Mapa de Freqüències de la Veu Humana: La guia definitiva per mesclar veus

Com usar aquest mapa de freqüències

Un mapa de freqüències vocals no és un receptari. És una arquitectura descolta. El mateix moviment de 3 dB pot tornar una veu íntima, una altra agressiva i una altra completament artificial. El productor ha de llegir alhora la banda, la font, el micròfon, la sala, la interpretació i el format dentrega. La mescla vocal premium comença quan la freqüència es converteix en psicologia.

Aquesta guia divideix la veu humana en set zones de treball: 20-80 Hz, 80-250 Hz, 250-800 Hz, 800 Hz-2.5 kHz, 2.5-6 kHz, 6-12 kHz i 12-20 kHz. En cada banda, la pregunta important no és només com sona, sinó què creu loient a causa della. La veu sembla fiable, massa a prop, cara, nerviosa, present, cansada, sintètica o viva? Aquest és el mapa real.

Usa els rangs com territoris solapats, no com fronteres rígides. Una veu greu, una veu femenina brillant, una locució comercial espanyola, un audiollibre català, una narració cinematogràfica anglesa i una veu TTS no col·loquen lemoció exactament al mateix punt. Tot i així, la lògica psicoacústica es repeteix: els greus donen terra, els mitjans baixos donen carn, els mitjans donen llenguatge, la presència dona contacte, laire dona acabat i loctava superior dona halo.

20-80 Hz

Aquesta banda no conté el significat de la parla, però canvia el terra emocional d una gravació. En veu professional sovint es percep com moviment de sala, vibració mecànica, soroll del peu de micro, plosives, rumble de transport i energia baixa descenari. Una mica de profunditat controlada pot fer que un narrador cinematogràfic sembli més gran que els altaveus. Massa profunditat fa la veu pesada abans de fer-la íntima. Tècnicament, en voiceover, podcast, audiollibre i TTS convé filtrar gairebé sempre aquesta zona perquè consumeix headroom sense millorar intel·ligibilitat. Usa un filtre pas alt amb intenció: sovint 60-80 Hz per a veu parlada, més baix per a una veu cinematogràfica profunda, més alt per a mòbil. L excés produeix boom, pumping del limitador, falsa proximitat i reverbs tèrboles. El defecte rarament importa, excepte en narració trailer o cinematogràfica on treure-ho tot pot separar la veu de lespai.

Ajustos típics: high-pass de 12 o 18 dB per octava entre 55 i 80 Hz, amb automatització si les plosives canvien. La saturació ha de ser mínima; si s usa, millor color de transformador que generi harmònics per sobre del fonamental i no més subgreu. La compressió no hauria de reaccionar a aquesta zona excepte com a efecte. Filtra el detector del compressor amb sidechain high-pass perquè el subgreu no abaixi tota la veu.

• Pes subsònic i control de rumble

80-250 Hz

El rang 80-250 Hz dona confiança física a la veu. És pit, massa, gravetat, calidesa i la sensació que hi ha una persona amb cos darrere les paraules. En voiceover comercial pot crear autoritat sense cridar. En podcast aporta proximitat i confiança. En audiollibre permet que el narrador acompanyi durant hores. En narració cinematogràfica pot fer que una frase sembli inevitable. Tècnicament conté fonamentals greus, proximity effect i part de la firma de sala. L excés genera boom, to de coixí, boca massa enganxada al micròfon, transitoris lents i una mescla gran però poc clara. El defecte torna la veu prima, nerviosa, de paper o desconnectada de la imatge.

Ajustos típics: shelves o campanes petites entre 100 i 180 Hz, sovint amb control dinàmic quan la proximitat canvia entre frases. La saturació pot ser de vàlvula, cinta o transformador, però lleugera, perquè lenriquiment harmònic aquí es converteix ràpidament en fang. La compressió funciona bé amb atac lent i release mitjà quan vols preservar moviment de pit; per a podcast, usa anivellament suau abans del control final. Evita aixafar aquesta zona amb compressió ràpida perquè la veu perd respiració i escala.

