电视广播离不开声音信号，随着人们对电视质量的要求越来越高，在数字电视广播、高清晰数字电视和数字电影中不仅应有高质量的图像，还要保证有高质量的伴音。
音频文件格式往往包含了对音频编码格式的表达，两者一般是一对一的关系，或者说音频文件格式也是音频编码格式。
PCM
PCM (PulseCode Modulation) 被称为脉码编码调制。PCM中的声音数据没有被压缩，如果是单声道的文件，采样数据按时间的先后顺序依次存入(它的基本组织单位是BYTE(8bit)或WORD(16bit))，如果是双声道的文件，采样数据按时间先后顺序交叉地存入。如图所示：
PCM的每个样本值包含在一个整数i中，i的长度为容纳指定样本长度所需的最小字节数。8位和16位的PCM波形样本的数据格式：
| 样本大小 | 数据格式 | 最小值 | 最大值 |
|---|---|---|---|
| 8bit PCM | unsigned int | 0 | 255 |
| 16bit PCM | int | -32768 | 32767 |
PCM没有保存元数据信息，播放时要准确指定采样格式、采样率和声道才能播放。
WAV
实现方式很多，在原 PCM 数据格式前面加上 44 字节元数据描述 PCM：采样率、声道数、数据格式等。
特点：保留原始PCM，音质好，大量软件都支持；
适合场景：高比特率下对兼容性有要求的音乐欣赏。
WAV格式符合资源交换文件格式(RIFF，ResourceInterchange File Format)规范。WAV文件分为两个部分：头信息和PCM音频数据。
有损压缩编码格式
MP3
MP3，MPEG-1 Audio Layer III，也可以是MPEG-2 Audio Layer III。
技术细节：
- 使用MDCT算法，修正了DCT算法上的一些缺陷。
- 使用声学心理模型：
- 人耳听觉范围是20Hz～20kHz，去掉高频信息；
- 人耳对2000Hz～5000Hz最灵敏，两端下降比较厉害，尤其是高频，在去掉部分高频信息；
- 人耳有遮蔽效应，去掉频域和时域遮蔽的部分；
- 使用哈夫曼编码压缩音频数据。
缺点：
- CBR编码对20kHz以上的声音一刀切。当然也可以使用VBR规避。
- 最初使用的ID3标签没有统一的文本编码。ID3 v2对此做了修正。
- 多声道支持较差。非主流的MPEG-2 Audio Layer III才支持了5.1声道。
AAC
AAC，Advanced Audio Coding。为了取代MP3。目前较热门的有损压缩编码技术，衍生了 LC-AAC、HE-AAC、HE-AAC v2 这三种主要编码格式。
特点：在小于 128Kbit/s 的码率下表现优异，并且多用于视频中的音频编码。
适用场景：128Kbit/s 以下的音频编码，多用于视频中音频轨的编码。
技术细节：
- 使用了完整的MDCT算法，编码效率上更胜一筹。一般同等码率下，AAC质量比MP3更好一些。
- 支持更大的采样率（16～48kHz=>8~96kHz）。
- 支持高达48个声道。
- 对频率高于16kHz的音质更好。
Ogg
Ogg是Vorbis编码的容器。
- 非常有潜力，各种码率下都有比较优秀的表现。
- 尤其在低码率情况下，编码算法出色，可以用更小码率达到更好的音质。
特点：可以用比MP3更小的码率实现比MP3更好的音质，高中低码率下均有良好的表现，兼容不够好，流媒体特性不支持。
使用场景：语言聊天的音频消息场景
技术细节：
基于MDCT时频转换，然后通过心理声学进行频段舍弃。后续使用矢量量化算法，使得在低码率下有着很好的表现，接近AAC HE，但还没能超越。
Opus
- 编码比Vorbis更好的低码率表现，并在同码率下超越了AAC HE。
- 低延时。使得在数字语音通信领域中应用广泛。
AC-3
AC-3，Dolby Digital。
- 首个使用MDCT算法进行压缩的编码，同时还使用音频心理学研究成果对压缩算法进行优化，使得最终压缩后的产物仍拥有影院基本效果。
- DD编码一般有6个声道，称为DD 5.1。
- 元数据中带有对解码过程进行控制的相关信息，使得它在支持的播放器上可以还原出制片方想要的效果。
缺点：
- 只支持固定码率编码，使得码率比较高。
升级版本：E-AC-3，Dolby Digital Plus。
DTS
Dolby的竞争对手。
选择ADPCM作为算法基础，采用自适应采样大小记录电平值。对存储空间利用率更高。同时，相对于使用MDCT算法算出不同频率段再砍掉人耳不敏感部分的做法，基于AFPCM的算法虽压缩比低一些，但对声音细节保留得更好。
但也是因为使用自适应采样大小，使得体积控制比DD要差一些，这限制了它的使用。
总结
大部分编码格式都是基于PCM进行无损、有损的压缩编码。使用的编码技术都是类似的。有损压缩编码基于MDCT，然后经过心理声学模型取出人耳不敏感的信息，最后经过哈夫曼编码压缩。无损压缩编码都是基于线性预测编码。不同的格式可能更多是机构、厂商竞争的产物。