Na szczęście reżyserzy dźwięku dysponują narzędziami, które mogą "wyciąć", albo przynajmniej "schować", takie niepożądane odgłosy. Nie trzeba było więc spotykać się jeszcze raz i pamiętać, by siedzieć na innym krześle. Wystarczyło pozbyć się skrzypienia w trakcie obróbki nagrania. Taka operacja wycięcia zbędnego dźwięku jest możliwa dzięki narzędziu, które w skrócie nazwiemy FFT (Fast Fourier Transform, czyli Szybka Transformata Fouriera).

Żeby zobaczyć, jak działa FFT, zacznijmy od podstaw. Dźwięk to funkcja zmiany ciśnienia powietrza. Nie jest to jednak dowolna funkcja - ciśnienie podlega niewielkim zmianom, a dźwięki, przynajmniej te w przyjaznej dla ucha postaci, mają (mówiąc muzycznie) swoją wysokość, czyli (ściślej) odpowiadająca im funkcja zmiany ciśnienia powietrza jest funkcją okresową.

Każdą porządną funkcję okresową można przedstawić za pomocą szeregu Fouriera. W dużym uproszczeniu - jeśli funkcja ma okres to da się ją przedstawić jako . Tego mocnego narzędzia teoretycznego nie można tu stosować ściśle, bo na ogół dźwięki zmieniają się w czasie, więc nie mamy do czynienia z funkcjami par excellence okresowymi. Wciąż są one jednak "okresowawe", to znaczy zmieniają się na tyle wolno, że można lokalnie sporządzić widmo dźwięku - czyli powiedzieć, które częstotliwości bazowe są istotne w danej chwili. Właśnie to widmo jest generowane przez FFT.

Spójrzmy na dwie postacie pierwszego dźwięku wspomnianej wcześniej piosenki - wykres drgania oraz odpowiadającego mu widma.

Rys. 1. Funkcja zmiany ciśnienia w czasie dla dźwięku struny gitarowej. Można w niej dostrzec pewną regularność, lecz trudno ją precyzyjnie opisać

Rys. 2. Widmo dźwięku z rysunku 1. Na osi jest częstotliwość w Hz, na osi - amplituda drgania w danej częstotliwości

Rysunek 2 przedstawia udział danej częstotliwości w dźwięku z rysunku 1. Ten dźwięk nie jest funkcją okresową - każdy puls ma nieco inny kształt - jednak mimo to można spróbować skonstruować jego szereg Fouriera. Istotną rolę będą odgrywać w nim jedynie amplitudy itd.

Razem z FFT pojawia się nowy punkt widzenia, niebywale przydatny w analizie dźwięku. Z rysunku 1 można od biedy wydedukować częstotliwość bazową, ale cała subtelność kształtu widma jest już nie do wychwycenia. Na rysunku 2 zupełnie jasne jest, że szósta składowa (ząbek o ) niemal nie istnieje, za to dziewiąta jest tak duża jak czwarta To, że takie fakty są w ogóle możliwe do zaobserwowania, jest kluczowe chociażby w analizie mowy.