①オーディオに関するWindows APIの知識と、②VBからWindows APIを呼び出す知識の２つが必要です。

②の方は資料も多くなんとかなりますが、①の方は情報が少ないこととなれていないと独特な考え方についていけずかなり難儀すると思います。

①の参考サイトとしてWebを検索してみたところ見つかったサイトを参考に載せます。

http://www.ne.jp/asahi/nagoya/ahomaro/builder/cpb-059.html
C言語ですが参考になりそうです。(mcsSendStringより低レベルな次元を扱っているようです。)

http://msdn.microsoft.com/en-us/library/windows/desktop/dd743883(v=vs.85).aspx
WindowsのマルチメディアAPIのリファレンスです。

なお、この手の話をするとよく「低レベル」、「高レベル」という表現がでてきますが、
これはプログラムの難易度を表現しているわけではなく、どの部分をプログラムするのかを表しています。高レベルは人間に近い側をプログラムすることを指しています。低レベルは機械に近い側をプログラムすることを指しています。