通常在操作系統中，多媒體流是以文件的形式存在的，例如某部電影。多媒體文件一般包含兩部分內容：媒體數據(主要指音頻或視頻)的編碼格式和特定的多媒體文件格式。
在一個多媒體文件中，音頻數據或視頻數據是按照一定的壓縮編碼標準來編碼的，這樣會很大程度上降低數據量。音頻編碼格式包括ac3，ogg，real audio，mp3等；視頻編碼格式包括mpeg-1/mpeg-2/mpeg-4, h.264, real video，DivX，XVid等。這種編碼方式就是我們通常所說的壓縮標準。
對於一般多媒體文件，其同時包含按一定編碼格式壓縮好的音頻流和視頻流。但這兩種壓縮碼流如何在一個文件中“共存”呢？這就要定義一定的文件"系統"格式：比如音頻數據和視頻數據如何打包，如何交織在一起，播放的時候如何來做到音視頻同步等等。常見的文件系統格式有avi，mpeg，asf，MKV等等。而這些文件系統格式既我們所說的多媒體容器。
很多文件系統格式不限制包含的音頻/視頻數據到底採用哪種編碼格式，這就不難理解“文件容器”一說。比如一個擴展名爲avi的文件，它包含的視頻壓縮格式可能是RGB，YUV，DivX，XVid， mpeg-4，它的音頻格式可能是mp3，real audio等，這些都是合法的。
多媒體容器文件格式一般都包括文件頭部分、索引部分和多媒體數據部分。
|
文件頭 |
索引 |
多媒體數據 |
文件頭部分：文件頭說明了多媒體數據符合的壓縮標準及規範信息，常見的多媒體數據的壓縮標準有：MPEG(Moving Picture Experts Group)系列和H261、H263、H264系列，而多媒體數據的規範信息包括視頻的分辨率、幀率，音頻的採樣率等。
索引部分：由於多媒體數據一般包括音頻數據和視頻數據，因此多媒體中的音頻數據/視頻數據通常並不是連續的，而是分成幾塊存儲在文件中，因此需要索引部分建立多媒體數據的存儲位置索引，用來記錄相應數據塊的存儲位置即偏移量，由於各數據塊的大小可能不同，因此也可能需要在索引部分建立各種多媒體數據塊的尺寸大小索引，用來記錄相應數據塊的尺寸大小。此外在索引部分還建立了其他索引，比如音視頻同步索引等等。播放這些多媒體容器文件時，一般是將索引一次性的全部放到內存中，然後在播放中根據操作（快進、快退等）來通過數據索引得到所需的數據。而如何存儲這些音視頻數據，不同的容器之間也有差異。
多媒體數據部分：即按照某種壓縮標準壓縮的多媒體數據，包括視頻數據、音頻數據、文本數據及其他多媒體數據。