Modificador de voz: tom, robô e efeitos de eco

Todos os efeitos desta página rodam offline no navegador e são salvos como arquivos WAV padrão de 16 bits. O processamento é determinístico: a mesma entrada com as mesmas configurações sempre produz a mesma saída, e um trecho típico é renderizado em um ou dois segundos. Os efeitos de tom preservam a duração. Aumentar ou diminuir o tom NÃO muda o tamanho do trecho: uma gravação de cinco segundos continua com cinco segundos mesmo uma oitava acima ou abaixo. O processamento de tom e velocidade usa o Signalsmith Stretch, um mecanismo aberto de qualidade de estúdio para alongamento temporal e mudança de tom, compilado em WebAssembly e executado inteiramente offline no navegador. Ele analisa o espectro de blocos sobrepostos e reconstrói o áudio no novo tom e andamento, mantendo vozes naturais e transientes definidos mesmo em alterações grandes. Se o WASM não carregar por um navegador antigo ou por uma política que bloqueie WebAssembly, a ferramenta passa automaticamente ao WSOLA integrado, um modificador no domínio do tempo cujo nome significa sobreposição e soma por similaridade de forma de onda. O áudio é dividido em grãos sobrepostos de cerca de 90 milissegundos, os espaços entre eles são ajustados e, em cada junção, o próximo grão é movido até 10 milissegundos para cada lado até encontrar o melhor encaixe com a onda anterior. Uma reamostragem final devolve a duração exatamente ao valor original. Nos dois casos, cada frequência se move pelo fator indicado: 2 elevado a (mudança em semitons dividida por 12). Após o processamento, o painel informa o mecanismo usado: Signalsmith (qualidade de estúdio) ou WSOLA (alternativo). A velocidade é um controle separado e independente. Escolher 0.5× ou 2× usa o mesmo mecanismo como alongador temporal puro, deixando o trecho mais longo ou curto sem mudar o tom. Você pode combinar os dois: uma voz de esquilo em +5 semitons a 1.5× exige uma única passagem. Para o som à moda antiga, o Modo fita ativa a reamostragem clássica pela taxa de reprodução, vinculando tom e velocidade como ao acelerar uma fita ou tocar um disco na rotação errada. Assim, +12 semitons toca ao dobro da velocidade e dura metade do tempo. O indicador mostra o fator de duração para evitar surpresas. O efeito robô usa modulação em anel: sua voz é multiplicada por uma senoide de 30 Hz, substituindo harmônicos naturais por frequências de soma e diferença, a mesma técnica das vozes Dalek dos anos 1960. O eco passa o sinal por um atraso de 250 milissegundos com 45 por cento de realimentação e acrescenta um segundo e meio de cauda para as últimas repetições terminarem. Os usos vão além de brincadeiras: podcasters anonimizam entrevistados com alguns semitons sem perder o ritmo natural, desenvolvedores geram vozes de criaturas em lote, professores demonstram a relação entre tom e andamento e produtores usam o modo fita para criar textura lo-fi. Como o processamento granular exige muita CPU, a entrada é limitada a 10 minutos. Tudo roda localmente, então gravações sensíveis nunca chegam a um servidor.