HyperFrames Audio
Una mezcla es un conjunto de relaciones, no una pila de procesadores. Dos pistas que cada una suenan bien por separado pueden ser insoportables juntas, y la solución casi nunca es "bajar una" — es encontrar por qué están peleando y dárselo a la que lo necesita. Cada herramienta aquí existe para expresar una de esas relaciones.
Los efectos viven en el elemento como data-fx-chain, y la vista previa y el renderizado ejecutan el mismo gráfico de Audio Web — el estudio en un contexto en vivo, el motor en uno offline dentro del navegador que ya maneja. Hay una sola implementación de cada efecto, por lo que lo que se escucha mientras se recorre es lo que se escribe. Nunca se ajusta dos veces.
El tiempo de los clips sigue siendo /hyperframes-core: los recortes de audio/video y los rangos de origen usan data-start, data-duration y data-media-start, y los crossfades superponen clips en pistas diferentes. Esta habilidad posee: fundido de entrada/salida de pista colocada, envolventes de crossfade, ganancia de pista/volumen de pista, automatización de volumen y efectos, ducker/talla de voz, y la cadena de efectos. /media-use es responsable de la búsqueda, generación y preprocesamiento.
La constante data-playback-rate (0.1..10) es segura para el renderizado de imagen y sonido con preservación de tono cuando elementos de audio/video coincidentes usan el mismo tiempo, desplazamiento de origen y velocidad. Una rampa de velocidad es un carril rate en data-automation (ver docs/reference/speed-ramps); prevalece sobre la constante y mantiene el tono en vista previa y renderizado. HyperFrames no proporciona sincronización automática de forma de onda ni corrección de deriva.
Para recetas copiables de corte/crossfade/re-temporalización, usa /hyperframes-core → references/creator-editing-recipes.md.
Tres atributos lo contienen todo, en el propio elemento de audio/video — o, para los dos primeros, en un bus <hf-audio-group> (ver "Un bus para muchas pistas"):
| Atributo | Contiene |
|---|---|
data-fx-chain | los efectos, en orden de señal |
data-automation | envolventes en el volumen de esta pista o en sus parámetros de efecto |
data-fx-carve | la configuración propia de la talla, para que pueda ser re-derivada |
Las familias de efectos incluidas son: ganancia, EQ (pasa altos, pasa bajos, pico, estanterías), compresor, limitador, puerta, saturación, delay, reverb, coro, phaser y bitcrush.
JSON exacto para cada uno, y las reglas que debe cumplir un carril: references/attributes.md.
Cada efecto con sus parámetros, rangos y unidades: references/fx-registry.md.
Cómo determinar qué está mal en un archivo que no puedes escuchar:
references/diagnosis.md.
Presets, trabajos nombrados y perfiles de un solo botón, más una tabla de síntoma a solución:
references/presets.md — léelo antes de construir una cadena manualmente, porque uno de los presets o trabajos nombrados normalmente ya nombra el problema.
Cómo encaja
Dos superficies de autoría escriben esos atributos; dos tiempos de ejecución los leen a través de los mismos constructores. Ese punto medio compartido es por lo que la vista previa predice el renderizado.
flowchart TB
voice["pista de voz<br/>archivo multimedia"]
bed["lecho musical<br/>archivo multimedia"]
subgraph AUTHOR["Autoría — las únicas cosas que escriben atributos"]
panel["Estudio<br/>Control de talla de voz"]
script["scripts/carve.mjs<br/>detecta el par, dinámico por defecto"]
analysis["core/audioCarve.ts<br/>carveProfile · analyseCarveBands<br/>analyseCarveDuck · analyseCarveDynamics"]
panel --> analysis
script --> analysis
end
voice --> analysis
bed --> analysis
subgraph ATTRS["Escrito en el elemento del lecho"]
carveAttr["data-fx-carve<br/>source · strength · dynamic"]
chainAttr["data-fx-chain<br/>peaking xN + gain, etiquetado fromCarve"]
autoAttr["data-automation<br/>un carril por parámetro tallado"]
end
analysis --> carveAttr
analysis --> chainAttr
analysis --> autoAttr
subgraph SHARED["Una implementación, leída por ambos"]
build["audioFxGraph.ts · buildFxChain"]
sched["audioFxAutomation.ts · scheduleChainAutomation"]
end
chainAttr --> build
autoAttr --> sched
build --> preview["Vista previa<br/>AudioContext en vivo<br/>attachElementFxChain"]
sched --> preview
build --> render["Renderizado<br/>OfflineAudioContext en el navegador sin cabeza<br/>applyAudioFxChain"]
sched --> render
preview --> heard["lo que escuchas mientras recorres"]
render --> wav["WAV procesado<br/>+ chainTailSeconds para que la mezcla deje pasar la cola"]
wav --> mix["motor · audioMixer<br/>carril de volumen horneado en el PCM aquí, no en el gráfico"]
mix --> out["la mezcla renderizada"]
edit["editando el atributo durante la reproducción"] -.->|MutationObserver| preview
La configuración propia de la talla nunca se lee durante la reproducción — la cadena y los carriles que produjo son lo que se reproduce. data-fx-carve existe para que la fuerza se pueda cambiar en una talla existente en lugar de adivinarla a partir de los filtros.
