Generador de espectrogramas de audio
Mira las frecuencias de cualquier grabación. Suelta un archivo de audio para generar un espectrograma completo, luego cambia el tamaño de FFT, la ventana, el mapa de color, la escala de frecuencia y el rango en dB, acércate a cualquier momento, lee frecuencias exactas con el cursor y guarda la imagen como PNG.
Última actualización:
Cómo usar Generador de espectrogramas de audio
- Añade un archivo de audio soltándolo en el recuadro o haciendo clic en Elegir audio. Hasta entonces se muestra un sonido de demostración con un barrido, notas y ruido.
- Lee la imagen: el tiempo avanza de izquierda a derecha, la frecuencia de abajo arriba y el color muestra la intensidad de cada frecuencia. Pasa el cursor para leer valores exactos.
- Ajusta el análisis: un tamaño de FFT mayor da frecuencias más nítidas y uno menor, una temporización más nítida. Elige el mapa de color, la escala y el rango en dB que mejor muestren tu sonido.
- Acércate con el botón + y arrastra la imagen para desplazarte. Haz clic en cualquier punto para escuchar desde ahí.
- Descarga un PNG: define el tamaño, elige si incluir los ejes y el archivo completo o solo la vista actual, y pulsa Descargar PNG.
Cómo se calcula el espectrograma
La herramienta ejecuta una transformada de Fourier de tiempo corto. Para cada columna de píxeles toma un bloque de N muestras (el tamaño de FFT) alrededor de ese momento, lo multiplica por una función de ventana que atenúa a cero los bordes del bloque y calcula una transformada rápida de Fourier. El resultado es la intensidad de N/2 bandas de frecuencia, cada una de frecuencia de muestreo ÷ N hercios de ancho. Cuando una columna de píxeles abarca más audio que un bloque, se promedian varios bloques de la columna para no omitir los sonidos cortos.
La potencia de cada banda se convierte a decibelios relativos a una onda senoidal a escala completa: dB = 10 × log10(|X|² × (2 ÷ Σw)²), donde Σw es la suma de los valores de la ventana. Por tanto, una senoidal de 0 dBFS marca unos 0 dB, y cada paso de 6 dB hacia abajo es la mitad de la amplitud. La ganancia y el rango deciden luego qué parte de esa escala se asigna a los colores.
Tamaño de FFT: resolución temporal frente a resolución de frecuencia
| Tamaño de FFT | Duración de la ventana a 44.1 kHz | Ancho de banda a 44.1 kHz | Ideal para |
|---|---|---|---|
| 256 | 5.8 ms | 172 Hz | Golpes de batería, clics, eventos muy rápidos |
| 512 | 11.6 ms | 86 Hz | Consonantes del habla, percusión |
| 1024 | 23.2 ms | 43 Hz | Habla, canto de aves |
| 2048 | 46.4 ms | 21.5 Hz | Música y voz en general (predeterminado) |
| 4096 | 92.9 ms | 10.8 Hz | Melodías, armónicos, afinación |
| 8192 | 186 ms | 5.4 Hz | Notas graves, zumbido y sus armónicos |
| 16384 | 372 ms | 2.7 Hz | Detalle de tono muy fino en sonidos lentos y estables |
La ventana ajusta aún más el equilibrio. Hann es un valor predeterminado equilibrado. Blackman-Harris oculta mucho mejor los sonidos débiles junto a tonos fuertes (poca fuga) a costa de líneas algo más anchas. Hamming da picos más estrechos con más fuga, y rectangular (sin ventana) da los picos más nítidos pero esparce la energía por toda la imagen.
Cómo leer patrones comunes
- Las líneas horizontales son tonos estables: una nota cantada o tocada muestra una pila de líneas en la fundamental y sus armónicos (2×, 3×, 4× …). Una línea en 50 o 60 Hz y sus múltiplos es el zumbido de la red eléctrica.
- Las líneas verticales son sonidos cortos de banda ancha: clics, aplausos, consonantes como "t" y "k", y el ataque de la batería.
- Las líneas diagonales o curvas son cambios de tono: sirenas, canto de aves, una voz que sube al final de una pregunta o un barrido.
- Las zonas difusas son ruido: viento, respiración, siseo, platillos y el sonido de la "s".
- Un techo plano y nítido en 16 kHz o 19–20 kHz en la escala lineal es la huella típica de la compresión MP3 o AAC.
Preguntas frecuentes
¿Qué es un espectrograma?
Un espectrograma es una imagen del sonido a lo largo del tiempo. El eje horizontal es el tiempo, el eje vertical es la frecuencia (tono) y el brillo o color de cada punto muestra cuánta energía tiene el sonido en esa frecuencia en ese momento. El habla, el canto de las aves, los instrumentos y los ruidos dejan patrones reconocibles.
¿Qué tamaño de FFT debo usar?
Es un equilibrio. Una FFT grande (8192 o 16384) separa frecuencias cercanas, ideal para notas musicales y zumbidos, pero difumina los eventos rápidos. Una FFT pequeña (256 o 512) muestra con nitidez golpes de batería y clics, pero difumina las frecuencias. 2048 a 44.1 kHz (46 ms, 21.5 Hz por banda) es un buen valor predeterminado para música y voz.
¿Cómo sé si un FLAC o WAV es realmente sin pérdida?
Mira la parte superior del espectrograma con la escala lineal y la frecuencia máxima en Nyquist. Un archivo real con calidad de CD suele tener contenido hasta unos 20–22 kHz. Un archivo convertido desde un MP3 de baja tasa de bits muestra un corte horizontal nítido, normalmente en 16 kHz para 128 kbps o en unos 19–20 kHz para 192–320 kbps.
¿Qué escala de frecuencia es mejor?
La escala logarítmica da a cada octava la misma altura, como percibimos el tono, así que va bien para música y voz. La escala lineal da a cada hercio la misma altura, lo que es útil para detalles de alta frecuencia y cortes de códec. Mel es una escala perceptual que se usa en reconocimiento de voz y aprendizaje automático.
¿Qué hacen los controles de rango en dB y ganancia?
Los niveles se miden en decibelios relativos a una onda senoidal a escala completa. La ganancia baja el color más brillante (con ganancia 20, todo lo que esté a -20 dB o más fuerte se muestra con brillo máximo) y el rango define cuántos decibelios por debajo siguen siendo visibles antes de que el color llegue al fondo. Sube el rango para ver el ruido suave y bájalo para una imagen más limpia.
¿Se sube mi archivo?
No. Tu navegador decodifica el audio y el espectrograma se calcula con una transformada rápida de Fourier escrita en JavaScript en tu propio dispositivo.
¿Por qué veo una imagen reflejada o líneas extrañas por encima de cierta frecuencia?
Nada por encima de la mitad de la frecuencia de muestreo (la frecuencia de Nyquist) puede existir en un archivo digital, así que la imagen siempre se detiene ahí. Las líneas horizontales finas suelen ser zumbido o interferencias electrónicas, y las líneas verticales son clics o el inicio de golpes de batería.
¿Se prueban todas las herramientas de FreeToolCabin para comprobar su calidad y precisión?
Sí. Cada herramienta del sitio pasa pruebas automáticas en navegadores reales para comprobar que el resultado es correcto y que no hay errores. Si encuentras un fallo o tienes una sugerencia, escríbenos a [email protected] y lo revisaremos.