Cómo funcionan los filtros de voz en un juego de doblaje

Todos los cambiadores de voz que has usado funcionan igual por debajo: remuestrean. Reproduce la grabación más rápido y subes, más lento y bajas. Es una línea de código, es lo que hace un magnetófono y es la razón de que exista la voz de ardilla.

Es también lo único que un juego de doblaje no puede hacer, y entender por qué es casi todo lo que hace interesantes a los filtros de voz en este género.

La velocidad cambia el tono y la duración a la vez

En un doblaje tu toma no se reproduce sola. Se programa contra una imagen: un personaje abre la boca en el segundo 4,2 y para en el 6,1, y tu línea va en ese hueco. Nada la estira para que encaje y nada la recorta.

Así que en el momento en que cambias la velocidad de reproducción has cambiado cuánto dura la línea. Una ardilla a 1,9× termina a mitad de camino, con la boca del personaje todavía moviéndose. Un gigante a 0,55× sigue hablando segundos después de que la escena haya cortado. Las dos cosas son exactamente la desincronización que todas las demás partes de un juego de doblaje existen para evitar, y cuanto más gracioso es el filtro, más extrema es la velocidad y peor es la deriva.

Por eso un cambiador de voz hecho para el chat o el streaming suena mal la primera vez que alguien lo apunta a un doblaje. No hay nada roto. El chat no tiene una imagen con la que mantener la sincronía, así que nadie tuvo que resolver esto.

Los formantes, y por qué llevan más información que el tono

El arreglo es dejar de mover el tono del todo y mover las resonancias en su lugar. Tu tracto vocal es un tubo, y un tubo tiene frecuencias a las que resuena: los formantes. Un tracto corto resuena agudo, uno largo resuena grave, y la longitud del tracto de alguien es casi todo lo que hace que una voz se lea como pequeña o grande. Puede que más que el tono.

Mover dónde resuena una voz es puro ecualizador. En PartyDub cada filtro es una cadena de filtros de campana en torno a 240 Hz para la resonancia de pecho, 1400 Hz donde viven las vocales y 3000 Hz para el brillo que se lee como una voz más ligera. Sube los dos de arriba y baja el de abajo y quien habla se hace más pequeño; hazlo al revés y se hace más grande. La grabación no se remuestrea nunca, así que dura exactamente lo que se interpretó, muestra a muestra.

El intercambio es honesto y conviene decirlo: una ardilla por formantes es una persona pequeña, no una ardilla literal. Es menos extremo que remuestrear. También se queda pegado a la imagen, y en un juego cuyo chiste es una voz contra una cara eso importa más que el último veinte por ciento del efecto.

Los que no van de tamaño

No todos los filtros son un desplazamiento de formantes. Varios son trucos más viejos que resultan ser gratis en un navegador:

• —Robot es modulación en anillo: la señal multiplicada por una onda senoidal de 55 Hz. Web Audio no tiene un nodo de multiplicación, pero el parámetro de ganancia de un nodo de ganancia es un multiplicador, así que gobernarlo con un oscilador es exactamente modulación en anillo.
• —Avispa enfadada es el mismo truco a 260 Hz, apretado en una banda estrecha. Modulación rápida metida en un paso banda es zumbido puro.
• —Llamada de teléfono es la banda de voz de 300 a 3400 Hz y nada más. Esa banda es lo que hace que un teléfono suene a teléfono; es un hecho sobre la red telefónica, no sobre la voz.
• —En una cueva es un retardo realimentado a 220 ms con los agudos recortados, que es más o menos lo que te hace una cueva de verdad.
• —Demonio es un gran desplazamiento de formantes hacia abajo con distorsión de waveshaper encima.

Todo eso corre en el navegador, en el momento en que la sala reproduce un doblaje. No se sube nada, no se renderiza nada en un servidor y el efecto cuesta lo mismo lo oiga una persona o diez.

El problema de diseño que hay debajo del de audio

Conseguir que dieciocho filtros sonaran bien resultó ser la mitad fácil. La difícil era que durante mucho tiempo fueron un desplegable: abrías un menú antes de grabar, elegías Demonio y te salía Demonio.

Eso es una preferencia, y una preferencia es algo solitario en un juego de fiesta. Nadie más en la sala se juega nada con ella, a nadie sorprende, y en cuanto has encontrado el que te gusta dejas de abrir el menú. Una voz graciosa que te has elegido tú es un disfraz que llevas a solas.

Por eso los filtros en PartyDub ya no se eligen. Se lanzan. Durante una ronda hay un estante con dieciocho pociones: coges un frasco, eliges a un jugador y todo el mundo ve cómo cruza la pantalla en arco y revienta sobre su tarjeta. El resto de la ronda su voz sale por ese filtro: en la cabina mientras sigue grabando, y en la revelación cuando la sala la oye.

A la persona alcanzada no se le pregunta, que es justo la gracia y lo único que un desplegable no puede hacer nunca.

Dos reglas para que no resulte pesado

1. Una poción dura una ronda. A la siguiente vuelves a estar limpio salvo que alguien gaste otra en ti. Que te alcancen en la ronda uno y quedarte de avispa una hora es un castigo; que te alcancen una ronda es un gag.
2. Te enteras al momento. Al escuchar tu toma en la cabina oyes cómo suenas de verdad. Ocultarlo para salvar la sorpresa era tentador y habría sido peor: quien no sabe que suena como un demonio no puede jugar con ello, y una línea leída en serio porque no tenías ni idea es un chiste que no le llega a nadie.

Un lanzamiento por cabeza y ronda, así que en una sala donde varias personas guardan pociones una ronda puede tener cuatro frascos cruzando a la vez. Que te alcancen no requiere cuenta ni plan: el chiste no funciona si media sala no puede ser objetivo.

Lo que cuesta

Una cuenta gratuita con sesión iniciada recibe una poción al mes. Los mecenas reciben cincuenta. Una y no ninguna porque un número en una página de precios no significa nada hasta que has lanzado una; una y no cinco porque la escasez es toda la razón por la que una poción vale algo. A los invitados se les puede alcanzar pero no pueden lanzar, por el motivo poco glamuroso de que una asignación mensual necesita una cuenta de la que colgar.

En cualquier caso el audio es idéntico. Cada filtro son unos pocos nodos de Web Audio corriendo en la máquina que reproduce el doblaje, lo que no nos cuesta nada y no te cuesta nada: la asignación existe para que una poción lanzada siga siendo un acontecimiento y no el clima.