Chismes del Lince 60: filtros de sonido

Al caer la tarde, Sierra Bermeja huele a jara y a piedra caliente. En lo alto de un risco, el Lince de la Noche ensaya delante del móvil.

—Yo soy… el Lince de la Noche —dice con voz grave, de héroe.

Y en la última palabra se le escapa un gallo. Un chillido agudo que rebota por todo el valle. Un buitre leonado se da la vuelta, ofendido.

—Otra vez —murmura el Lince—. Hace falta una voz imponente. La grabaré en el fondo de la cueva, con eco. Y contrataré un coro de grillos.

La Gata Montesa, que lleva un rato sentada en una roca con las orejas hacia atrás, suspira.

—Lince, tu voz ya está dentro del móvil. Es una lista de números. Y los números se pueden cambiar.

—¿Cambiar mi voz?

—Quitarle los agudos del gallo. Ponerle graves. O volverla tan rara que nadie sepa que eres tú. Eso se llama aplicar filtros de sonido.

El Lince parpadea.

—¿Y cómo funciona un filtro?

—Esa es la pregunta buena. Vamos a construir un taller para verlo, oírlo… y leer el programa que lo hace.

Introducción: filtros de sonido que se ven y se leen

En este chisme construimos un taller de filtros de sonido que funciona en el navegador. Eliges un sonido, eliges un filtro y lo oyes antes y después.

Lo importante: a la vez ves la forma de onda, el espectro de frecuencias y el programa real que ha calculado el resultado. Nada es una caja negra.

Hay filtros serios (paso bajo, paso alto, teléfono, volumen, eco) y filtros divertidos (voz de ardilla, voz de gigante, robot, al revés, reducir calidad).

El sonido de partida puede ser la voz del Lince diciendo «yo soy el Lince de la Noche», un sonido sintético, un archivo tuyo o una grabación de hasta 5 segundos con el micrófono.

Todo ocurre en tu dispositivo. Ningún sonido se sube a ningún servidor.

Cómo se guarda un sonido: muestras, kHz, bits y canales

Antes de filtrar nada, hay que saber qué estamos filtrando. En el Entrenador de voz el móvil ya escuchaba tu voz. Ahora miramos qué hay dentro.

El sonido es una vibración continua del aire. Un ordenador no puede guardar algo continuo, así que lo mide muchas veces por segundo. Cada medida es un número, una muestra.

Tres decisiones describen un sonido digital:

• Frecuencia de muestreo (kHz). Cuántas medidas por segundo. 44,1 kHz son 44 100 muestras cada segundo.
• Profundidad de bits. Con cuántos bits se guarda cada muestra. Con 16 bits hay 65 536 niveles posibles; con 4 bits, solo 16.
• Canales. Mono es una lista de muestras; estéreo son dos listas, izquierda y derecha.

La Gata lo resume con una cuenta que el taller hace por ti:

tamaño (bytes) = fs × bytes por muestra × canales × segundos + 44

Ejemplo: 5 segundos, 44,1 kHz, 16 bits (2 bytes) y estéreo son 44 100 × 2 × 2 × 5 + 44 = 882 044 bytes, casi 0,9 MB para cinco segundos.

¿Y por qué 44,1 kHz? Porque con fs medidas por segundo solo se pueden guardar sonidos de hasta fs/2. Es el límite de Nyquist. El oído humano llega hacia los 20 kHz, y 44,1/2 = 22,05 kHz.

El taller de filtros de sonido

La herramienta es una página web que hemos preparado para ti. No hay que instalar nada ni escribir código. Funciona en el ordenador y en el móvil.

Puedes usarla aquí mismo:

<iframe src="https://montesteam.org/app/chisme60-sonido.html"
  width="100%" height="1500" style="border:0"
  allow="microphone" loading="lazy"
  title="Taller de filtros de sonido del Lince"></iframe>

Si el micrófono no funciona dentro de la entrada, abre la página del taller en una pestaña aparte. También puedes usar el botón Cargar audio… con una grabación hecha antes.

Tres pasos:

1. Elige un sonido. La voz del Lince, una vocal sintética, una melodía, un barrido de frecuencias, un tono de 440 Hz, tu grabación (máximo 5 s) o un archivo.
2. Elige un filtro y mueve sus deslizadores.
3. Escucha y mira. Pulsa Original y Filtrado. Observa la onda, el espectro y el código.

Debajo hay una lupa que muestra las muestras una a una y simula menos bits, y una calculadora del tamaño de un WAV. El sonido filtrado se descarga como WAV mono de 16 bits.

Aviso de privacidad. El sonido se procesa en tu navegador y no sale del dispositivo. El micrófono solo se abre al pulsar Grabar y el navegador te pide permiso.

Los filtros: qué hace cada uno

Un filtro es un programa que recibe una lista de muestras y devuelve otra. Cada filtro nace de una necesidad del Lince.

Filtros serios

• Paso bajo. Deja pasar los graves y apaga los agudos por encima de una frecuencia de corte. Es el que quita el chillido del gallo. En el espectro, la curva cae a partir del corte.
• Paso alto. Lo contrario: quita los graves (el rumor del viento en el micrófono) y deja los agudos.
• Teléfono. Un paso alto en 300 Hz y un paso bajo en 3400 Hz, que era lo que transmitía un teléfono antiguo. Por eso suena «metálico».
• Volumen. Multiplica cada muestra por un número. Se mide en decibelios (dB). Si te pasas, la onda se corta en ±1 y aparece la saturación.
• Eco. Suma al sonido una copia suya retrasada y más débil. Retardo y fuerza son los dos parámetros.

Paso bajo, paso alto y teléfono usan el mismo ingrediente, un filtro biquad: cada muestra de salida se calcula con las dos anteriores de entrada y de salida. Con unas pocas multiplicaciones por muestra se consigue un filtro entero.

