Analizador de espectro

Espectro y espectrograma en vivo de cualquier fuente, con la ventana en tus manos y la resolución real escrita en pantalla.

Fuente

Pico: —
Nota: —
Nivel: —
Resolución: 11.7 Hz por banda
Bajo el cursor: —

Tamaño de FFT Ventana Suelo dB Promediar Sostener picos Espectrograma

La ventana decide qué enseña la FFT. Rectangular no toca la señal y por eso un tono que no encaja en un número entero de ciclos se desparrama por todas las bandas. Hann y Blackman la atenúan en los bordes: el pico sale más ancho pero limpio. Se corrige la ganancia, así que la altura no cambia al cambiar de ventana, solo la anchura.

Los decibelios son dBFS, no dB SPL: cero es una señal digital a fondo de escala. Un navegador no sabe qué cápsula ni qué preamplificador hay detrás, así que las diferencias y las formas son fiables y el valor absoluto no existe. En frecuencia, la resolución es la que aparece arriba: dos tonos más juntos que eso son un solo bulto, y ampliar no lo arregla. Sobre el pico sí se interpola entre bandas, y por eso la lectura de frecuencia es bastante más fina que el ancho de banda.

Se genera aquí, en tu navegador. Lo que escribes no sale de tu equipo.

Sigue con Calculadora de bitrate Test de micrófono Medidor de decibelios Test de audio

Un analizador de espectro responde a una pregunta: qué frecuencias hay en este sonido y cuánto suena cada una. Apúntalo a una habitación y verás el zumbido de la red en 50 o 60 hercios. Apúntalo a un violín y verás la cuerda y todos los armónicos apilados encima. Apúntalo a un ventilador que chirría y podrás leer la frecuencia en pantalla e ir a buscar qué resuena ahí.

Casi todos los del navegador te enseñan un dibujo y ahí se quedan. Este enseña el dibujo y además te dice cuánto vale: la resolución en hercios, para que sepas cuándo dos picos son de verdad dos cosas; la ventana, que es lo que más influye en lo que una FFT muestra y que ninguna de las cuatro páginas que rankean menciona siquiera; y una lectura de pico interpolada entre bandas, así que la frecuencia que imprime es bastante más fina que las bandas de las que sale.

Funciona con tu micrófono, con un fichero de audio que sueltes —descodificado aquí, nunca subido— o con un tono de prueba que genera él mismo, que además es la forma honesta de comprobar si te está diciendo la verdad. Pídele 440 hercios y mira qué contesta.

Manual

Cómo se usa

1
Elige una fuente y dale a empezar

El micrófono pide permiso. Un fichero se descodifica en la página y no sale de ella. El tono de prueba es por donde conviene empezar: es una señal cuya respuesta ya conoces.
2
Lee el pico, y la nota que va al lado

La frecuencia está interpolada entre bandas, así que es mucho más fina de lo que sugiere la cifra de resolución. La nota va con céntimos, porque un «La4» a secas redondearía una cuerda treinta céntimos baja a la nota que está fallando en ser.
3
Mira la resolución antes de fiarte de dos picos

Está escrita en vivo. Dos tonos más juntos que esa cifra aparecen como un solo bulto, y por mucho que mires no cambia. Para separarlos hay que subir el tamaño de FFT, que es lo mismo que escuchar durante más rato.
4
Cambia la ventana y mira cómo cambia el pico

Pasa de **Hann** a **Rectangular** con un tono estable. El pico deja de ser una aguja limpia y le salen faldones por toda la pantalla. Eso es la fuga espectral, y es la razón de que exista una ventana.
5
Enciende el promediado para una señal floja y estable

El ruido se mueve entre cuadros y un tono no, así que el promedio saca el tono del siseo sin moverlo de sitio. El número de cuadros aparece, para que sepas cuánto estás mirando.
6
Usa el sostenido de picos para cazar algo que pasa una vez

Un portazo, un traqueteo, un clic. La traza sostenida guarda el máximo que ha alcanzado cada banda hasta que la borras.

En detalle

Lo que conviene tener en cuenta

Qué vive en cada zona del espectro

Referencias aproximadas, para leer una pantalla y no para discutir. Todas estas franjas se solapan con sus vecinas.

20–60 Hz — lo que se siente más que se oye. Zumbido de red, retumbe del tráfico, la parte baja de un bombo.
60–250 Hz — los fundamentales de los instrumentos graves y la parte baja de una voz masculina. Donde una habitación realza y anula de forma más audible.
250 Hz – 2 kHz — casi todos los fundamentales del habla y la música, y casi toda la energía de una mezcla.
2–4 kHz — donde el oído es más sensible y donde viven las consonantes. Cambios pequeños aquí se oyen como un cambio grande de claridad.
4–8 kHz — sibilancias, platos, el filo de una caja. La banda que la gente nota cuando está mal.
8–20 kHz — aire y detalle. La parte alta es la primera que se pierde con la edad: casi ningún adulto de más de cuarenta oye por encima de 16 kHz.

