Какой формат сжатия речи выбрать для учебных роликов?

Для платформы UWP (Win10), возможно позже для платформы Xamarin, планируется обучающее приложение с учебным контентом. Визуально контент выглядит как видеофрагменты, включающие треки стилуса и голос диктора. На уровне данных это два разных потока. Звуковой поток содержит только речь диктора до 10 минут на ролик. Требуется произвольный доступ к звуковому фрагменту (пролистывание/перемотка). Курс включает более 10 часов речи.

Вопрос: Каким кодеком сжимать речь диктора? И где хранить контент? Если внутри приложения, то хочется сжать сильнее, чтобы приложение было меньше. Приложение малобюджетное. Возможно Freemium.