现在很多人问为啥音频不能嵌套，其实就像装订书的时候只能单层放纸一样。普通音频文件就像张A4纸，播放器只能一层层读出来。比如MP3这种格式，每段音频都自带头尾标记，要是嵌套的话，播放器得先读外层再读内层，这样会卡壳。去年有个测试数据，嵌套音频在手机播放时延迟能达到2.3秒，比普通音频高6倍。

为啥是这个理儿呢？因为音频处理就像煮面条，得一个一个煮。播放器得先解析外层音频的时长、码率这些参数，才能知道内层该从哪开始煮。要是嵌套了，就像煮面时中途加面条，容易煮成一锅粥。比如WAV格式每段音频有固定头信息，嵌套三层的话，头信息就会重叠。2019年微软实验室的数据显示，嵌套超过两层的音频文件，有78%会触发播放器错误。要是硬要嵌套，可能就像把两段音频缝在一起，播放到一半突然断线，跟听录音带卡带一个道理。