Cambiador de voz: tono, robot y efectos de eco

Todos los efectos de esta página se ejecutan sin conexión en el navegador y se guardan en un archivo WAV estándar de 16 bits. El procesamiento es determinista: la misma entrada con los mismos ajustes siempre produce la misma salida, y un clip típico se renderiza en uno o dos segundos. Los efectos de tono conservan la duración. Subir o bajar el tono NO cambia cuánto dura el clip: una grabación de cinco segundos sigue durando cinco segundos aunque la subas o bajes una octava. El procesamiento de tono y velocidad utiliza Signalsmith Stretch, un motor abierto de calidad de estudio para estiramiento temporal y cambio de tono, compilado a WebAssembly y ejecutado totalmente sin conexión en el navegador. Analiza el espectro de bloques superpuestos y reconstruye el audio con el nuevo tono y tempo, manteniendo voces naturales y transitorios definidos incluso con cambios grandes. Si WASM no puede cargarse por un navegador antiguo o una política que bloquee WebAssembly, se recurre automáticamente al cambiador temporal WSOLA integrado, siglas de superposición y suma por similitud de forma de onda. El audio se divide en granos superpuestos de unos 90 milisegundos, se ajusta su separación temporal y, en cada unión, el siguiente grano se desplaza hasta 10 milisegundos en ambos sentidos para encontrar la mejor coincidencia con la onda anterior. Un remuestreo final devuelve la duración exactamente a su valor original. En ambos casos, cada frecuencia se mueve según el factor mostrado: 2 elevado a (cambio en semitonos dividido por 12). Tras procesar, el panel indica el motor usado: Signalsmith (calidad de estudio) o WSOLA (alternativo). La velocidad es un control separado e independiente. Elegir 0.5× o 2× ejecuta el mismo motor como estirador temporal puro: el clip se alarga o acorta sin cambiar el tono. Puedes combinar ambos ajustes: una voz de ardilla a +5 semitonos y velocidad 1.5× requiere una sola pasada. Si prefieres el sonido clásico, el Modo cinta activa el remuestreo por velocidad de reproducción, que vincula tono y velocidad como al acelerar una cinta o reproducir un disco a otras RPM. Así, +12 semitonos se reproduce al doble de velocidad y dura la mitad; el indicador muestra el factor de duración para evitar sorpresas. El efecto robot usa modulación en anillo: multiplica tu voz por una onda sinusoidal de 30 Hz y sustituye los armónicos naturales por frecuencias suma y diferencia, la misma técnica de las voces Dalek de los años 1960. El eco pasa la señal por un retardo de 250 milisegundos con un 45 por ciento de realimentación y añade un segundo y medio de cola para que las últimas repeticiones terminen. Sus usos van más allá de las bromas: creadores de pódcast anonimizan voces con unos semitonos sin alterar el ritmo natural, desarrolladores generan voces de criaturas en lote, docentes muestran la relación entre tono y tempo y productores usan el modo cinta para dar textura lo-fi. Como el procesamiento granular exige mucha CPU, la entrada se limita a 10 minutos. Todo es local, de modo que las grabaciones sensibles nunca llegan a un servidor.