Elegir la ventana, en un párrafo cada una

No hay una ventana mejor. Cada una es un canje distinto entre lo ancho que sale un pico y cuánto se filtra un tono fuerte a las bandas de al lado.

Rectangular — sin ventana en realidad. El pico más estrecho posible y con diferencia la peor fuga. Solo es lo correcto cuando la señal encaja exacta en el cuadro, o sea, en la práctica, con señales sintéticas de prueba.
Hann — la opción sensata y con la que arranca esta herramienta. Buen rechazo de fuga, pico de aproximadamente el doble de ancho que la rectangular. Si dudas, esta.
Hamming — pico principal algo más estrecho que Hann y algo más de suelo de ruido lejos del pico. Históricamente popular en trabajos de habla.
Blackman — el pico más ancho y el mejor rechazo de todos. Úsala cuando persigas un tono flojo pegado a uno fuerte, que es justo el caso donde la fuga lo enterraría del todo.

Historia

De una ecuación francesa del calor a un chip en tu bolsillo

La idea que hay debajo de todo esto es de **Joseph Fourier**, en 1822, trabajando sobre cómo se propaga el calor por un sólido: cualquier función razonable puede escribirse como suma de senos y cosenos. Los matemáticos de la época no se lo creyeron —Lagrange se opuso abiertamente— y la afirmación necesitó casi un siglo para hacerse rigurosa. Hoy es la idea más usada de toda la ingeniería.

El problema era calcularla. Una transformada de n puntos cuesta n² operaciones a lo bruto; una de mil puntos son un millón de multiplicaciones, que eran un día de cálculo a mano y una cantidad seria de tiempo de ordenador en los años cincuenta. **Cooley y Tukey** publicaron el algoritmo rápido en 1965 y convirtieron n² en n log n, que es la diferencia entre un millón de operaciones y diez mil. Se le llama con frecuencia el algoritmo numérico más importante del siglo.

Salvo que no fueron los primeros. **Carl Friedrich Gauss** dedujo la misma descomposición en 1805, dos años antes de que Fourier presentara su propio trabajo, mientras interpolaba las órbitas de los asteroides Palas y Juno. Lo escribió en latín, no lo publicó nunca y apareció en sus obras completas después de su muerte. Nadie se dio cuenta hasta los años ochenta, cuando el algoritmo llevaba ya veinte años llamándose de otra manera.

El dibujo vino de los Bell Labs. El **espectrógrafo de sonido** se desarrolló allí durante la Segunda Guerra Mundial y se publicó en 1947 como *Visible Speech*, imprimiendo frecuencia contra tiempo sobre un tambor de papel en movimiento: el antepasado del espectrograma de esta página. Se construyó para que las personas sordas pudieran leer el habla en una pantalla. Aquello no cuajó, pero la representación se convirtió en la herramienta estándar de la fonética acústica y, más tarde, en la base de la identificación por «huella vocal», que los tribunales aceptaron durante décadas y que la ciencia forense ha ido desautorizando.

1805: Gauss deduce la FFT y no la publica
1822: Fourier publica la teoría analítica del calor
1965: Cooley y Tukey la hacen rápida
1 s: Audio necesario para resolver un hercio, siempre

Cómo funciona

Qué te da de verdad una FFT, y qué no puede darte

La transformada coge un trozo de muestras —4096 por defecto— e informa de cuánto hay de cada una de 2048 frecuencias repartidas por igual. Esas casillas son las bandas, y su separación es la frecuencia de muestreo dividida entre la longitud del trozo. A 48 kHz con 4096 puntos son 11,7 Hz. Es el número más importante de la página y el que no imprime nadie.

La resolución no es un ajuste de pantalla: es un límite físico. Para distinguir dos tonos separados un hercio hacen falta al menos un segundo de audio, porque un segundo es lo que tardan dos señales separadas un hercio en desfasarse un ciclo entero entre sí. Con menos son indistinguibles. Alargar la FFT mejora la resolución precisamente porque significa escuchar más rato: 16384 puntos a 48 kHz son un tercio de segundo, y compran 2,9 Hz.

La otra mitad del asunto es la **ventana**, y es la parte que casi todas las herramientas esconden. Una FFT trata su trozo como un ciclo de algo que se repite eternamente. Un tono que no encaja en un número entero de ciclos dentro de ese trozo tiene por tanto un escalón en la juntura, y un escalón contiene todas las frecuencias: el tono se desparrama por toda la pantalla. Atenuar el trozo suavemente hasta cero en los dos extremos quita el escalón. El precio es que el pico se ensancha: **Rectangular** da el pico más estrecho y la peor fuga, **Blackman** el más ancho y casi ninguna, **Hann** queda en medio y es lo que usa casi todo el mundo. Cambiar aquí cambia la anchura y no la altura, porque el nivel se corrige por lo que cada ventana descarta.

