V(а) = v * t * i, где v - дискретизация, t - время, i - глубина (аудиофайл)
I = M * I, где M - количество пикселей(X*Y), i - глубина цвета(фото)
N = 2^i, где N - мощность алфавита, i - кол-во бит.
V(в) = M * t * v * i / k + V(а), где количество пикселей(X*Y), i - глубина цвета(фото), t - время, v - частота кадров