Die Töne werden gewissermaßen einfach addiert, wie lemon ja schon sagte.
Nehmen wir an du hast zwei Sinuskurven mit unterschiedlichen Frequenzen. Wenn du diese addierst entsteht eine neue Kurve die der Lautsprecher dann abspielen kann. In etwa so:
Diese komplexe Schwingung kann dein Ohr dann in die ursprünglichen Schwingungen auflösen. Wie das genau funktioniert, keine Ahnung. Irgendwas mit Fourier Transformationen aber mein Mathe ist schon einige Semester her.