• Cos, pit i terra emocional

250-800 Hz

Aquesta és la banda més malinterpretada de la veu. Emocionalment conté calidesa, fusta, humanitat i la sensació d un tracte vocal real. Tècnicament també conté caixa, acumulació de sala, to de cabina, ressonància nasal baixa i el vel que fa que una veu forta sembli tapada. Molts productors demanen més presència quan el problema real no és a 3 kHz, sinó en massa 350-600 Hz. L excés crea cartró, congestió, dicció apagada, fatiga de mitjans baixos i una veu propera però no íntima. El defecte crea una veu buidada, espectacular en solo però pobra en context, sense continuïtat.

Ajustos típics: EQ sostractiva en 300-500 Hz per al fang, retalls més estrets prop de 550-750 Hz per a caixa o ressonància de tub, i EQ dinàmica si lacumulació apareix només en certes vocals. La saturació s ha de triar amb cura: la cinta pot suavitzar aquesta zona, però la saturació de vàlvula densa pot engreixar-la massa. La compressió ha de ser transparent i sensible a freqüència. La compressió multibanda pot contenir el bloom de mitjans baixos sense aplanar tota la interpretació. En audiollibre i podcast, aquesta banda decideix si loient es relaxa o es cansa.

• Calidesa, fusta, caixa i densitat

800 Hz-2.5 kHz

Aquest rang és larquitectura del llenguatge. Emocionalment dona direcció, intenció i la sensació que el parlant tria paraules, no només produeix so. Tècnicament conté definició de vocals, to frontal, suport de consonants i la forma que permet llegir una frase en altaveus petits. L excés crea honk, empenta nasal, duresa telefònica i una veu que sembla donar una lliçó. El defecte torna la veu educada però distant, brillant però vaga, o enterrada sota guitarres, sintes i ambient.

Ajustos típics: preparació ampla de presència entre 1 i 2 kHz, retalls cauts en nodes nasals i automatització quan una frase necessita avançar. La saturació pot funcionar molt bé aquí si és harmònica i no trencadissa: consola, cinta o color de triodo subtil poden fer que les paraules es llegeixin sense pujar EQ. La compressió ha de preservar microfraseig. Massa compressió ràpida fa que totes les síl·labes semblin igual durgents. EQ dinàmica o control multibanda sol ser més elegant que un boost estàtic.

• Forma de paraula i intel·ligibilitat

2.5-6 kHz

Aquest és el corredor de presència. Conté atac consonàntic, articulació, vora labial, mossegada, primera sensació de proximitat i la zona on una veu travessa un arranjament dens sense més fader. Al voltant de 3.3 kHz sovint viu el Presence Anchor, el punt on la veu comença a aparèixer emocionalment davant loient. L excés crea agressivitat, pressió publicitària barata, fatiga auditiva, dolor en auriculars i sensació que el locutor empeny. El defecte torna la veu apagada, lenta, darrere la música i emocionalment indecisa.

Ajustos típics: realços amples i petits entre 3 i 4 kHz només després de netejar 250-800 Hz; retalls dinàmics entre 3.5 i 5 kHz quan certes paraules punxen; de-essing acurat si consonants i sibilància se solapen. La saturació ha de ser continguda i de qualitat, perquè el clipping dur aquí es converteix ràpidament en paper de vidre. La compressió ha de seguir la frase. Usa EQ dinàmica, de-essing split-band o compressió multibanda que es mogui només quan la veu es torna tallant. Per a TTS i veus d interfície repetides, aquesta zona ha de ser clara però mai punitiva.

• Presència, atac i veritat frontal

6-12 kHz

La banda 6-12 kHz aporta aire, polit, respiració, saliva, intimitat, brillantor moderna i resolució percebuda. Emocionalment pot fer que una veu sembli premium, neta i cara, però també pot revelar ansietat, sequedat, artefactes dedició i textura sintètica. Tècnicament conté sibilància, soroll de llavis, comportament del de-esser, artefactes de compressió en aguts i el sheen final que col·loca la veu en una producció acabada. L excés crea sibilància, vidre, fatiga, consonants fràgils i una veu que sembla brillant però menys humana. El defecte genera una veu tapada, vella, amb manta o massa castigada per de-essing.

