什么是 QOA 音频文件格式？特性、架构以及如何打开它

在数字音频工程和游戏开发中，平衡文件大小、播放延迟和 CPU 开销一直是个挑战。标准格式如 MP3、AAC 和 Ogg Vorbis 提供了高压缩率，但需要复杂的解码流水线、繁重的浮点运算以及大量的内存占用。相反，未压缩的 PCM（.wav）提供零延迟播放，却以巨大的磁盘占用和缓慢的资源交付为代价。

The QOA (Quite OK Audio) 格式弥补了这一空白。它由 Dominic Szablewski（广受好评的 QOI 图像格式的创建者）创建，QOA 是一种开源的有损音频格式，旨在实现闪电般的解码速度、极低的复杂度和可预测的内存使用。

什么是 QOA 文件？

带有 .qoa 扩展名的文件使用 Quite OK Audio 格式存储压缩的数字音频。它在 16 位深度下处理脉冲编码调制（PCM）音频数据，采样率范围从 $1\text{ Hz}$ 到 $16,777,215\text{ Hz}$，并支持最多 31 条音频通道。

不同于依赖频域变换（如改进离散余弦变换或 MDCT）的心理声学编解码器，QOA 完全在 时域 工作。它将音频压缩到恰好 $3.2\text{ bits per sample}$ 的固定比率，在原始 16 位线性 PCM 上实现恒定的 $5:1$ 压缩比。

对于标准的 CD 质量音频（44.1 kHz，立体声），QOA 流实现了精确且恒定的比特率：

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

QOA 的详细特性

1. 极简规范与实现

传统的现代编解码器需要数百页的技术规范和数千行代码才能实现。相比之下，整个 QOA 格式规范仅占 单页 PDF，官方参考实现（qoa.h）大约只有 400 行标准 C 代码。

2. 时域 LMS 预测

QOA 避免使用计算密集型的变换算法。相反，它采用每通道四个历史权重的自适应最小均方（LMS）预测滤波器。通过估计未来的采样值并仅记录量化的残差差异，QOA 在不占用大量 CPU 的情况下提供透明的感知音频质量。

3. 极快的解码

由于 QOA 完全依赖整数算术和轻量级操作，它的解码速度比 Ogg Vorbis 快 $3\times$，并显著优于标准 MP3 解码器。它甚至比 Microsoft ADPCM 更快解码，使其非常适合低功耗嵌入式硬件、微控制器和实时游戏引擎。

4. 支持流式的分块架构

QOA 文件被划分为自包含的帧，每帧可容纳每通道最多 $5,120$ 个采样（$256$ 个每组 $20$ 个采样的切片）。每帧携带其自己的 LMS 滤波器权重和历史记录，实现即时定位、零惩罚的丢包恢复，以及无需强制全局索引的动态即时流式传输。

QOA 的关键特性

特性规格 / 细节
文件扩展名.qoa
魔术字节qoaf (0x71, 0x6f, 0x61, 0x66)
开发者 / 创建者Dominic Szablewski (PhobosLab)
压缩类型有损 (时域 LMS 预测)
压缩比固定 $5:1$ 相对于 16 位 PCM
每样本存储恰好 $3.2\text{ bits per sample}$
比特率 (44.1 kHz, 立体声)$\approx 278\text{ kbps}$ ($282.24\text{ kbps}$ 有效载荷)
采样率范围$1\text{ Hz}$ 到 $16,777,215\text{ Hz}$ ($24\text{-bit}$ 无符号)
支持的通道$1$ 到 $31$ 音频通道 (Mono, Stereo, 5.1, 7.1, 等)
标题开销8 字节文件头，8 字节帧头
许可MIT（源代码）/ CC0（规范与徽标）

如何创建和编码 QOA 文件

将音频编码为 QOA 非常简单，因为有预构建的开发者二进制文件和社区工具链。

方法 1：使用官方 qoaconv CLI

主要编码器直接分发在官方参考仓库中。

  1. 克隆仓库并构建二进制文件：
    git clone https://github.com/phoboslab/qoa.git
cd qoa
make
  2. 将未压缩的 WAV 文件转换为 QOA：
    ./qoaconv input.wav output.qoa
  3. (可选) 如果使用 HAS_DRLIBS=true 编译，qoaconv 也可以直接转码 .flac 和 .mp3 文件。

方法 2：在引擎内编码（Godot 引擎）

从 Godot 4.3 开始，游戏开发者可以导入未压缩的 .wav 文件，并直接在 Godot 导入面板中选择 QOA 压缩。这会生成紧凑的游戏资源，在繁重的游戏场景中以本地方式解码，CPU 延迟几乎可以忽略不计。

方法 3：浏览器内的网络转换器

多个基于 Web 的 WebAssembly 工具（例如托管在 qoaformat.org 上的以及相关的开源演示）允许用户拖放标准音频文件，并在本地下载已编码的 .qoa 资产，无需运行终端命令。

如何打开和播放 QOA 文件

由于 QOA 是一种主要为运行时集成而构建的轻量级格式，传统的消费级媒体播放器可能需要插件或专用构建。

  • 专用 CLI 播放器（qoaplay）： 官方仓库编译生成 qoaplay，它使用本机音频子系统（Linux 上的 ALSA、macOS 上的 CoreAudio、Windows 上的 WASAPI）直接播放 .qoa 文件：
    ./qoaplay audio.qoa
  • 游戏框架与引擎：
    • Raylib: 通过 raudio 模块提供原生支持。
    • Godot Engine: 完全原生播放支持（Godot 4.3+）。
  • 媒体播放器和插件:
    • Qmmp: 具备原生 QOA 解码模块的高级多媒体播放器。
    • OpenCubicPlayer: 支持 QOA 流的经典跟踪器和音频文件播放器。
    • Audacious / foobar2000: 通过开源社区输入插件提供支持。
  • IDE 与开发者工具:
    • VS Code: QOA Preview 扩展允许开发者直接在源码树中预览和播放 .qoa 音频片段。

常见问题解答（FAQ）

QOA 代表什么？

QOA 代表 Quite OK Audio，是一种快速、简洁、开源的有损音频格式。

QOA 音频是无损还是有损的？

QOA 是一种 有损 音频压缩格式，但在大多数实际使用场景中仍能保持近乎透明的音质。

QOA 提供了多少压缩率？

QOA 以恒定的 $5:1$ 比率压缩 16 位未压缩音频（精确为每样本 $3.2\text{ bits per sample}$）。

QOA 能否取代 MP3 或 AAC 用于一般音乐流媒体？

不，QOA 更注重超快速、轻量级的解码，而非最大化带宽节省，这使其更适合游戏、微控制器和低延迟应用，而非高密度网络流媒体。

QOA 是否有许可或专利费用？

不，QOA 完全无专利，采用宽松的 MIT 许可证 发布，其规范和标志属于公共领域（CC0）。

参考链接与官方资源