Informacje o plikach QTA

QTA (QuickTime Audio) to zastrzeżony format plików, który firma Apple wprowadziła pod koniec 2024 r. wraz z systemem iOS 18.2 dla iPhone'a 16 Pro i iPhone'a 16 Pro Max. Jest on używany do nagrań głosowych i oznacza odejście od dotychczas stosowanego formatu M4A.

Przyznajemy, że jest to bardzo techniczne zagadnienie:

QTA opiera się na First Order Ambisonics (FOA), metodzie nagrywania trójwymiarowych (czyli przestrzennych) pól dźwiękowych. Cztery mikrofony iPhone'a 16 Pro/Max rejestrują przestrzenne pole dźwiękowe, które jest zapisywane w czterech kanałach. Tak zwany kanał omnidirekcjonalny (czyli we wszystkich kierunkach), kanał od przodu do tyłu, kanał od lewej do prawej oraz kanał dla góry i dołu.
Same dane audio są zapisywane w formacie Apple Positional Audio Codec (APAC). Jest to nowy, zastrzeżony kodek, opracowany przez Apple dla dźwięku przestrzennego. Oprócz FOA, APAC obsługuje również HOA (Higher Order Ambisonics) dla jeszcze większej dokładności przestrzennej. Pierwotnie APAC został zaprojektowany dla Apple Immersive Video na Vision Pro.

Struktura pliku QTA

Pełny plik QTA zawiera:

• ścieżkę stereo AAC jako rozwiązanie awaryjne dla starszych urządzeń
• ścieżkę dźwięku przestrzennego w formacie APAC (4 kanały FOA)
• co najmniej jedną ścieżkę metadanych z informacjami dotyczącymi odtwarzania

Gdzie stosuje się QTA?

QTA został opracowany z myślą o profesjonalnych i kreatywnych zastosowaniach. Nagrania warstwowe mogą być wykorzystywane np. do dodawania jednej lub kilku ścieżek dźwiękowych z instrumentami podczas nagrywania wokalu. Również w przypadku „zwykłych” notatek głosowych można lepiej usuwać dźwięki tła, np. za pomocą Logic Pro. Opcje odtwarzania są również szersze w przypadku obsługiwanych urządzeń: można na przykład podkreślić głos mówcy i zredukować ODGłosy otoczenia lub odwrotnie.

Przykład ffprobe pliku .qta z iPhone'a

Poniższy ffprobe pliku QTA, który sam stworzyłem, pokazuje, jak dane są przechowywane. Pierwszy strumień (#0:0) zawiera ścieżkę dźwiękową AAC stereo o przepływności 167 kb/s, która jest istotna dla naszej konwersji. Pozostałe ścieżki to przestrzenne dane APAC (strumień #0:1) oraz strumienie #0:2 i #0:3 dla metadanych.

Input #0, MOV,mp4,m4a,3gp,3g2,mj2, from 'test-qta.qta':
  Metadata:
    major_brand     : QT
    minor_version   : 0
    compatible_brands: qt
    creation_time   : 2026-02-01T10:13:39.000000Z
    encoder         : com.apple.VoiceMemos (iPhone Version 26.2.1 (Build 23C71))
  Duration: 00:52:03.42, start: 0.000000, bitrate: 564 kb/s
  Stream #0:0[0x1](und): Audio: aac (LC) (mp4a / 0x6134706D), 48000 Hz, stereo, fltp, 167 kb/s (default)
    Metadata:
      creation_time   : 2026-02-01T10:13:39.000000Z
      handler_name    : Core Media Audio
      vendor_id       : [0][0][0][0]
  Stream #0:1[0x2](und): Audio: none (apac / 0x63617061), 48000 Hz, 4 channels, 388 kb/s
    Metadata:
      creation_time   : 2026-02-01T10:13:39.000000Z
      handler_name    : Core Media Audio
      vendor_id       : [0][0][0][0]
  Stream #0:2[0x3](und): Data: none (mebx / 0x7862656D), 0 kb/s (default)
    Metadata:
      creation_time   : 2026-02-01T10:13:39.000000Z
      handler_name    : Core Media Metadata
  Stream #0:3[0x4](und): Data: none (mebx / 0x7862656D) (default)
    Metadata:
      creation_time   : 2026-02-01T10:13:39.000000Z
      handler_name    : Core Media Metadata

Źródła

Apple Developer: „Enhance your app's audio recording capabilities” – WWDC25
https://developer.apple.com/videos/play/wwdc2025/251/
Apple Support: „Apply Spatial Playback processing to QTA files in Logic Pro for iPad”
https://support.apple.com/guide/logicpro-ipad/apply-spatial-playback-processing-qta-files-lpip0da1ccfc/ipados
Apple Developer: „Apple Positional Audio Codec” (PDF)
https://developer.apple.com/av-foundation/Apple-Positional-Audio-Codec.pdf