce il nome) genera il segnale stereo finale a partire dai dati in uscita dal GP e lo invia alla RAM principale.
- Le operazioni dell'EP possono essere svolte anche dal GP; ciò nonostante, avere un componente dedicato alla codifica permette alla console di utilizzare tecniche di encoding audio migliori, ad esempio il Dolby Digital.
L'APU elabora i dati audio, ma non può eseguirne l'output. Questo compito spetta all'ACI, che legge i dati audio nella RAM, li decodifica e li invia tramite la linea output audio come campioni PCM stereo (con risoluzione a 16 bit e frequenza di campionamento di 48 KHz).