Stimmenverzerrer: Tonhöhe, Roboter und Echo

Jeder Effekt auf dieser Seite läuft offline in deinem Browser und wird als standardmäßige 16-Bit-WAV-Datei ausgegeben. Die Verarbeitung ist deterministisch: Dieselbe Eingabe mit denselben Einstellungen liefert immer dieselbe Ausgabe. Ein typischer Clip ist in ein bis zwei Sekunden gerendert. Die Tonhöheneffekte erhalten die Dauer. Eine höhere oder tiefere Tonhöhe verändert die Cliplänge NICHT: Eine fünfsekündige Aufnahme bleibt fünf Sekunden lang, auch wenn du sie eine Oktave nach oben oder unten verschiebst. Intern verarbeitet Signalsmith Stretch Tonhöhe und Tempo. Die quelloffene Studio-Engine für Zeitdehnung und Tonhöhenänderung ist als WebAssembly kompiliert und läuft vollständig offline im Browser. Sie analysiert überlappende Audioblöcke spektral und rekonstruiert sie mit neuer Tonhöhe und neuem Tempo. Dadurch bleiben Stimmen auch bei größeren Änderungen natürlich und Transienten präzise. Kann die WASM-Engine wegen eines alten Browsers oder einer WebAssembly-Sperre nicht laden, wechselt das Tool automatisch zum integrierten Zeitbereichsverfahren WSOLA, kurz für Waveform-Similarity Overlap-Add. Das Audio wird in überlappende Körner von etwa 90 Millisekunden zerlegt, deren zeitlicher Abstand angepasst wird. An jeder Naht wird das nächste Korn um bis zu 10 Millisekunden vor- und zurückgeschoben, bis seine Wellenform möglichst gut an die vorherige anschließt. Ein abschließendes Resampling stellt die ursprüngliche Dauer exakt wieder her. In beiden Fällen verschiebt sich jede Frequenz um den angezeigten Faktor: 2 hoch (Halbtonverschiebung geteilt durch 12). Nach der Verarbeitung nennt das Ergebnisfeld die verwendete Engine: Signalsmith (Studioqualität) oder WSOLA (Ersatz). Das Tempo ist ein eigener, unabhängiger Regler. Bei 0.5× oder 2× arbeitet dieselbe Engine als reine Zeitdehnung: Der Clip wird länger oder kürzer, die Tonhöhe bleibt gleich. Beides lässt sich kombinieren: Eine Streifenhörnchenstimme mit +5 Halbtönen bei 1.5× Tempo benötigt nur einen Durchgang. Für den klassischen Klang schaltet der Bandmodus auf Wiedergaberaten-Resampling um. Tonhöhe und Tempo sind dann gekoppelt, genau wie beim Beschleunigen eines Tonbands oder beim Abspielen einer Schallplatte mit falscher Drehzahl. +12 Halbtöne bedeutet dann doppeltes Tempo und halbe Dauer. Die Anzeige zeigt den Dauerfaktor, damit es keine Überraschungen gibt. Der Robotereffekt nutzt Ringmodulation: Deine Stimme wird mit einer 30 Hz-Sinuswelle multipliziert. Statt natürlicher Obertöne entstehen Summen- und Differenzfrequenzen – dieselbe Technik wie bei den Dalek-Stimmen der 1960er-Jahre. Das Echo führt das Signal durch eine Verzögerung von 250 Millisekunden mit 45 Prozent Rückkopplung und fügt eineinhalb Sekunden Ausklang hinzu, damit die letzten Wiederholungen nicht abgeschnitten werden. Die Anwendungen gehen weit über Streiche hinaus: Podcaster anonymisieren Interviewstimmen mit wenigen Halbtönen bei natürlichem Sprechrhythmus, Spieleentwickler erzeugen Kreaturenstimmen in Serie, Lehrkräfte erklären Tonhöhe und Tempo, und Produzenten nutzen den Bandmodus für Lo-Fi-Texturen. Da Granularverarbeitung CPU-intensiv ist, sind Eingaben auf 10 Minuten begrenzt. Alles läuft lokal, sodass sensible Aufnahmen nie einen Server erreichen.