Para mi es nuevo el tema pero me fascino la explicacion del youtuber, muy detallada pasando por la captura del audio, pasaje a mono, ajustes de nivel y procesado digital para empaquetar los datos de forma "digerible" para el 6510 y 6581, hasta incluye la teoria de muestreo del pionero Mozer; me pregunto si algo similar usaron Pastbytes & Cia en su BBS con audio digital...

C64 Digis

No vi el video, pero retroterm primero usaba una especie de "wav" hecho especificamente, en el BBS usamos audio de 4 bits que va directo al volumen del SID, y por los 57600 bps el muestreo maximo que podemos escuchar es 11520 Hz porque es la maxima cantidad de nibbles (grupos de 4 bits) que podemos transferir a esa velocidad. A 11KHz la voz se puede reproducir muy bien, para musica esta un poco limitado, pero es mejor que una linea telefonica. Por como esta hecho el codigo de la terminal, el limite esta solamente en los 57600 bps de la recepcion, se recibe un byte, que contiene 2 muestras de 4 bits, y durante la recepcion del siguiente byte se reproducen esas 2 muestras. En la actualidad ya no usamos un formato de audio especial, sino que el BBS toma mp3 y otros formatos, en cualquier calidad, y lo renderiza antes de enviar, para convertirlo en audio de 4 bits mono a 11520 Hz, empaquetado de a 2 muestras por byte, pero la terminal sigue recibiendo los datos como si fuera un binario especial.

Agrego la 2da parte del video tutorial sobre los Digis:
C64 Digis - 2da parte