ウィキペディア記事への音声データの添付についてはHelp:音声・動画の作成と利用をご覧ください。

音声ファイルフォーマット（おんせいファイルフォーマット、英: Audio file format）は、音データをコンピュータシステム上で格納する際のファイル形式（コンテナフォーマット）の総称である。
概要

音声の符号化には、大別してパルス符号変調（PCM）方式に基づくものと、パルス密度変調（PDM）方式に基づくものとがある。CD-DAやDVD-Audioに使用される方式は前者であり、Super Audio CDに使用される方式は後者である。リニアPCMは音声信号の強度を特定の量子化ビット数（ビット深度）の数値として表現し、一定の時間間隔（サンプリング周波数）で標本化する。音声信号の強さの代わりに、音声信号の強さの（時間）差分を符号化する方式として差分パルス符号変調（DPCM）や適応的差分パルス符号変調（ADPCM）がある。一方でPDMは音声の波の疎密を1bitで表現して一定の間隔で標本化する。

これらのデータは圧縮されずに格納されるか、ファイルサイズを削減するために圧縮して格納される。その際に、どのような構造で格納されるかを規定するものがファイルフォーマットである。例えば、生のPCMデータは 量子化ビット数[bit/sample]×サンプリング周波数[sample/sec]×時間[sec] で定まる長さのビット列として表されるが、これを音声データとして解釈する場合、それがPCMで符号化された音声であること、量子化ビット数、サンプリングレートなどの情報（メタデータ）が必要である。ファイルフォーマットはこれらデータの配置の仕方・形式（フォーマット）を規定する。リニアPCMを格納したWAVフォーマットは、RIFF識別子、この項目以降のサイズ、フォーマット情報、fmt識別子、fmtチャンクのサイズ、リニアPCMであることを表す情報、チャンネル数（モノラルなら 1、ステレオなら 2）、サンプリングレート、バイトレート、ブロックサイズ、データ識別子、PCMデータのバイト数、PCMデータ、という形式になっている。ただし数値はリトルエンディアンで表現される。より複雑なファイルフォーマットでは、曲名、アーティスト名、アルバムアート（画像データ）、歌詞など、他の付加的情報を格納することもでき、その為のフォーマットが規定される。

ファイルフォーマットとコーデックを区別することは重要である。コーデックは生の音声データを符号化（とくに圧縮）／復号する方式であり、ファイルフォーマットは音声をファイルに格納する際の特定の形式を指す。ただし、音声ファイルフォーマットには1つのコーデックが対応する（あるいはひとつの標準的なコーデックが存在する）こともある。複数のコーデックが対応する音声ファイルフォーマットとしては、Matroska AudioやMP4などがある。
種類

音声ファイルフォーマットには、主に非圧縮音声の格納に用いられるもの、可逆圧縮音声の格納に用いられるもの、非可逆圧縮音声の格納に用いられるものとがある。
非圧縮音声

PCM形式の非圧縮音声については、WindowsではWAV、Mac OS ではAIFFに格納されることが標準的である。WAVは柔軟なファイルフォーマットであり、非圧縮／圧縮を問わず、任意のサンプリング周波数とビットレートの音声を格納できる。一方でPDM形式の非圧縮音声はDSDIFFやDSFなどの形式で格納される。詳細はDSDを参照。

WAV - 主にMicrosoft Windowsで使われている標準音声ファイルフォーマット。基本的にはリニアPCMが格納される。ただし他コーデックを格納することも可能である。ファイル内の構造は RIFFを踏襲している。これはIFFフォーマットに似ている。

AIFF - アップルの標準音声ファイルフォーマット。言うなればMacintoshにとってのWAVである。

BWF (Broadcast Wave Format) - 欧州放送連合がWAVの後継として策定した標準音声フォーマットである。BWFではファイルにメタデータを含めることができる。詳しくは、European Broadcasting Union: Specification of the Broadcast Wave Format - A format for audio data files in broadcasting. EBU Technical document 3285, July 1997 を参照。このフォーマットは録音時のフォーマットとして、テレビや映画業界で使われる多くのオーディオワークステーションで採用されている。SMPTEタイムコードをファイルに含めることができるため、別に録画された画像と同期をとるのが容易である。

可逆圧縮を伴うフォーマットでは、録音や再生の際に余分な処理が必要となるが、大量の録音をする場合にはストレージ容量の節約という点で効率的と言える。WAV（正確にはリニアPCM）などの非圧縮形式は、録音対象が複雑な音楽でも全くの静寂であっても、単位時間当たりに同じ量のビットを記録する。例えば、オーケストラの演奏のような複数の音が混じる場合でも、全く音がしない状況でも、非圧縮の場合、単位時間当たりのファイルサイズは同じである。同じものを可逆圧縮方式であるTTAで符号化した場合、前者のファイルはある程度小さくなり、後者のファイルはほとんどゼロに近いサイズになるだろう。