si... en audio, analizan binario del mp3, lo convierten en una pista de audio, la editan, lo convierten a mp3 y guardan

las imagenes, es similar, convierten el jpg (o formato que sea) a un mapa de bytes, lo editas y el resultado lo convierten de vuelta a el formato y lo guardan

(dejo en claro que mp3 así como jpg y demás son formatos comprimidos, por eso hay que extraerlos a una forma "clara" para editarlos y luego recomprimirlos)