Да что тут такого то? ?
>65536 уровней интенсивности сигнала
значит надо 2 байта (16 бит) на одну запись единицы информации (не помню, как они называются в данном случае)
>частое дискретизации 32 кГц
значит на одну секунду звучания надо 32 тысячи записей (о количестве каналов ничего не сказано, поэтому считаем, что 16 бит и есть одна запись)
2 * 32 000 = 64 000 байт информации на одну секунду звучания (это не килобайты) .
ну и находите - 625 кБ = 625 * 1024 = 640 000 байт, поэтому время звучания будет t = 640 000 / 64 000 = 10 секунд