QOA Audio File Format คืออะไร? คุณลักษณะ, สถาปัตยกรรม, และวิธีการเปิดไฟล์

ในการวิศวกรรมเสียงดิจิทัลและการพัฒนาเกม การสมดุลระหว่างขนาดไฟล์, ความหน่วงเวลาการเล่น, และภาระงานของ CPU มักเป็นเรื่องท้าทายอยู่เสมอ รูปแบบมาตรฐานเช่น MP3, AAC, และ Ogg Vorbis ให้ระดับการบีบอัดสูงแต่ต้องการขั้นตอนการถอดรหัสที่ซับซ้อน, การคำนวณแบบ floating-point ที่หนัก, และการใช้หน่วยความจำจำนวนมาก อีกด้านหนึ่งของสเปกตรัม, PCM ที่ไม่ได้บีบอัด (.wav) ให้การเล่นที่ไม่มีความหน่วงเวลาแต่แลกมาด้วยการใช้พื้นที่ดิสก์มหาศาลและการส่งมอบทรัพยากรที่ช้า.

รูปแบบ QOA (Quite OK Audio) แก้ไขช่องว่างนี้ สร้างโดย Dominic Szablewski (ผู้สร้างรูปแบบภาพ QOI ที่ได้รับการชื่นชมอย่างกว้างขวาง) QOA เป็นรูปแบบออดิโอแบบ lossy แบบโอเพ่นซอร์สที่ออกแบบมาสำหรับการถอดรหัสที่เร็วเหมือนสายฟ้า, ความซับซ้อนต่ำ, และการใช้หน่วยความจำที่คาดการณ์ได้.

ไฟล์ QOA คืออะไร?

ไฟล์ที่มีนามสกุล .qoa จะเก็บเสียงดิจิทัลที่ถูกบีบอัดโดยใช้รูปแบบ Quite OK Audio มันทำงานกับข้อมูลเสียงแบบ pulse-code modulated (PCM) ที่มีความลึก 16 บิตในอัตราการสุ่มตัวอย่างตั้งแต่ $1\text{ Hz}$ ถึง $16,777,215\text{ Hz}$ และรองรับช่องเสียงได้สูงสุด 31 ช่อง

ไม่เหมือนกับโคเดกซ์แบบจิตวิทยาเสียงที่พึ่งพาการแปลงโดเมนความถี่ (เช่น Modified Discrete Cosine Transform หรือ MDCT) QOA ทำงานทั้งหมดใน time domain. มันบีบอัดเสียงให้เหลืออัตราส่วนคงที่ที่เท่ากับ $3.2\text{ bits per sample}$ ทำให้ได้อัตราการบีบอัดคงที่ $5:1$ บน PCM เชิงเส้น 16‑บิตดิบ

สำหรับเสียงคุณภาพ CD มาตรฐาน (44.1 kHz, สเตอริโอ) สตรีม QOA จะได้อัตราบิตที่แน่นอนและคงที่คือ:

$$\text{Bitrate} = 44,100 \times 2 \times 3.2 = 282,240\text{ bits/s} \approx 278\text{ kbps}$$

คุณลักษณะโดยละเอียดของ QOA

1. สเปคและการนำไปใช้แบบมินิมัล

โคเดกซ์สมัยใหม่แบบดั้งเดิมต้องการเอกสารสเปคทางเทคนิคหลายร้อยหน้าและโค้ดหลายพันบรรทัดเพื่อทำการใช้งาน ในทางตรงกันข้าม สเปครูปแบบ QOA ทั้งหมดสามารถใส่ใน single-page PDF ได้เพียงหน้าเดียว และการอิมพลีเมนต์อ้างอิงอย่างเป็นทางการ (qoa.h) มีประมาณ 400 บรรทัดของโค้ด C มาตรฐาน

2. การทำนาย LMS ในโดเมนเวลา

QOA หลีกเลี่ยงอัลกอริทึมการแปลงที่ต้องใช้การคำนวณหนัก แทนที่จะใช้ มันใช้ตัวกรองการทำนายแบบ Least Mean Squares (LMS) ที่ปรับตัวได้พร้อมน้ำหนักประวัติสี่ค่าต่อช่องสัญญาณ โดยการประมาณค่าตัวอย่างในอนาคตและบันทึกความแตกต่างของส่วนเหลือที่ถูกควอนไทซ์เท่านั้น QOA ให้คุณภาพเสียงที่รับรู้ได้อย่างโปร่งใสโดยไม่ต้องใช้ CPU มาก