La lectura del pico va un paso más allá de lo que las bandas permiten. La banda más alta solo está dentro de media banda de la frecuencia verdadera, y con 11,7 Hz de ancho eso es un quinto de semitono. Ajustar una parábola a la banda más alta y sus dos vecinas coloca el vértice mucho más cerca: por debajo de un hercio en un tono limpio, comprobado. Por eso la frecuencia impresa tiene un decimal y la cifra de resolución no la contradice.

Lo que ningún navegador puede darte es un nivel absoluto. Los decibelios de aquí son **dBFS**: cero es una señal digital a fondo de escala, y cuánta presión sonora la produjo depende de una cápsula, un preamplificador y del procesado que haya metido el sistema por el camino. Las diferencias son honestas, las formas son honestas, y una cifra en dB SPL sería inventada. El mismo límite está declarado en el medidor de decibelios de este sitio, por la misma razón.

A mano

Encontrar una frecuencia de oído, solo con un tono

Como se hacía antes de todo esto, y sigue siendo la forma más rápida de comprobar lo que te dice una pantalla.

1

Iguala el tono lo mejor que puedas. Tu voz es ahora una copia de la frecuencia que persigues.
2

Desliza la frecuencia hasta que el tono generado y tu tarareo suenen como una sola cosa y no como dos.
3

Según se acercan oirás un latido lento: el batido, exactamente a la diferencia en hercios. Un latido por segundo significa que estás a un hercio. Es muchísimo más sensible que juzgar la altura del sonido.
4

Cuando se va, estás dentro de una fracción de hercio. Ahora lee el número del control de tono y compáralo con lo que decía el analizador.
5

Pon el tono una octava por debajo del sonido. Seguirá sonando consonante. Por eso un detector de tono que informa de la mitad de la frecuencia real es un fallo tan común, y por eso mirar el espectro entero gana a fiarse de un número.

Diagnóstico

Si algo no funciona

Síntoma:La pantalla está vacía o arrastrándose por abajo

Causa probable:: O no le llega nada al micrófono, o el suelo está tan bajo que una habitación silenciosa se sale por debajo de la escala.
Qué hacer:: Chasquea los dedos y mira si responde. Si no, comprueba en los ajustes del sistema que esté seleccionada la entrada correcta. Si sí, sube el suelo de -100 dB a -60 dB y la sala llenará la pantalla.

Síntoma:Hay un pico enorme a la izquierda del todo que no se mueve nunca

Causa probable:: Zumbido de la red, a 50 Hz en casi todo el mundo o a 60 Hz en América, captado por el cable o por el propio micrófono. Es real, no un fallo de la herramienta.
Qué hacer:: Aléjate de fuentes de alimentación y cargadores, y prueba otro puerto USB. Si solo te importa lo que hay por encima, no hay nada que arreglar: léelo pasando de él.

Síntoma:Un tono puro sale como una mancha ancha sobre muchas bandas

Causa probable:: Fuga espectral. La ventana está en Rectangular, así que un tono que no encaja en un número entero de ciclos se reparte por toda la pantalla.
Qué hacer:: Cambia la ventana a Hann. Si ya estaba en Hann y la mancha sigue, es que el sonido de verdad no es un tono puro: un tono con la altura ligeramente inestable se desparrama exactamente igual, y el promediado lo dejará claro.

Síntoma:Dos notas que distingo perfectamente de oído salen como una sola joroba

Causa probable:: Están más juntas que la resolución, que está escrita encima de la pantalla. Las notas graves son el caso típico: un semitono en la parte baja de un piano son menos de dos hercios.
Qué hacer:: Sube el tamaño de FFT. Pasar de 4096 a 16384 lleva la resolución de 11,7 Hz a 2,9 Hz, a cambio de que la pantalla responda más despacio, porque ahora escucha cuatro veces más audio por cada cuadro.

Síntoma:La lectura del pico salta con un sonido estable

Causa probable:: Hay dos picos de altura casi igual intercambiándose entre cuadros, lo cual es normal en cualquier cosa con armónicos tan fuertes como su fundamental.
Qué hacer:: Enciende el promediado. Asienta una señal estable en uno o dos segundos, y si el número sigue saltando es que el sonido tiene de verdad dos picos compitiendo: mira la pantalla en vez de la cifra.

