Форма хранения звука в памяти компьютера

Вы не поверите! В виде цифр. В каждый квант времени (частота дискретизации) звуковой аналоговый сигнал с микрофона, пройдя через Аналого-Цифровой Преобразователь, записывается в виде числа. Вот этот массив чисел и записывается на носитель. Такая почти прямая запись хранится в файле с расширением "wav" (от английского Wave - волна). Также, для уменьшения занимаемого места, это уже цифровая запись может подвергаться компрессии с потерей (mp3, ogg, acc...) или без потерь (FLAC, MPEG-4 ALS, MLP...) звуковой информации. При компрессия с потерями отсекаются "статистически не значимые" частоты, что позволяет увеличить степень сжатия для экономии места на диске.

В виде информации (массива данных) о звуке и программы (алгоритма) по использованию этой информации.
А, еще. Ко всему этому еще должно быть устройство по преобразованию информации в команды для исполнительного устройства - преобразователя электрического сигнала в звук.
В реальности, это память компьютера - программа воспроизведения - подпрограмма кодека для этого конкретного массива данных - драйвер звукового процессора - микросхема сигнального процессора (звука) - динамик (наушники или внешние колонки).

В виде нулей и единиц, записанных на носителях двоичной информации разного типа.

Программа – это один из основных инструментов пользователя компьютером. Всё процессы, которые происходят на компьютере, были бы невозможны без программ. Загрузка операционной системы происходит с помощью софта, сама операционная система – это программа, любая игра – это программа. Вы смотрите видео или слушаете музыку – всё это происходит с помощью проги.
Во время своей работы, программы пользуются двоичной и другими системами счисления, результаты вычислений и работы программ записываются на носитель информации (жесткий диск) в виде файлов или записей в реестр

Если коротко - записываются измерения мгновенного напряжения звукового сигнала, взятые через равные промежутки времени. Как часто выбираются мгновенные значения зависит от частоты дискретизации. Стандартная частота - 44100 Гц, то есть 44100 значений напряжения записывается в файл каждую секунду.

Если очень грубо, то единичка обозначает, что надо дернуть мембрану, нолик - что не надо. Поток таких ноликов и единичек дергает мембрану таким образом, что получается звук.
Отдельно выделяется MIDI - это встроенный музыкальный синтезатор. Там пишется номер инструмента, нота и продолжительность. Но в современном мире этот формат уже неактуален.

ru.wikipedia.org/wiki/Аналого-цифровой_преобразователь
ru.wikipedia.org/wiki/Цифро-аналоговый_преобразователь
ru.wikipedia.org/wiki/Цифровые_аудиоформаты

　 Пётр, практически все ранее ответившие осветили фундаментальные положения оцифровки аудио. Это несомненный плюс.

　 Можно дополнить: в некоторых форматах после собственно оцифровки звука применяется сжатие полученных данных. Суть в том, что дискретизация с высокой частотой даёт на выходе очень большой объём данных. Последующее сжатие позволяет экономить пространство носителя.

https://ru.wikipedia.org/wiki/MPEG

https://ru.wikipedia.org/wiki/MP3