複数の音声出力を受け取って合成するなどの、サウンドに関する複雑な制御を実施するミドルウエアです。
Linuxでは、サウンド用のドライバとして「ALSA」が使われていますが、ALSAだけでは、様々なアプリケーションから同時に出力される音声を完全には処理できません。
そこで、サウンドサーバーというミドルウエアがアプリケーションの出力およびサウンドデバイスの入力を受け取って、サンプリングレート変換やリサンプル、ミキシングなどの必要な処理を施します(図1)。ALSAやアプリケーションなどで処理できる状態にしたら、それぞれにわたして音声を入出力します。
「ESD(またはESounD)」「JACK Audio Connection Kit」「PulseAudio」などの様々なサウンドサーバーが存在します。ちなみに、人気のLinuxディストリビューションである「Ubuntu」は、PulseAudioを標準で採用しています。