Como funcionam os filtros de voz num jogo de dublagem

Todo alterador de voz que você já usou funciona igual por baixo: ele reamostra. Toque a gravação mais rápido e você sobe, mais devagar e você desce. É uma linha de código, é o que um gravador de fita faz, e é a razão de a voz de esquilo existir.

É também a única coisa que um jogo de dublagem não pode fazer, e descobrir por quê é quase tudo o que torna os filtros de voz interessantes neste gênero.

A velocidade muda o tom e a duração juntos

Numa dublagem a sua gravação não toca sozinha. Ela é agendada contra uma imagem: um personagem abre a boca aos 4,2 segundos e para aos 6,1, e a sua fala entra nesse vão. Nada a estica para caber e nada a encurta.

Então no instante em que você muda a velocidade de reprodução você mudou quanto tempo a fala dura. Um esquilo a 1,9× termina no meio do caminho, com a boca do personagem ainda se mexendo. Um gigante a 0,55× continua falando segundos depois de a cena ter cortado. As duas coisas são exatamente a dessincronia que todas as outras partes de um jogo de dublagem existem para evitar — e quanto mais engraçado o filtro, mais extrema a velocidade e pior a deriva.

É por isso que um alterador de voz feito para bate-papo ou live costuma soar errado na primeira vez que alguém aponta ele para uma dublagem. Nada está quebrado. O bate-papo não tem imagem com que ficar em sincronia, então ninguém precisou resolver isso.

Formantes, e por que carregam mais do que o tom

O conserto é parar de mexer no tom e mexer nas ressonâncias. O seu trato vocal é um tubo, e um tubo tem frequências em que ressoa — os formantes. Um trato curto ressoa agudo, um longo ressoa grave, e o comprimento do trato de alguém é quase tudo o que faz uma voz soar pequena ou grande. Possivelmente mais do que o tom.

Mexer em onde uma voz ressoa é equalização pura. No PartyDub cada filtro é uma cadeia de filtros de pico em torno de 240 Hz para a ressonância do peito, 1400 Hz onde moram as vogais, e 3000 Hz para o brilho que soa como uma voz mais leve. Levante os dois de cima e corte o de baixo e quem fala fica menor; faça o contrário e fica maior. A gravação nunca é reamostrada, então ela dura exatamente o que foi interpretada, amostra por amostra.

A troca é honesta e merece ser dita: um esquilo por formantes é uma pessoa pequena, não um esquilo literal. É menos extremo do que reamostrar. Em compensação continua grudado na imagem, e num jogo cuja piada é uma voz contra um rosto isso importa mais do que os últimos vinte por cento do efeito.

Os que não são sobre tamanho

Nem todo filtro é um deslocamento de formantes. Vários são truques mais antigos que por acaso são de graça num navegador:

• —Robô é modulação em anel — o sinal multiplicado por uma onda senoidal de 55 Hz. O Web Audio não tem um nó de multiplicação, mas o parâmetro de ganho de um nó de ganho é um multiplicador, então acioná-lo com um oscilador é exatamente modulação em anel.
• —Vespa furiosa é o mesmo truque a 260 Hz, espremido numa banda estreita. Modulação rápida jogada num passa-faixa é zumbido puro.
• —Ligação telefônica é a banda de voz de 300 a 3400 Hz e mais nada. Essa banda é o que faz um telefone soar como telefone; é um fato sobre a rede telefônica, não sobre a voz.
• —Numa caverna é um delay realimentado a 220 ms com os agudos cortados, que é mais ou menos o que uma caverna de verdade faz com você.
• —Demônio é um grande deslocamento de formantes para baixo com distorção de waveshaper por cima.

Tudo isso roda no navegador, no momento em que a sala toca uma dublagem. Nada é enviado, nada é renderizado num servidor, e o efeito custa o mesmo quer uma pessoa ouça, quer dez.

O problema de design embaixo do problema de áudio

Fazer dezoito filtros soarem bem acabou sendo a metade fácil. A difícil é que por muito tempo eles foram um menu suspenso: você abria o menu antes de gravar, escolhia Demônio e recebia Demônio.

Isso é uma preferência, e uma preferência é uma coisa solitária num jogo de festa. Ninguém mais na sala tem nada em jogo nela, ninguém se surpreende com ela, e assim que você acha aquele de que gosta você para de abrir o menu. Uma voz engraçada que você escolheu para si mesmo é uma fantasia que você veste sozinho.

Por isso os filtros no PartyDub não são mais escolhidos. Eles são arremessados. Durante uma rodada existe uma prateleira com dezoito poções: você pega um frasco, escolhe um jogador, e todo mundo vê ele cruzar a tela em arco e estourar na carta daquela pessoa. Pelo resto da rodada a voz dela sai por esse filtro — na cabine enquanto ainda está gravando, e na revelação quando a sala ouve.

Quem foi atingido não opina, o que é justamente a graça e a única coisa que um menu suspenso nunca consegue fazer.

Duas regras que impedem que isso vire chatice

1. Uma poção dura uma rodada. Na rodada seguinte você está limpo de novo, a menos que alguém gaste outra em você. Ser atingido na rodada um e ficar de vespa por uma hora é castigo; ser atingido por uma rodada é piada.
2. Você fica sabendo na hora. Ao ouvir a sua gravação na cabine, você escuta como soa de verdade. Esconder isso para salvar a surpresa era tentador e teria sido pior — quem não sabe que soa como um demônio não consegue jogar com aquilo, e uma fala lida a sério porque você não fazia ideia é uma piada que não chega em ninguém.

Um arremesso por pessoa por rodada, então numa sala em que várias pessoas estão com poções uma rodada pode ter quatro frascos cruzando ao mesmo tempo. Ser atingido não exige conta nem plano: a piada não funciona se metade da sala não puder ser alvo.

Quanto custa

Uma conta gratuita com sessão iniciada ganha uma poção por mês. Apoiadores ganham cinquenta. Uma em vez de nenhuma porque um número numa página de preços não significa nada até você ter arremessado uma; uma em vez de cinco porque a escassez é toda a razão de uma poção valer alguma coisa. Convidados podem ser atingidos mas não podem arremessar, pelo motivo nada glamouroso de que uma cota mensal precisa de uma conta em que se pendurar.

De um jeito ou de outro o áudio é idêntico. Cada filtro são alguns nós de Web Audio rodando na máquina que toca a dublagem, o que não custa nada para nós e nada para você — a cota existe para manter uma poção arremessada sendo um acontecimento, e não clima.