Ajustos típics: de-ess abans dafegir aire, shelf suau només si la boca i la gravació ho permeten, i comprovació en auriculars, mòbil i escolta baixa. La saturació pot ser útil si crea harmònics superiors suaus en lloc de fizz; cinta i excitadors refinats funcionen, potenciadors agressius trenquen la il·lusió. La compressió ha de ser molt curosa. La compressió broadband ràpida sol exagerar sibilància. Control split-band entre 6 i 9 kHz i shaping daire per separat solen ser més nets.

• Aire, brillantor, detall de boca i acabat

12-20 kHz

La major part de la informació de la parla és per sota daquesta banda, però 12-20 kHz afecta la sensació dobertura. Emocionalment és halo, espai, cristall net i la suggerència que la gravació té aire al voltant. Tècnicament conté la part més alta de la respiració, to de conversor, noise shaping, artefactes doversampling, hiss i el polit de cadenes de mastering. L excés rarament ajuda en veu llarga. Pot crear hiss, luxe fals, encodes fràgils i fatiga encara que el mesurador sembli tranquil. El defecte sol ser acceptable en podcast o audiollibre, però en publicitat premium i veu pop una absència total pot fer que la veu sembli petita o antiga.

Ajustos típics: shelves molt suaus per sobre de 12 o 14 kHz, només després de resoldre sibilància. La saturació ha de ser elegant i amb oversampling; si no, l aliasing converteix el halo en gra. La compressió gairebé mai és necessària aquí excepte per controlar hiss o aire exagerat amb EQ dinàmica. Compara sempre després de conversió a codec, perquè alguns masters brillants es desfan en codificar.

• Halo, obertura i il·lusió ultrasònica

Exemples per format de producció

El voiceover comercial sol necessitar greu net, mitjans baixos controlats i un Presence Anchor deliberat. Una campanya dautomòbil pot usar 100-180 Hz per a confiança i 3-4 kHz per a comandament, mentre que un spot de perfum de luxe potser redueix densitat de mitjans baixos, manté sedosa la zona 2.5-6 kHz i afegeix només un shelf de respiració controlat. L error és fer que tots els anuncis siguin alts, brillants i comprimits. La publicitat premium sona cara perquè té contenció.

El podcast demana comoditat abans que espectacle. Filtra 20-80 Hz, controla proximitat en 120-220 Hz, treu caixa al voltant de 300-600 Hz i evita un pic estàtic en 4 kHz que es torna esgotador després de vint minuts. L audiollibre és encara més conservador: loient necessita continuïtat durant hores, així que una presència aspra i un aire artificial en 12 kHz són més perillosos que un agut una mica modest. La narració ha de desaparèixer com a tecnologia i quedar com a persona.

TTS i sistemes de veu requereixen consistència sense càstig. La banda 2.5-6 kHz ha de sostenir intel·ligibilitat, però els prompts repetits converteixen una petita duresa en fatiga real. Usa EQ dinàmica en presència, de-essing suau, control de 6-12 kHz i gairebé cap realç dramàtic en greus. La cançó pop és diferent: accepta més saturació, compressió paral·lela i aire perquè competeix amb bateria, baix i sintes. Fins i tot aquí, la veu ha de conservar veritat de vocals i no convertir-se només en objecte brillant.

La narració cinematogràfica usa tot el mapa. Pot conservar més cos en 80-250 Hz, menys agressivitat en 3-5 kHz, silenci profund entre frases i un halo 12-20 kHz dissenyat amb cura. La veu ha de sentir-se més gran que la parla ordinària però no separada de la boca humana. Quan la narració sosté imatge, la millor decisió d EQ sovint és la que torna creïble lescena, no la que impressiona en solo.