Dentro de un lecho tallado, la señal pasa primero por los hundimientos, luego por la coincidencia de nivel, luego por lo que hayas construido tú mismo — por lo que un limitador que añadas sigue actuando como el último techo:
flowchart LR
src["lecho decodificado"] --> p1["peaking<br/>400 Hz"]
p1 --> p2["peaking<br/>1 kHz"]
p2 --> p3["peaking<br/>1.6 kHz"]
p3 --> g["gain<br/>coincidencia de nivel"]
g --> hand["tus propios efectos<br/>ej. limitador"]
hand --> dest["ganancia de pista, luego salida"]
l1["carril fx.n1.gain"] -.->|"envolvente del nivel de la voz<br/>en esa banda"| p1
l4["carril fx.n4.gain"] -.->|"cuánto se hunde el lecho<br/>en general"| g
Una talla estática es el mismo gráfico con valores fijos y sin carriles.
Primero, determina qué está mal
La tabla a continuación comienza con "suena retumbante" — lo que presupone que alguien ya escuchó y lo dijo. Cuando te dan un archivo y "arréglalo", no tienes esa frase y no puedes escuchar, por lo que tienes que medir. Una regla lo gobierna todo:
El espectro absoluto de una sola voz desconocida no se puede diagnosticar. Los formantes son ±10 dB, los fundamentales van de 85 a 255 Hz, y las oraciones disminuyen 5–6 dB al terminar. Cada una de esas lecturas parece un defecto por sí sola, y todas son del hablante.
Así que compara, y compara contra algo dentro del mismo archivo: el original limpio si existe, si no, las pausas — cualquier cosa que sea audible en un espacio es aditiva, y el espectro del espacio es el canal, no la voz. Comparar contra un espectro promedio publicado o una voz de control sintetizada no funciona: dos hablantes difieren más que la mayoría de los defectos, y ambas respuestas incorrectas en la evaluación detrás de esta guía provinieron exactamente de eso.
Cuando no hay original ni silencio utilizable, un defecto tonal estático es genuinamente subdeterminado. Dilo y ofrece las lecturas que encajan, en lugar de elegir una y construir una cadena basada en ella.
Comandos, trampas y recetas prácticas: references/diagnosis.md. Léelo antes de diagnosticar un archivo que nadie ha descrito.
Empieza por el síntoma
Una vez que conoces la banda y el tipo, nombra qué está mal con el audio. La mayoría del audio malo es uno o dos de estos, y cada uno tiene una respuesta incluida:
| Suena como | Recurre a |
|---|---|
| Zumbido o golpeteo debajo | rumble-cut, o un highpass a 80 Hz |
| Retumbante, pectoral | Trabajo Domesticar Retumbo (200 Hz) |
| Apagado, detrás de cartón | Trabajo Reducir Barro (250 Hz) |
| Palabras difíciles de distinguir | Trabajo Añadir Claridad (3 kHz), o talla el lecho |
| Duro y cansino | Trabajo Suavizar Aspereza (3.2 kHz) |
| Algunas palabras mucho más fuertes que otras | Uniformidad en un compresor, o Nivelar Niveles |
| Tono de sala entre oraciones | room-gate |
| Voz y música peleando | Talla de voz — no un EQ en ninguna de las dos |
| Seco, grabado en ningún sitio | room-tight o room-natural |
| Simplemente "amateur" | voice-clean, que es cuatro de los anteriores en orden |
Catálogo completo, qué contiene cada preset, el vocabulario de bandas, y qué se omite DELIBERADAMENTE (de-essing, eliminación de ruido, coincidencia de tono):
references/presets.md.
Resta antes de sumar, nivela después de filtrar, relaciones después del nivel, carácter y techo al final. Cada paso cambia lo que el siguiente escucha — un compresor ajustado antes de un pasa altos gasta su tiempo persiguiendo el retumbo.
Recurre a una familia por el problema, no por el nombre
Filtros (highpass, lowpass, peaking, lowshelf, highshelf) deciden qué frecuencias puede ocupar una pista. Esta es la primera herramienta para dos fuentes que chocan, porque los choques ocurren en bandas: un lecho y una voz quieren 1–3 kHz, y quitar eso del lecho le cuesta al lecho mucho menos que bajar todo el volumen a la mezcla. Un pasa altos en una voz es la solución estándar para el retumbo; un pasa bajos oscurece o apaga deliberadamente.
Dinámicas (gain, compressor, limiter, gate) deciden cómo se comporta el nivel de una pista con el tiempo. La compresión reduce la distancia entre lo fuerte y lo suave para que las partes suaves puedan subir. Un limitador es un techo — no da forma a nada, garantiza que nada pase. Una puerta elimina lo que está por debajo de un umbral, que es cómo silencias el tono de sala entre frases. gain es una etapa de nivel simple, y es lo que monta un carril de automatización cuando una pista tiene que apartarse.