Filtros divertidos

• Ardilla / gigante. Lee las muestras más rápido (voz aguda) o más despacio (voz grave). Aquí cambia también la duración, como en un disco que gira mal.
• Robot. Multiplica la voz por una onda de baja frecuencia (modulación en anillo). Aparecen frecuencias nuevas que no estaban en la voz.
• Al revés. Lee la lista de muestras de atrás hacia delante.
• Reducir calidad. Baja los bits y los kHz. Con pocos bits aparece ruido (cuantización); con pocos kHz desaparecen los agudos y otros «rebotan» (aliasing).

Para anonimizar la voz del Lince, la Gata prueba ardilla/gigante y robot. Para que suene imponente: gigante y un poco de eco.

El botón Usar el resultado como nuevo original permite encadenar filtros: primero gigante, después eco, después teléfono.

Qué estamos midiendo realmente

Un sonido digital no es el sonido original. Es una aproximación con dos redondeos: uno en el tiempo y otro en la altura de cada muestra.

Cuantización. Con b bits hay 2^b niveles. Cada muestra se redondea al nivel más cercano. El error es un ruido áspero que se oye mucho con 3 o 4 bits. La lupa del taller lo dibuja como escalones.

Nyquist y aliasing. Con una frecuencia de muestreo fs solo caben sonidos de hasta fs/2. Lo que sube más no desaparece: se pliega y se oye como un sonido más grave que nunca estuvo ahí. Es el aliasing. Prueba el barrido a 2 kHz de muestreo.

Saturación. Una muestra no puede pasar de ±1. Si subes demasiado el volumen, la onda se corta y suena distorsionada. Lo que se corta ya no se puede recuperar.

Cambiar el tono cambia la duración. Leer más rápido sube el tono, pero el sonido dura menos. Los programas de verdad usan técnicas más complejas para cambiar uno sin tocar la otra.

El espectro no es una verdad absoluta. Se calcula con una transformada de Fourier (FFT) sobre ventanas cortas y se promedia. Un tamaño de ventana distinto da una gráfica algo distinta.

La idea de fondo, como siempre en MonteSteam: medir no significa medir bien. Un micrófono de móvil tiene su propia respuesta y sus propios filtros. Dos móviles grabando la misma voz darán espectros diferentes.

Para ver una señal eléctrica en el tiempo, el osciloscopio del Lince usaba la misma idea de muestrear. Y en el theremin la frecuencia era el tono que oías.

Para el aula

• Variable y unidad. ¿Qué estamos midiendo en el eje vertical de la onda? ¿Y en el horizontal del espectro? ¿Por qué los dB y no un número simple?
• Diseña una prueba. Graba tu nombre tres veces y aplica el mismo filtro. ¿Se ve lo mismo en el espectro? ¿Cuánto cambia de una grabación a otra?
• Dos dispositivos. Grabad la misma frase con dos móviles y comparad los espectros. ¿Qué diferencias hay? ¿Por qué?
• Hipótesis. ¿Crees que un filtro paso bajo a 1000 Hz hará ininteligible una frase? Predice y comprueba.
• Cuenta bits. Con la calculadora, ¿cuánto pesa un minuto de música en 44,1 kHz, 16 bits y estéreo? ¿Y en 8 kHz y 8 bits mono? ¿En qué se nota?
• Aliasing en vivo. Con el barrido y 2 kHz de muestreo, apunta qué se oye cuando la frecuencia sube. Compara con la teoría de Nyquist.
• Privacidad. Con ardilla y robot, ¿se reconoce la voz? ¿Qué información queda aún en el sonido (ritmo, acento, palabras)?
• Lee el código. En cada filtro, ¿qué línea hace el cambio? Cambia un número y predice qué pasará.

Retos

1. Reto 1. Haz que funcione. Carga la voz del Lince y aplica los nueve filtros uno a uno.
2. Reto 2. Modifica algo. Con ardilla/gigante, busca el valor con el que la voz sigue entendiéndose pero ya no se reconoce.
3. Reto 3. Encadena. Usa Usar el resultado como nuevo original para fabricar una voz de villano: gigante, eco y teléfono.
4. Reto 4. Guarda los datos. Descarga el WAV y ábrelo en otro programa. ¿Pesa lo que dice la calculadora?
5. Reto 5. Representa los datos. Anota el tamaño de un sonido a 8, 16, 22,05 y 44,1 kHz y dibuja una gráfica.
6. Reto 6. Automatiza. Escribe en Python un script que lea un WAV y le aplique un paso bajo.
7. Reto 7. Otro dispositivo. Graba la misma frase con dos móviles distintos y compara.
8. Reto 8. Pequeña investigación. ¿Cuántos bits y kHz son los mínimos para que una frase siga siendo inteligible? Diseña el experimento con voluntarios y anota resultados.

Qué hemos aprendido

Un sonido digital es una lista de números: fs muestras por segundo, con unos bits cada una y en uno o dos canales. Con esa lista, un filtro de sonido es solo un programa que calcula otra lista.

El paso bajo apaga agudos, el eco suma una copia retrasada y la ardilla lee más rápido. Nada de eso es magia.

También hemos visto los límites: pocos bits dan ruido, pocos kHz dan aliasing, mucho volumen satura y cambiar el tono con este método cambia la duración.

El Lince, por cierto, sigue sin controlar su gallo. Pero ahora sabe cómo apagarlo con un paso bajo.

Para seguir investigando

• El entrenador de voz: el móvil escucha tu voz.
• El osciloscopio del Lince: muestrear una señal eléctrica.
• El theremin de Psique de Plata: la frecuencia como tono.
• Documentación oficial de la Web Audio API en MDN, que usa el taller para reproducir y decodificar audio.