DVD-Audio umožňuje volitelně použít i jiné kódování jako například Dolby Digital, MPEG-1 stereo, MPEG-2 multi kanál nebo DTS či SDDS atd.

Podobně jako DVD-Video i zde najdeme na disku adresář VIDEO_TS, kde jsou uloženy všechny obrazové objekty (video i statické obrázky, navigace, kompresovaný zvuk pro video). To nejdůležitější, tedy zvuk, je v adresáři AUDIO_TS. Tedy přesněji řečeno, audio v nejvyšší kvalitě, statické obrázky, texty a navigace. Zde se nachází tyto soubory:

• SAMG (Simple Audio ManaGer) je obdoba známé TOC, která umožňuje přehrávat jednotlivé stopy na DVD přehrávačích určených pouze pro DVD-Audio
• AMG (Audio ManaGer) je TOC jak pro video, tak i audio zóny a obsahuje AMG informace a menu
• ASVS (Audio Still Video Set) obsahuje statické obrázky pro jednotlivé zvukové stopy
• AOB (Audio OBjects) jsou samotná zvuková data (obdoba VOB u DVD video)

Protože datový tok nemůže obsahovat žádné další informace, musí se statické obrázky nahrát do paměti přehrávače ještě před spuštěním zvukové stopy. Video sekvence z adresáře VIDEO_TS je pak možné volitelně pouštět spolu se zvukem.

Logické rozdělení DVD-Audio je poněkud jiné, než u CD-DA. Celý DVD-Audio disk se nazývá Album. Každé Album se může skládat z devíti Skupin a každá skupina může mít až 99 Stop po 99 Indexech. Pro účely navigace se mezi stopy a skupinu vkládá ještě jedna vrstva, která obsahuje titul (ATT - Audio TiTles). Je to logická entita, která se používá pro alokaci stop do skupin. Skupina může obsahovat jednu nebo více ATT a každý ATT může linkovat jednu nebo více stop. DVD-Audio přehrávače určené pouze pro audio tuto logickou strukturu ignorují, protože používají vlastní informace uložené v souboru SAMG (viz výše).

Podívejme se ještě, jak to vypadá se specifikací pro audio a video objekty na DVD-Audio.

DVD-Audio má datový tok 9,6Mbps, to tedy znamená, že vzorkovací frekvence pro vícekanálové audio je omezena na 96kHz nebo méně. Aby se tato šířka pásma dala co nejlépe využít, vícekanálové audio se může kódovat do dvou kanálových skupin s různými parametry (jako např. vzorkovací frekvence nebo kvantizace - to je šířka slova). Počet kanálů ve skupině musí být alespoň tři (levý, pravý a střední). Pro každou skupinu je přesně vymezeno, jaké parametry může používat: