Audio de HyperFrames
Una mezcla es un conjunto de relaciones, no una pila de procesadores. Dos pistas que cada una suena 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 más lo necesita. Cada herramienta aquí existe para expresar una de esas relaciones.
Los efectos viven en el elemento como data-fx-chain, y la previsualización y el renderizado usan 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 implementación de cada efecto,
así que lo que escuchas mientras haces scrub es lo que se escribe. Nunca ajustas dos veces.
Tres atributos lo llevan todo, todos en el propio elemento de audio/video:
| Atributo | Contiene |
|---|---|
data-fx-chain | los efectos, en orden de señal |
data-automation | envolventes en el volumen de esta pista o sus parámetros de efecto |
data-fx-carve | la configuración del tallado, para que pueda ser re-derivada |
El 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 averiguar qué está mal en un archivo que no puedes escuchar:
references/diagnosis.md.
Presets, trabajos nombrados y perfiles de un solo knob, además de una tabla de síntoma a solución:
references/presets.md — léelo antes de construir una cadena manualmente, porque uno
de los presets o trabajos nombrados generalmente ya nombra el problema.
Cómo encaja todo
Dos superficies de autoría escriben esos atributos; dos tiempos de ejecución los leen a través de los mismos constructores. Esa parte intermedia compartida es por lo que la previsualización predice el render.
flowchart TB
voice["pista de voz<br/>archivo de medios"]
bed["base musical<br/>archivo de medios"]
subgraph AUTHOR["Autoría — las únicas cosas que escriben atributos"]
panel["Estudio<br/>Control de tallado de locución"]
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 de la base musical"]
carveAttr["data-fx-carve<br/>fuente · fuerza · dinámico"]
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["Previsualización<br/>AudioContext en vivo<br/>attachElementFxChain"]
sched --> preview
build --> render["Render<br/>OfflineAudioContext en el navegador headless<br/>applyAudioFxChain"]
sched --> render
preview --> heard["lo que escuchas mientras haces scrub"]
render --> wav["WAV procesado<br/>+ chainTailSeconds para que la mezcla permita que la cola pase"]
wav --> mix["motor · audioMixer<br/>el carril de volumen se hornea en el PCM aquí, no en el gráfico"]
mix --> out["la mezcla renderizada"]
edit["editar el atributo durante la reproducción"] -.->|MutationObserver| preview
La configuración del tallado 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 un
tallado existente en lugar de adivinarse a partir de los filtros.
Dentro de una base musical tallada, la señal pasa primero por los cortes, luego por el ajuste de nivel, y luego por cualquier cosa que hayas construido tú mismo — por eso un limitador que añadas sigue actuando como el techo final:
flowchart LR
src["base musical decodificada"] --> p1["peaking<br/>400 Hz"]
p1 --> p2["peaking<br/>1 kHz"]
p2 --> p3["peaking<br/>1.6 kHz"]
p3 --> g["gain<br/>ajuste 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<br/>la voz en esa banda"| p1
l4["carril fx.n4.gain"] -.->|"cuánto se reduce<br/>la base musical en general"| g
Un tallado estático es el mismo gráfico con valores fijos y sin carriles.
Primero, averigua qué está mal
La tabla a continuación comienza con "suena retumbante" — lo que presupone que alguien ya escuchó y lo dijo. Si te dan un archivo y "arréglalo", no tienes esa frase y no puedes escuchar, así 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 85–255 Hz, y las oraciones decaen 5–6 dB al terminar. Cada uno de estos se lee como un defecto por sí mismo, y cada uno de ellos es el hablante.
Así que compara, y compara contra algo dentro del mismo archivo: el original limpio si existe, de lo contrario las pausas — lo que sea audible en un silencio es aditivo, y el espectro del silencio es el canal en lugar de 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 erróneas en la evaluación detrás de esta guía provinieron exactamente de eso.
Cuando no hay original ni silencio utilizable, un defecto tonal estático está genuinamente subdeterminado. Dilo y ofrece las lecturas que encajan, en lugar de elegir una y construir una cadena sobre ella.
Comandos, trampas y recetas probadas: references/diagnosis.md. Léelo
antes de diagnosticar un archivo que nadie ha descrito.
Empieza por el síntoma
Una vez que sepas 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 integrada:
| Suena como | Recurre a |
|---|---|
| Zumbido o golpeteo debajo | rumble-cut, o un highpass a 80 Hz |
| Retumbante, pectoral | Trabajo Domar Retumbo (200 Hz) |
| Apagado, detrás de cartón | Trabajo Reducir Turbidez (250 Hz) |
| Palabras difíciles de entender | Trabajo Añadir Claridad (3 kHz), o talla la base musical |
| Áspero y cansino | Trabajo Suavizar Aspereza (3.2 kHz) |
| Algunas palabras más fuertes que otras | Uniformidad en un compresor, o Uniformizar Niveles |
| Sonido de sala entre frases | room-gate |
| Voz y música compitiendo | Tallado de locución — no un EQ en ninguna |
| Seco, grabado en ninguna parte | room-tight o room-natural |
| Simplemente "amateur" | voice-clean, que son cuatro de los anteriores en orden |
Catálogo completo, lo que contiene cada preset, el vocabulario de bandas y lo que
está DELIBERADAMENTE NO CUBIERTO (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 configurado antes de un high-pass pasa 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: una base musical y una voz
ambas quieren 1–3 kHz, y quitar eso de la base musical le cuesta mucho menos que bajar
todo el volumen a la mezcla. Un high-pass en una voz es la solución estándar para el
retumbo; un low-pass oscurece o amortigua deliberadamente.
Dinámicas (gain, compressor, limiter, gate) deciden cómo se comporta
el nivel de una pista a lo largo del tiempo. La compresión reduce la distancia entre
alto y bajo para que las partes bajas puedan subir. Un limitador es un techo — no
moldea nada, garantiza que nada pase. Una puerta elimina lo que está por debajo de un
umbral, que es cómo silencias el sonido 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
moverse para dejar espacio.
No lineales (saturate, bitcrush) cambian la forma de la onda, lo que añade
armónicos que no estaban allí. Recurre a ella cuando una pista necesita carácter o
agresividad en lugar de corrección — y recuerda que es generativa: hace que una fuente
delgada sea más densa, no más limpia.
Temporales (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 la cosa que debe
estar detrás de otra cosa, y mantén la cantidad de efecto húmedo más baja de lo que
suena bien en aislamiento.
La cadena es serial: cada efecto procesa lo que el anterior produjo. Así que aplicar filtros correctivos va temprano, el carácter en el medio, y un limitador al final donde puede actuar realmente como un techo.
Tallado de locución
El problema que resuelve. Una base musical debajo de una voz hace que la voz sea difícil de seguir. El reflejo es bajar toda la base musical, lo que funciona pero le cuesta toda su presencia — la música se vuelve débil durante toda la locución. Pero la voz no necesita todo el espectro. Necesita las pocas bandas que realmente ocupa. El tallado toma solo esas, y la base musical conserva sus graves y agudos, por lo que sigue siendo música mientras la voz sigue siendo inteligible.
Es una relación, no un efecto. Los ajustes viven en la base musical — la pista que se procesa — y nombran las voces a las que escuchar, exactamente como lo hace un compresor de sidechain: seleccionas la pista que se vuelve más baja y eliges qué la hace más baja. Nunca pongas un tallado en una pista de voz. Una voz tallada contra sí misma es un error, no una elección de mezcla sutil.
Cada voz, no una de ellas. sources es una lista, porque una base musical generalmente se
reproduce bajo una secuencia completa — un narrador, una respuesta de entrevista, un segundo
presentador. Se suman en el propio reloj de la base musical antes de que se mida nada (mixCarveSources),
así que un análisis cubre todas: las bandas provienen de todo el discurso que hay, y las
envolventes suben dondequiera que esté sucediendo. Las voces que nunca se reproducen mientras la
base musical lo hace se quedan fuera; no pueden enmascararla.