3. การถอดรหัสที่เร็วมาก

เนื่องจาก QOA พึ่งพาการคำนวณแบบจำนวนเต็มและการดำเนินการที่เบา มันสามารถถอดรหัสได้เร็วขึ้นถึง $3\times$ เท่าจาก Ogg Vorbis และทำงานได้ดีกว่าตัวถอดรหัส MP3 มาตรฐานอย่างมีนัยสำคัญ มันยังถอดรหัสได้เร็วกว่า Microsoft ADPCM ทำให้เหมาะสำหรับฮาร์ดแวร์ฝังตัวที่ใช้พลังงานต่ำ, ไมโครคอนโทรลเลอร์, และเอนจิ้นเกมแบบเรียลไทม์

4. สถาปัตยกรรมแบบแบ่งส่วนพร้อมสตรีมมิ่ง

ไฟล์ QOA แบ่งเป็นเฟรมที่เป็นอิสระซึ่งเก็บได้สูงสุด $5,120$ ตัวอย่างต่อช่องสัญญาณ ($256$ ชิ้นส่วนของ $20$ ตัวอย่าง) แต่ละเฟรมมีน้ำหนักและประวัติของตัวกรอง LMS ของตนเอง ทำให้สามารถค้นหาได้ทันที, ฟื้นฟูโดยไม่มีค่าเสียหายจากแพ็กเก็ตที่สูญหาย, และสตรีมแบบไดนามิกแบบเรียลไทม์โดยไม่ต้องมีการทำดัชนีทั่วโลกที่บังคับใช้

ลักษณะสำคัญของ QOA

วิธีสร้างและเข้ารหัสไฟล์ QOA

การเข้ารหัสเสียงเป็น QOA ทำได้ง่ายดายเนื่องจากมีไบนารีสำหรับนักพัฒนาที่สร้างไว้ล่วงหน้าและเครื่องมือของชุมชน

วิธีที่ 1: ใช้ CLI qoaconv อย่างเป็นทางการ

ตัวเข้ารหัสหลักจะถูกแจกจ่ายโดยตรงในคลังอ้างอิงอย่างเป็นทางการ

1. คัดลอกที่เก็บข้อมูลและสร้างไฟล์ไบนารี:

   git clone https://github.com/phoboslab/qoa.git
   cd qoa
   make
   

2. แปลงไฟล์ WAV ที่ไม่ได้บีบอัดเป็น QOA:

   ./qoaconv input.wav output.qoa
   

3. (Optional) หากคอมไพล์ด้วย HAS_DRLIBS=true qoaconv สามารถแปลงโดยตรงจากไฟล์ .flac และ .mp3 ได้เช่นกัน.

วิธีที่ 2: การเข้ารหัสในเอนจิน (Godot Engine)

ตั้งแต่ Godot 4.3 นักพัฒนาเกมสามารถนำเข้าไฟล์ .wav ที่ไม่ได้บีบอัดและเลือกการบีบอัด QOA โดยตรงจากแผงนำเข้า (Import dock) ของ Godot ได้ ซึ่งจะสร้างสินทรัพย์เกมที่กะทัดรัดและถอดรหัสโดยเนทีฟด้วยความหน่วงของ CPU ที่น้อยมากในฉากเกมที่หนัก.

วิธีที่ 3: ตัวแปลงเว็บในเบราว์เซอร์

ยูทิลิตี้ WebAssembly บนเว็บหลายตัว (เช่นที่โฮสต์บน qoaformat.org และเดโมโอเพ่นซอร์สที่เกี่ยวข้อง) ให้ผู้ใช้ลากและวางไฟล์เสียงมาตรฐานและดาวน์โหลดสินทรัพย์ .qoa ที่เข้ารหัสไว้ในเครื่องโดยไม่ต้องใช้คำสั่งเทอร์มินัล.

