Questo come fa scusa?
Sono implementazioni di "generatori" sonori. Sfruttando i timer del microcontrollore vengono riprodotte delle onde con determinate frequenze e/o ampiezze tali da simulare l'output dei vecchi chip sonori anni '80. C'è ad esempio il
Nebulophone, od altri simili. Ma si tratta sempre di "generatori". Anche chip più limitati possono fare queste cose, l'utente dalubar (che ultimamente non vedo attivo sul forum) tempo fa postò un paio di file audio generati utilizzando un Attiny84 che riproduceva del suono con effetti di vibrato e tremolo.
In rete ho trovato un lettore di file audio WAV realizzato con un Attiny85. Esistono poi i progetti che ricadono sotto al nome di "Atari Punk Console", generatori audio basati su timer (NE555).
Manipolare l'audio però diventa più complesso perché si parla di campionare a frequenze molto alte, immagazzinare in qualche posto (e l'Atmega328 ha solo 2 kB di RAM), elaborare il segnale e "risputarlo" fuori.
La Raspberry Pi è stata fatta proprio per lavorare su contenuti multimediali in tempo reale.