Un knob. strength es 0..1 y lo deriva todo: qué tan profundo cortar, cuántas
bandas, qué tan anchas, hasta dónde favorecer la inteligibilidad sobre la energía vocal bruta,
cuánto puede caer el nivel, qué tan por debajo de la voz apuntar. Esos seis se mueven
juntos en cualquier mezcla real — un tallado suave es un corte superficial en pocas bandas
con poca reducción, uno fuerte es más profundo en más bandas con más — así que son una
relación escrita una vez, en carveProfile. El valor predeterminado es 0.25 — un corte de 6 dB en
tres bandas con 6 dB de margen de nivel, audible sin sonar a un agujero. A
0.5 el corte alcanza 10 dB, que es donde un tallado comienza a escucharse como un efecto
en lugar de como espacio para la voz; por encima de eso es territorio deliberado para
una base musical fuerte bajo una voz suave. 0 es solo espectral — una banda, sin ajuste de nivel.
Tallado por defecto. Una base musical reproducida bajo narración quiere un tallado; no es un paso de pulido al que llegar si hay tiempo. Coloca ambas pistas, ejecuta el comando a continuación, escucha. Omítelo solo cuando no haya narración para que la música esté debajo — un video musical, una tarjeta de título, un montaje cortado con la pista.
Sigue siempre a la voz. No hay modo estático: una profundidad fija adelgaza la base musical en cada pausa, y una vez que has escuchado ambas no hay razón para quererlo. Cada valor se convierte en una envolvente del propio nivel del habla — el silencio deja sola a la base musical, un pasaje fuerte empuja el tallado a plena profundidad — escrita como automatización ordinaria, por eso los carriles aparecen en la línea de tiempo y se pueden editar después.
El ajuste de nivel es parte de ello. El tallado espectral no puede arreglar una base musical que
simplemente es más fuerte que la voz. Así que el tallado también mide qué tan por encima de la voz
está la base musical y escribe una etapa de gain: mantenido en un valor para un tallado estático,
impulsado por una envolvente para uno dinámico. Esa envolvente se libera lentamente a
propósito — la música que vuelve a todo volumen en el instante en que termina una palabra suena a
máquina.
Ejecutarlo. En el Estudio, el tallado es un módulo en la parte superior del rack de efectos de una pista — voz, fuerza, dinámico y el análisis que produjo, en una tarjeta. Está allí siempre que otra pista podría ser la voz, y una base musical con exactamente un candidato encima es tallada por defecto, dinámicamente, con la fuerza predeterminada: eso es lo que una base musical bajo narración quiere, y el módulo es donde puedes cambiarlo o desactivarlo. Varios candidatos dejan al selector esperando en lugar de adivinar. Sin cabeza (headless) — que es la ruta cuando estás creando una composición en lugar de editando una:
node <SKILL_DIR>/scripts/carve.mjs --comp index.html
Ese es el comando completo. Encuentra la voz y la base musical, talla dinámicamente con la fuerza predeterminada e imprime lo que decidió:
bed music-bed (name looks like music)
voice narration (only track left)
carve strength 0.25 dynamic
bands 400Hz -6dB q1.4, 1000Hz -3dB q1.4, 1600Hz -3.17dB q1.4
level 216-point envelope, floor -6 dB
Nombra las pistas con --bed / --voice (repetible) cuando la elección automática sea
incorrecta, --strength para empujarlo, --dry-run para ver ese informe y no escribir nada.
Cómo elige las pistas. Nombres primero, porque eso es lo que ya le dijiste
y la respuesta es explicable — classifyAudioName en core, el mismo clasificador que usa el selector
del Estudio, así que no pueden estar en desacuerdo. Una pista cuyo id o nombre de archivo se
parece a música (music, bgm, bed, score…) es la base musical; todo lo demás que se
reproduce sobre ella y no tiene forma de SFX es una voz. Se prefieren los elementos de audio: el video
cuenta solo cuando no queda pista de audio para ser la voz, o cada clip de B-roll en la
composición se leería como alguien hablando. Se niega cuando puede …
[truncado para la traducción]