Tre passaggi, e il secondo è quello difficile
Ogni software di intonazione, dai più famosi a quelli gratuiti, fa le stesse tre cose: capisce a quale altezza sta cantando la voce in ogni momento, decide a quale altezza dovrebbe essere, e risintetizza l’audio alla nuova altezza.
Il primo passaggio è un problema di ingegneria risolto. Il terzo è un problema di elaborazione del segnale risolto. Il secondo, decidere quale dovrebbe essere la nota, è un giudizio musicale che di default il software formula male, e quasi ogni voce corretta che suona male è conseguenza di quel passaggio, non degli altri due.
Primo passaggio: trovare l’altezza
Un rilevatore di intonazione stima la frequenza fondamentale della voce, di solito diverse centinaia di volte al secondo. Gli approcci classici usavano l’autocorrelazione: far scorrere la forma d’onda su sé stessa per trovare il periodo in cui combacia meglio. I rilevatori moderni usano reti neurali addestrate su audio annotato, e sono nettamente migliori nei casi difficili: canto soffiato, growl, vibrato, il momento in cui una nota comincia.
Il risultato è una curva di intonazione continua, non un elenco di note. La distinzione conta: un buon strumento poi segmenta la curva in note e ti permette di vedere e modificare entrambe. Se non puoi vedere la curva di intonazione, ti stai fidando alla cieca della segmentazione dello strumento, ed è nella segmentazione che sbaglierà i tuoi melismi.
I rilevatori sbagliano in modo prevedibile con gli errori di ottava, segnalano una nota spostata di un’ottava, e con il materiale che non è una sola voce chiara. Dagli una voce raddoppiata o una voce con molti rientri e avrà due fondamentali tra cui scegliere, senza modo di sapere quale intendevi. Quando l’unica sorgente è un mix finito, separare prima la voce è ciò che rende possibile il rilevamento.
Secondo passaggio: decidere la nota di destinazione
Ora lo strumento deve decidere quale dovrebbe essere ogni nota. La risposta ingenua, e quella predefinita nella maggior parte dei software, è la nota più vicina della scala cromatica.
Quella scelta predefinita è sbagliata la maggior parte delle volte, ed ecco perché. Se la canzone è in La minore e chi canta punta a un Do ma arriva un po’ calante, la nota cromatica più vicina potrebbe essere un Si. Il correttore porterà con sicurezza la nota a Si, producendo qualcosa che non è intonato con niente e che è sbagliato in un modo molto più evidente della nota calante di partenza.
Per questo dovresti sempre dirgli la tonalità. Meglio ancora:
- Imposta la scala reale, così le note fuori tonalità non sono disponibili come destinazione.
- Escludi le note che la melodia non usa. Se chi canta non canta mai un Fa♯, toglierlo dalle note di destinazione elimina un’intera categoria di errori.
- Usa una traccia accordi, se lo strumento la supporta, così la destinazione segue l’armonia invece di una scala fissa. La nota giusta alla battuta 3 non è la nota giusta alla battuta 11.
- Proteggi le note volute. Una blue note, una nota in bending, una nota presa dal basso di proposito: sono l’interpretazione stessa. Un software di intonazione bloccato su una scala le «correggerà» tutte.
Terzo passaggio: spostare l’altezza
Una volta nota la destinazione, l’audio va renderizzato di nuovo alla nuova altezza senza cambiarne la durata. Lo fanno due famiglie di tecniche.
I metodi nel dominio del tempo, PSOLA e i suoi parenti, tagliano la forma d’onda in brevi grani allineati ai periodi della fondamentale e li riassemblano con una spaziatura diversa. Una spaziatura più stretta alza l’altezza, una più larga la abbassa, e ripetere o eliminare dei grani mantiene invariata la durata. Costa poco in termini di calcolo e suona in modo eccellente per piccoli spostamenti su materiale monofonico, che è esattamente il caso della correzione dell’intonazione.
I metodi basati su vocoder e su modelli scompongono il segnale in un inviluppo spettrale e un’eccitazione, modificano la frequenza dell’eccitazione e risintetizzano. Più costosi, più flessibili, e migliori sugli spostamenti grandi e nel manipolare le formanti in modo indipendente.
Per le piccole correzioni che costituiscono la maggior parte del lavoro di intonazione, qualche decina di cent, la scelta conta molto meno di ciò che gli hai chiesto di fare nel secondo passaggio.
Il controllo che conta è la velocità di correzione
È la cosa più utile da capire su questi strumenti, e viene regolarmente confusa con l’intensità della correzione.
L’intensità è quanto una nota si sposta verso la sua destinazione. La velocità di correzione (retune speed) è quanto in fretta ci arriva, una volta che lo strumento ha deciso di spostarla.
Una voce umana non arriva a un’altezza all’istante. Ci scivola dentro, la supera di poco, si assesta e aggiunge il vibrato. Quei passaggi portano un’enorme quantità dell’espressione di un’esecuzione: il portamento tra due note è spesso la cosa più umana di una frase.