Diagrames explicats en text

Diagrama 1: imagina la veu com un edifici. 20-80 Hz és la vibració del terra sota ledifici. 80-250 Hz és la llosa de fonamentació. 250-800 Hz és lestructura de fusta. 800 Hz-2.5 kHz és el passadís que permet moure el llenguatge. 2.5-6 kHz és la porta dentrada on loient troba el parlant. 6-12 kHz és el vidre i la llum. 12-20 kHz és el cel sobre la teulada. Si la fonamentació és massa gran, la porta desapareix. Si el vidre brilla massa, ningú confia en lhabitació.

Diagrama 2: imagina una línia horitzontal desquerra a dreta: pes, cos, paraula, presència, aire, halo. Una bona mescla vocal no és una corba somrient; és una frase equilibrada. Loient ha de viatjar del cos al significat sense notar el camí tècnic. Quan realcis una banda, pregunta quina paraula daquest diagrama es torna més forta emocionalment.

Diagrama 3: imagina tres capes verticals. La capa inferior és estabilitat: 80-250 Hz més 250-500 Hz controlats. La capa mitjana és identitat: 500 Hz a 2.5 kHz. La capa superior és contacte: 2.5 kHz cap amunt. Si mescles la capa superior abans de netejar la inferior, la veu es converteix en brutícia brillant. Si elimines la inferior abans dentendre la identitat, la veu es torna cara però buida.

Recomanacions de plugins per tasca

Per a EQ quirúrgica, FabFilter Pro-Q 3, Kirchhoff-EQ, DMG Equilibrium i TDR Nova són opcions sòlides. Usa ls per a high-pass, neteja de mitjans baixos, nodes nasals i control dinàmic de presència. Per a gestió de ressonàncies, oeksound soothe2, Waves Silk Vocal o EQ dinàmica intel·ligent poden ajudar, però l objectiu no és esborrar personalitat. Treu allò que bloqueja la frase, no allò que fa humana la veu.

Per a saturació, Soundtoys Decapitator, FabFilter Saturn 2, UAD Studer, Softube Tape, Black Box HG-2 i emulacions de consola amb transformador poden afegir densitat. Usa ls diferent per banda: suport harmònic en 80-250 Hz, calidesa prudent en 250-800 Hz, densitat darticulació en 800 Hz-2.5 kHz i gairebé cap distorsió agressiva per sobre de 6 kHz. L oversampling importa quan lagut està exposat.

Per a compressió, un control tipus 1176 pot aportar urgència, una anivellació tipus LA-2A pot suavitzar narració, eines tipus R-Vox poden resoldre consistència broadcast ràpida, i Pro-MB o C6 poden contenir regions concretes. Per a de-essing, FabFilter Pro-DS, Oxford SuprEsser, Weiss Deess i RX són fiables quan sajusen escoltant, no mirant mesuradors. La millor cadena sovint és senzilla: EQ de neteja, saturació lleugera, compressió de frase, control dinàmic de presència, de-ess i to final.

Com escoltar freqüències i entrenar loïda

L entrenament auditiu per a veu comença per la sostracció. Pren una gravació parlada neta i crea set bandes d EQ. Realça una banda 6 dB durant deu segons, anomena el canvi emocional, torna a zero i retalla la mateixa banda 6 dB. No comencis memoritzant números. Comença anomenant percepció: terra, pit, fang, paraula, mossegada, aire, halo. Quan la paraula és clara, el número es torna útil.

Practica en tres nivells de monitoratge. A baix volum, presència i intel·ligibilitat es revelen amb honestedat. A volum mitjà, cos i mitjans baixos són més fàcils de jutjar. A volum alt, duresa i sibilància es tornen òbvies, però no prenguis decisions finals aquí perquè loïda es protegeix. Repeteix lexercici en monitors, auriculars tancats, earbuds i altaveu de mòbil. La banda que sobreviu a tots els sistemes sol ser el problema real.

Usa soroll rosa i referències només com a calibració, no com a gust. Compara una veu de podcast en què confies, un audiollibre que puguis escoltar una hora, una veu pop que travessi sense dolor, una locució comercial de luxe i una narració cinematogràfica. Barreja freqüències lentament, però no mesclis mentre fas sweep. El sweep exagera problemes. Les decisions reals venen de comparar amb bypass, igualar nivell i fer una pregunta: la veu es torna més creïble?