No lineales (saturate, bitcrush) cambian la forma de la onda, lo que añade armónicos que no estaban ahí. Recurre a ellas cuando una pista necesita carácter o garra en lugar de corrección — y recuerda que son generativas: hacen una fuente fina más densa, no más limpia.
Tiempo (delay, reverb, chorus, phaser) ponen una pista en un espacio o le dan amplitud. Estos son los que más fácilmente arruinan una mezcla, porque una cola o una copia desafinada ocupa el mismo espacio que necesita una voz. Úsalos en lo que debería ir detrás de otra cosa, y mantén la cantidad húmeda más baja de lo que suena bien de forma aislada.
La cadena es serial: cada efecto procesa lo que produjo el anterior. Por lo tanto, el filtrado correctivo va temprano, el carácter en el medio, y un limitador al final donde realmente puede actuar como techo.
Talla de voz
El problema que resuelve. Un lecho musical debajo de una voz hace que la voz sea difícil de seguir. El reflejo es bajar todo el lecho, lo que funciona pero le cuesta al lecho toda su presencia — la música se vuelve débil durante toda la voz en off. Pero la voz no necesita todo el espectro. Necesita las pocas bandas que realmente ocupa. La talla toma solo esas, y el lecho conserva su extremo bajo y su parte superior, por lo que sigue siendo música mientras la voz sigue siendo inteligible.
Es una relación, no un efecto. La configuración vive en el lecho — la pista que se procesa — y nombra las voces a las que escuchar, exactamente como un compresor de cadena lateral: seleccionas la pista que se vuelve más silenciosa y eliges qué la hace más silenciosa. Nunca pongas una talla en una pista de voz. Una voz tallada contra sí misma es un error, no una sutil elección de mezcla.
Cada voz, no solo una. sources es una lista, porque un lecho normalmente corre debajo de una secuencia completa — un narrador, una respuesta de entrevista, un segundo presentador. Se suman en el reloj propio del lecho antes de que se mida nada (mixCarveSources), por lo que un análisis cubre todas: las bandas provienen de todo el discurso que hay, y las envolventes se elevan dondequiera que esté ocurriendo. Las voces que nunca se reproducen mientras el lecho está activo se omiten; no pueden enmascararlo.
Una talla contra más de un id de clip está mal. Agrupa los clips y talla contra el grupo. Esto es un invariante, no un consejo. Nombrar clips uno por uno tiene que ser exhaustivamente correcto y solo sigue siendo correcto hasta la próxima edición — un cuarto clip de narración añadido más tarde se reproduce fuera del conocimiento de la talla, y el lecho falla al no bajar silenciosamente debajo de él. Nombrar el grupo en su lugar resuelve la pertenencia en el momento del análisis, por lo que un clip añadido al grupo más tarde está cubierto sin tocar sources en absoluto:
<!-- agrupa la narración, luego talla el lecho contra el grupo -->
<audio id="vo-intro" data-audio-group="voiceover" …></audio>
<audio id="vo-middle" data-audio-group="voiceover" …></audio>
<audio id="vo-outro" data-audio-group="voiceover" …></audio>
<audio id="music" data-fx-carve='{"enabled":true,"sources":["voiceover"],"strength":0.8}' …></audio>
Una lista de sources que nombra dos o más ids de clip simples en lugar de un grupo es detectada por la regla de lint audio_carve_ungrouped_sources — todavía funciona, pero es la versión que se pudre silenciosamente cuando se añade un clip.
Mantén el grupo de talla como un grupo de voz: sin lecho, sin SFX, sin música. Un id de grupo en sources se resuelve a cada miembro actual en cada análisis, por lo que el grupo que nombras es el grupo que obtienes más tarde — no las pistas que se midieron cuando se escribió. Dos formas en que esto muerde:
- El lecho en su propio grupo fuente. Se entrega a sí mismo como voz y se talla contra su propio contenido — la regla de "nunca talles una pista contra sí misma" llega un re-análisis después.
- Un clip de SFX o música en el grupo de voz. Entra en la cadena lateral en el siguiente análisis y el lecho comienza a bajar bajo un "whoosh", aunque la ejecución que escribió el atributo nunca lo midió.
Ambos son invisibles en el momento en que se escribe la talla: el análisis suma las voces que detectó y nunca pasa por la resolución de grupo, por lo que la primera pasada es genuinamente correcta y solo la siguiente es incorrecta. Así que da a cada rol su propio grupo — music para el lecho, voiceover para la narración, sfx para los golpes — y mantén el grupo nombrado en sources que contenga solo voces.
carve.mjs se niega a escribir la forma de grupo cuando ve cualquiera de los casos, registra los ids de clip, y dice en stderr qué miembro lo bloqueó. La regla audio_carve_ungrouped_sources apunta entonces a la disposición en lugar de que el CLI persista silenciosamente una talla más amplia de lo que midió.
Una voz que esta ejecución omitió no es uno de estos casos y ... [truncado para la traducción]