Imposta una velocità di correzione lenta e il correttore aspetta, lascia che lo scivolamento avvenga in modo naturale e si limita a spingere appena la parte tenuta della nota. Il risultato è trasparente: chi canta suona intonato e nient’altro è cambiato.
Imposta la velocità di correzione a zero e ogni passaggio viene quantizzato. La voce salta tra altezze esatte senza alcuno scivolamento, e siccome le voci umane non lo fanno mai, l’orecchio lo riconosce subito come elaborazione. È il famoso effetto: ed è un effetto voluto, usato di proposito, non un effetto collaterale di una correzione troppo spinta.
Quindi: una correzione forte con velocità lenta è trasparente. Una correzione debole con velocità istantanea è chiaramente elaborata. Se una voce corretta suona robotica e non lo volevi, è la velocità di correzione che devi cambiare.
Le formanti, e perché le voci corrette suonano come scoiattoli
In una voce succedono due cose indipendenti. Le corde vocali producono una frequenza fondamentale: l’altezza. Gola, bocca e naso poi filtrano quel suono, enfatizzando certe regioni di frequenza chiamate formanti. Le formanti sono ciò che rende una «i» diversa da una «a», e le loro posizioni dicono anche a chi ascolta, più o meno, quanto è grande chi parla.
Se sposti verso l’alto l’intero segnale in frequenza, come farebbe un ingenuo cambio di velocità, le formanti si muovono insieme all’altezza, e chi ascolta non sente una nota più alta ma una persona più piccola. È l’effetto «chipmunk», la voce da scoiattolo.
Una buona correzione dell’intonazione preserva le formanti: sposta la fondamentale e lascia l’inviluppo spettrale dov’era, così chi canta sembra la stessa persona che canta un’altra nota. Per i piccoli spostamenti di un’intonazione normale conta poco. Per spostamenti di diversi semitoni conta enormemente, e per quelli uno strumento senza preservazione delle formanti è inutilizzabile.
Lo spostamento delle formanti esiste anche come controllo a sé, da usare di proposito: ed è così che fai sembrare una voce più grande o più piccola apposta, indipendentemente dalla sua altezza.
Da dove vengono gli artefatti
- Rilevamento sbagliato. Se il rilevatore ha letto male l’altezza, la correzione viene applicata rispetto a una lettura sbagliata, e il risultato è sbagliato con sicurezza. I passaggi soffiati e quelli molto sommessi sono i soliti colpevoli.
- Spostamenti grandi. Ogni tecnica di risintesi peggiora con la distanza. Un semitono non è niente; cinque semitoni su una nota tenuta cominciano a suonare sintetici. Se una take è sempre molto lontana, ricantala.
- Consonanti. Sibilanti e plosive non hanno un’altezza degna di questo nome, e un correttore che prova a intonarle produce una sbavatura caratteristica. I buoni strumenti riconoscono le parti non vocalizzate e le lasciano stare. Le sibilanti aspre sono un altro lavoro ancora, e appartengono alla fase di restauro, dopo l’intonazione e non prima.
- Rientri. Una traccia vocale con rientri dalla stanza, o una voce estratta da un mix, dà al rilevatore due cose insieme. Intonare la più forte delle due si trascina dietro l’altra.
- Combattere il vibrato. Il vibrato è una modulazione d’altezza deliberata; una velocità di correzione rapida lo legge come un errore e lo appiattisce. Alcuni strumenti separano il vibrato dalla deriva dell’intonazione, così puoi correggere l’una e tenere l’altro, ed è il modo giusto di progettarli.
Come usarla bene
- Parti dalla take migliore che riesci a ottenere. La correzione sistema l’intonazione. Non sistema fraseggio, tempo, timbro o convinzione, che sono ciò che rende davvero buona una voce: e la maggior parte di ciò che va storto al microfono dopo non si può correggere affatto.
- Imposta sempre tonalità e scala. La scala cromatica predefinita è all’origine della maggior parte dei cattivi risultati.
- Rallenta la velocità di correzione, a meno che tu non voglia proprio l’effetto.
- Correggi le note stonate, non tutte le note. La maggior parte degli strumenti elabora volentieri un’intera take; la maggior parte delle take ha quattro o cinque note che ne hanno bisogno.
- Ascolta nel contesto. Una voce in solo rivela ogni artefatto. Una voce nel mix rivela quali sentirà davvero qualcuno: e se, con l’intonazione ormai pulita, ancora non sta al suo posto, di solito è una questione di EQ.
- Conserva la take originale. Una settimana dopo vorrai confrontare, e a volte preferirai l’originale.
Un’ultima nota sui nomi: la tecnica si chiama correzione dell’intonazione, o intonazione vocale, e uno strumento che la esegue è un software di intonazione. Non è Auto-Tune (che nella maggior parte delle ricerche si scrive «autotune»): quello è un prodotto specifico, di Antares, e usarne il nome per l’intera categoria è impreciso, oltre che l’uso di un loro marchio. Cos’è davvero Auto-Tune parla proprio di quel prodotto: da dove viene, e perché il famoso effetto robotico è un’impostazione di velocità e non il suono di una correzione spinta.
Continua a leggere