Vše o souborech QTA

QTA (QuickTime Audio) je proprietární formát souboru, který Apple zavedl na konci roku 2024 s iOS 18.2 pro iPhone 16 Pro a iPhone 16 Pro Max. Používá se pro hlasové nahrávky a představuje změnu oproti dosud používanému formátu M4A.

Přiznejme si, že se jedná o velmi technickou záležitost:

QTA je založen na First Order Ambisonics (FOA), což je metoda pro nahrávání trojrozměrných (tj. prostorových) zvukových polí. Čtyři mikrofony iPhone 16 Pro/Max zachycují prostorové zvukové pole, které se ukládá do čtyř kanálů. Jedná se o takzvaný omnidirekcionální kanál (tedy ve všech směrech), kanál zepředu dozadu, kanál zleva doprava a kanál nahoru a dolů.
Samotná zvuková data se ukládají v Apple Positional Audio Codec (APAC). Jedná se o nový, opět proprietární kodek, který Apple vyvinul pro prostorový zvuk. APAC podporuje kromě FOA také HOA (Higher Order Ambisonics) pro ještě větší prostorovou přesnost. Původně byl APAC navržen pro Apple Immersive Video na Vision Pro.

Struktura souboru QTA

Kompletní soubor QTA obsahuje:

• stereo stopu AAC jako záložní řešení pro starší zařízení
• prostorovou zvukovou stopu ve formátu APAC (4 kanály FOA)
• alespoň jednu stopu metadat s informacemi o přehrávání

Kde se QTA používá?

QTA byl vyvinut pro profesionální a kreativní použití. Vrstvené nahrávky lze například použít k dodatečnému přidání jedné nebo více zvukových stop s nástroji při nahrávání zpěvu. I u „normálních“ hlasových poznámek lze lépe odstranit zvuky na pozadí, například pomocí Logic Pro. Možnosti přehrávání jsou u podporovaných zařízení také širší: lze například zdůraznit hlas mluvčího a snížit okolní hluk, nebo naopak.

Příklad ffprobe souboru .qta z iPhone

Následující ffprobe souboru QTA, který jsem vytvořil, názorně ukazuje, jak jsou data uložena. První stream (#0:0) obsahuje stereofonní zvukovou stopu AAC s 167 kb/s, která je relevantní pro naši konverzi. Ostatní stopy jsou prostorová data APAC (stream #0:1) a streamy #0:2 a #0:3 pro metadata.

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

Zdroje

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