Un exercici setmanal útil és el diari de set bandes. Per cada mescla, escriu una frase per banda abans de tocar plugins. 20-80 Hz: quin soroll hi ha? 80-250 Hz: el cos sosté o infla? 250-800 Hz: hi ha calidesa o vel? 800 Hz-2.5 kHz: les paraules es llegeixen? 2.5-6 kHz: el parlant és present o afilat? 6-12 kHz: laire és humà o cosmètic? 12-20 kHz: el halo ajuda o només hi ha hiss? Aquest hàbit converteix l EQ en disciplina descolta, no reacció.

Workflow premium de mescla vocal

Un workflow vocal premium comença abans dinsertar plugins. Primer decideix què ha de fer la veu dins la producció: vendre, acompanyar, ensenyar, confessar, seduir, guiar, narrar, cantar o convertir-se en veu de sistema. Aquest verb canvia el mapa de freqüències. Una veu comercial pot necessitar contacte més ràpid en 2.5-6 kHz. Un podcast pot necessitar mitjans baixos relaxats i menys teatre en aguts. Un audiollibre necessita continuïtat per damunt de tot. Una veu pop pot necessitar saturació i control paral·lel. Una narració cinematogràfica pot necessitar cos, silenci i escala. La mateixa cadena no serveix per a totes les intencions.

El primer pas és higiene tècnica. Elimina soroll en 20-80 Hz, edita plosives, corregeix clicks de boca només quan distreuen i ajusta guany per frases perquè el compressor no es converteixi en eina de rescat. El segon pas és EQ didentitat. Escolta 80-250 Hz i 250-800 Hz abans de tocar presència. Si el cos és inestable, la veu mai se sentirà cara. Si els mitjans baixos estan ennuvolats, qualsevol realç brillant sapoiarà sobre fang. El tercer pas és EQ de llenguatge: 800 Hz-2.5 kHz ha de permetre que les paraules es llegeixin sense convertir el parlant en un megàfon.

El quart pas és disseny de presència. Busca el Presence Anchor amb la mescla completa sonant. No deixis la veu massa temps en solo. Un realç que impressiona aïllat pot fer mal contra plats, guitarres, sintes o ambient de sala. Usa automatització abans que EQ estàtica quan el problema depèn de la frase. Usa EQ dinàmica quan una banda està bé gairebé sempre, però falla en certes vocals o consonants. La mescla vocal més elegant rarament és la que té la cadena més gran; és la que aconsegueix que cada processador tingui una raó perceptiva.

El cinquè pas és densitat i control. La saturació ha de respondre una pregunta: la veu necessita cos harmònic, densitat darticulació, pics suavitzats o gra emocional? La compressió ha de respondre una altra: la interpretació necessita anivellament, urgència, intimitat, estabilitat o energia? Si no pots anomenar la raó, bypass. En veu parlada, la compressió en sèrie sol superar un compressor agressiu: un anivellador suau, després un controlador de pics més ràpid, després control final de bus. En veu pop cantada, la compressió paral·lela i la saturació poden crear mida mentre la veu seca conserva expressió.

Abans dimprimir la mescla, fes una passada de freqüències amb l arranjament silenciat només per a comprovacions breus i torna de seguida al context. Marca una decisió per zona: filtrar, sostenir, netejar, definir, presentar, polir o deixar intacta. Això evita sobremesclar. Una cadena professional no necessita processar totes les bandes. De vegades la decisió més senior és protegir una zona perquè ja transporta lemoció correcta. El silenci, el bypass i la comparació a igual nivell també formen part del mapa.

L últim pas és traducció. Comprova la veu a baix volum, en auriculars, en mòbil, dins la mescla completa, després del limitador i després de conversió a codec. Si la veu només funciona alta, no està mesclada; està inflada. Si continua sent creïble quan està baixa, neta en codificar i emocionalment clara dins l arranjament, el mapa de freqüències compleix la seva feina. Una mescla premium no és labsència de problemes. És la presència dun centre humà convincent. Loient ha de sentir la veu abans de notar el processament.