Allt om QTA-filer

QTA (QuickTime Audio) är ett proprietärt filformat som Apple introducerade i slutet av 2024 med iOS 18.2 för iPhone 16 Pro och iPhone 16 Pro Max. Det används för röstinspelningar och markerar en övergång från det tidigare använda M4A-formatet.

Den, medgivet, mycket tekniska bakgrunden:

QTA baseras på First Order Ambisonics (FOA), en metod för inspelning av tredimensionella (dvs. rumsliga) ljudfält. De fyra mikrofonerna i iPhone 16 Pro/Max registrerar ett rumsligt ljudfält som lagras i fyra kanaler. En så kallad omnidirektionell kanal (dvs. i alla riktningar), en kanal från fram till bak, en kanal från vänster till höger och en kanal för upp och ner.
Ljuddata lagras i Apple Positional Audio Codec (APAC). En ny, återigen proprietär codec som Apple har utvecklat för rumsligt ljud. Förutom FOA stöder APAC även HOA (Higher Order Ambisonics) för ännu större rumslig precision. Ursprungligen utvecklades APAC för Apple Immersive Video på Vision Pro.

Uppbyggnad av en QTA-fil

En komplett QTA-fil innehåller:

• en stereospår i AAC-format som fallback för äldre enheter
• ett rumsligt ljudspår i APAC-format (4 kanaler FOA)
• minst ett metadataspår med uppspelningsinformation

Var används QTA?

QTA har utvecklats för professionella och kreativa användningsområden. De lagerindelade inspelningarna kan t.ex. användas för att efteråt lägga till ett eller flera ljudspår med instrument till sånginspelningar. Även vid ”vanliga” röstmemon kan bakgrundsljud bättre avlägsnas, t.ex. med Logic Pro. Uppspelningsalternativen är också bredare på enheter som stöds: till exempel kan talarens röst betonas och omgivningsljudet reduceras, eller tvärtom.

Exempel på ffprobe av en .qta-fil från iPhone

Följande ffprobe av en QTA-fil som jag har skapat visar tydligt hur data lagras. Den första strömmen (#0:0) innehåller det AAC-stereoljudspår med 167 kb/s som är relevant för vår konvertering. De andra spåren är de rumsliga APAC-data (ström #0:1) och ström #0:2 och #0:3 för 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

Källor

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