Частота дискретизации 22.05 кГц = 22050 Гц означает, что в секунду делается 22050 отсчетов уровня звука. Каждый отсчет в одном канале звука кодируется 16 битами, что составляет 16/8 = 2 байта. В стереофайле каналов два, потому на отсчет требуется 2×2 = 4 байта. Секунда звука кодируется 4×22050 = 88200 байтами. А пять секунд потребуют 5×88200 = 441000 байт.
При однобайтной кодировке символ занимает 1 байт, поэтому в документе будет 441 000 символов.