วิธีเปิดและเล่นไฟล์ QOA

เนื่องจาก QOA เป็นรูปแบบที่มีน้ำหนักเบาและสร้างขึ้นเพื่อการรวมในเวลารันไทม์เป็นหลัก ตัวเล่นสื่อทั่วไปอาจต้องการปลั๊กอินหรือการสร้างเฉพาะ.

• Dedicated CLI Player (qoaplay): ที่เก็บข้อมูลอย่างเป็นทางการคอมไพล์เป็น qoaplay ซึ่งใช้ระบบย่อยเสียงแบบเนทีฟ (ALSA บน Linux, CoreAudio บน macOS, WASAPI บน Windows) เพื่อเล่นไฟล์ .qoa โดยตรง:

  ./qoaplay audio.qoa
  

• เฟรมเวิร์กเกมและเอนจิน:
  • Raylib: การสนับสนุนแบบเนทีฟผ่านโมดูล raudio.
  • Godot Engine: การสนับสนุนการเล่นแบบเนทีฟเต็มรูปแบบ (Godot 4.3+).
• เครื่องเล่นสื่อและปลั๊กอิน:
  • Qmmp: ตัวเล่นมัลติมีเดียขั้นสูงพร้อมโมดูลการถอดรหัส QOA แบบเนทีฟ.
  • OpenCubicPlayer: ตัวติดตามคลาสสิกและเครื่องเล่นไฟล์เสียงที่รองรับสตรีม QOA.
  • Audacious / foobar2000: รองรับผ่านปลั๊กอินอินพุตของชุมชนโอเพนซอร์ส.
• IDE และเครื่องมือสำหรับนักพัฒนา:
  • VS Code: ส่วนขยาย QOA Preview ช่วยให้นักพัฒนาสามารถดูตัวอย่างและเล่นคลิปเสียง .qoa ได้โดยตรงภายในต้นไม้ซอร์สของพวกเขา.

คำถามที่พบบ่อย (FAQ)

QOA ย่อมาจากอะไร?

QOA ย่อมาจาก Quite OK Audio, เป็นรูปแบบเสียง lossy ที่เร็ว, เรียบง่าย, และเป็นโอเพ่นซอร์ส.

QOA เป็นออดิโอแบบ lossless หรือ lossy?

QOA เป็นรูปแบบการบีบอัดเสียง lossy แต่ยังคงคุณภาพเสียงใกล้เคียงกับความโปร่งใสสำหรับการใช้งานเชิงปฏิบัติจำนวนมาก.

QOA ให้การบีบอัดมากแค่ไหน?

QOA บีบอัดเสียงที่ไม่ได้บีบอัด 16-bit ด้วยอัตราส่วนคงที่ $5:1$ (เท่ากับ $3.2\text{ bits per sample}$).

QOA สามารถแทนที่ MP3 หรือ AAC สำหรับการสตรีมเพลงทั่วไปได้หรือไม่?

ไม่, QOA ให้ความสำคัญกับการถอดรหัสที่เร็วมากและมีน้ำหนักเบากว่าการประหยัดแบนด์วิดท์สูงสุด, ทำให้เหมาะกับเกม, ไมโครคอนโทรลเลอร์, และแอปพลิเคชันที่ต้องการความหน่วงต่ำมากกว่า high-density web streaming.

QOA มีค่าใบอนุญาตหรือค่าลิขสิทธิ์หรือไม่?

ไม่, QOA ปราศจากสิทธิบัตรทั้งหมดและเผยแพร่ภายใต้ MIT license ที่อนุญาต, ในขณะที่สเปคและโลโก้ของมันเป็นสาธารณะ (CC0).

URL อ้างอิง & แหล่งข้อมูลอย่างเป็นทางการ

• เว็บไซต์อย่างเป็นทางการ: https://qoaformat.org/
• สเปคอย่างเป็นทางการ (PDF): https://qoaformat.org/qoa-specification.pdf
• คลัง GitHub: https://github.com/phoboslab/qoa
• การเจาะลึกเชิงเทคนิคของผู้เขียน: บล็อก PhobosLab - ประกาศ QOA & เกณฑ์การวัดผล