Síntoma:La nota dice una cosa y mi afinador dice otra, una octava aparte

Causa probable:: El parcial más fuerte no siempre es el fundamental. En muchos instrumentos el segundo armónico suena más que la propia nota, y esta herramienta informa de lo más fuerte en vez de adivinar cuál es la nota «de verdad».
Qué hacer:: Mira la pantalla: si los picos están equiespaciados, el fundamental es esa separación, sea o no el más alto. Un afinador dedicado adivina; esta herramienta informa.

Curiosidades

Datos curiosos

La transformada rápida es 160 años más vieja que su nombre

Gauss la describió en 1805 ajustando órbitas de asteroides, en notas en latín que no publicó. Cooley y Tukey la redescubrieron en 1965. Los historiadores que vieron el solapamiento lo hicieron en 1984, cuando la atribución equivocada ya estaba en todos los libros de texto.

La ventana de Hann lleva el nombre de un meteorólogo

Julius von Hann usaba el mismo suavizado con datos del tiempo. Se escribe muchísimo «Hanning», que es una mezcla de su apellido con el de Hamming y no pertenece a nadie.

No puedes tener buena frecuencia y buen tiempo a la vez

Resolver un hercio pide un segundo de audio, y un segundo de audio no puede decirte en qué décima de ese segundo ocurrió el sonido. Es el mismo canje que el principio de incertidumbre, y Dennis Gabor lo escribió para señales en 1946, once años antes de inventar la holografía.

El zumbido de la red delata en qué continente se grabó algo

Una raya fija en 50 Hz es casi todo el mundo; 60 Hz es América y parte de Japón. Los laboratorios forenses van más allá y comparan el bamboleo diminuto de esa frecuencia con el registro de la red nacional para datar una grabación con precisión de horas.

El espectrograma se inventó para que los sordos leyeran el habla

Los Bell Labs lo construyeron durante la guerra exactamente para eso y lo publicaron como *Visible Speech* en 1947. Leerlo con soltura resultó demasiado difícil, pero desde entonces lo usa todo laboratorio de fonética y todo editor de audio.

Dudas

Preguntas frecuentes

¿Es gratis este analizador de espectro y sale mi audio del dispositivo?

Es gratis, sin cuenta, y no sale nada. El flujo del micrófono y cualquier fichero que abras se procesan en tu navegador; el fichero se descodifica en la página y no se sube nunca.

¿Qué es la cifra de resolución y por qué importa?

Es a cuántos hercios están los puntos de análisis: la frecuencia de muestreo dividida entre el tamaño de FFT. Dos tonos más juntos que eso salen como un solo pico. Es el límite honesto de la pantalla y por eso la página lo imprime en vez de dejarte adivinar.

¿Cómo consigo más resolución en frecuencia?

Subiendo el tamaño de FFT. Funciona porque una transformada más larga significa escuchar más audio, y ahí hay una relación física dura: distinguir dos tonos separados un hercio pide un segundo entero de sonido, con el software que sea.

¿Qué hace el ajuste de ventana?

Decide cómo se atenúa el cuadro de audio antes de la transformada. Sin ella, un tono que no encaja exacto en el cuadro se desparrama por toda la pantalla, y eso se llama fuga espectral. Hann es la opción sensata; la rectangular te enseña el problema; Blackman sirve para sacar un tono flojo de al lado de uno fuerte.

¿Son decibelios de verdad?

Son dBFS, donde cero es una señal digital a fondo de escala. No son dB SPL y no pueden serlo: un navegador no tiene ni idea de qué cápsula ni qué preamplificador tiene delante. Las diferencias y las formas son fiables; el volumen absoluto no es algo que ninguna página web pueda darte con honestidad.

¿Por qué la frecuencia es más precisa que la resolución?

Porque el pico está interpolado. Una parábola ajustada a la banda más alta y sus dos vecinas coloca el pico verdadero entre ellas, y en un tono limpio queda a menos de un hercio aunque las bandas midan doce. La resolución sigue mandando sobre si dos picos pueden separarse: interpolar afina un pico, no parte dos.

¿Puedo analizar un MP3 o un WAV?

Sí. Elige la fuente de fichero y coge lo que tu navegador sepa descodificar, que normalmente es MP3, WAV, OGG, FLAC y M4A. Se reproduce en bucle para que puedas mirar un pasaje corto una y otra vez.

¿Para qué es el espectrograma de abajo?

Son los mismos datos con el tiempo en el eje horizontal, desplazándose de derecha a izquierda, para que veas cómo cambia el sonido y no solo qué es ahora mismo. El habla, el canto de un pájaro o una máquina cogiendo revoluciones se ven ahí de inmediato y son invisibles en un solo cuadro.

¿Por qué mi voz muestra picos a intervalos regulares?

Son armónicos. Una voz o una cuerda vibran a la vez en un fundamental y en múltiplos enteros de él, y el espaciado regular en una vista lineal es la señal delatora. En el eje logarítmico de aquí se van juntando según suben, que es lo mismo visto como lo oye el oído.