O que é realmente o Auto-Tune

O Auto-Tune é um produto, não uma técnica

O Auto-Tune é um software específico que corrige a afinação de uma voz gravada, criado pela Antares Audio Technologies, que detém a marca registrada. Não é o nome do processo. O processo se chama correção de afinação, ou afinação vocal, e muitos produtos fazem isso: o Auto-Tune foi simplesmente o primeiro que funcionou bem o bastante para ficar famoso, e o nome dele grudou na categoria inteira, como em inglês o nome Hoover grudou nos aspiradores de pó.

Essa distinção importa mais do que parece, porque quase sempre o que as pessoas querem dizer com “autotune” não é correção de afinação. Elas querem dizer um ajuste extremo específico dela: o som duro, em degraus, sintético, dos discos de Cher, T-Pain e mil imitadores. A correção de afinação comum, usada como a maioria dos discos a usa, é completamente inaudível, e está em muito mais música do que você imaginaria.

Então, na verdade, são três coisas diferentes dividindo uma palavra: o produto da empresa, a técnica em geral e um efeito famoso que o produto consegue gerar, mas que raramente lhe pedem. O mecanismo por trás das três é o mesmo, e vale a pena entendê-lo uma vez.

Dados sísmicos, e depois um disco da Cher

O Auto-Tune foi inventado por Andy Hildebrand, um engenheiro de pesquisa que tinha passado a carreira na indústria do petróleo trabalhando com dados sísmicos: mandando som para dentro da terra e interpretando as reflexões para encontrar jazidas. A ferramenta matemática para esse trabalho é a autocorrelação: deslizar um sinal contra ele mesmo para encontrar o intervalo em que ele melhor se repete.

Um intervalo que se repete numa onda de choque refletida diz algo sobre a rocha. A mesma medição numa voz humana diz a altura, porque a altura é a taxa com que uma forma de onda se repete. Hildebrand percebeu que a técnica servia também para isso, e a Antares lançou o Auto-Tune em 1997.

A intenção era a transparência: corrigir uma nota um pouco abaixo da afinação e deixar todo o resto em paz. O que o tornou famoso foi alguém girar tudo até o máximo. “Believe”, da Cher, em 1998, usou o ajuste mais extremo do controle de velocidade de correção, produzindo uma voz que saltava entre alturas exatas, sem nenhum deslize humano entre elas. A princípio, os produtores atribuíram o som a um pedal de vocoder. Era o Auto-Tune, e em menos de uma década T-Pain tinha construído uma carreira com o mesmo ajuste, e Kanye West tinha feito um álbum a partir dele.

Uma ferramenta feita para passar despercebida ficou famosa por ser extremamente perceptível, e é por isso que a palavra hoje significa o contrário daquilo para que o software foi feito.

O que ele faz com uma voz

São três etapas, e são as mesmas três em todo produto desse tipo. O software descobre em que altura a voz está cantando a cada instante; decide em que altura aquela nota deveria estar; e renderiza de novo o áudio na altura corrigida, sem mudar o timing.

A primeira e a terceira etapas são problemas de engenharia resolvidos. A etapa do meio é um julgamento musical, e é dela que vem quase toda voz afinada que soa mal. No padrão, o software mira a nota mais próxima de uma escala cromática: os doze semitons disponíveis o tempo todo. Se um cantor mira um Dó, mas chega um pouco abaixo da afinação, a nota cromática mais próxima pode ser um Si, e o software vai puxar a nota para Si com toda a confiança: agora firmemente afinada com nada, e muito mais errada do que estava quando só estava um pouco abaixo.

Informar o tom da música elimina esse tipo de falha por completo. A explicação completa das três etapas trata da escolha de escala, das trilhas de acordes e de por que a preservação de formantes é o que impede uma nota deslocada de soar como uma pessoa menor.

O efeito robótico vem de um único controle

Esta é a coisa mais útil de saber sobre essas ferramentas, e é quase universalmente mal entendida: o som famoso não é resultado de afinar uma voz com força demais. É resultado de afiná-la rápido demais.

Há dois controles diferentes envolvidos. A intensidade, o quanto uma nota se move em direção ao alvo. A velocidade de correção (retune speed): a rapidez com que ela chega lá depois que o software decide movê-la.

Uma voz humana nunca chega a uma altura instantaneamente. Ela desliza de baixo, passa um pouco do ponto, se acomoda e acrescenta vibrato. Essas transições carregam a maior parte da expressão de uma frase; o portamento entre duas notas muitas vezes é a coisa mais humana de uma voz.

Com a velocidade de correção lenta, o software espera o deslize passar e corrige só o meio sustentado da nota. Ninguém ouve nada além de um cantor afinado. Com a velocidade de correção em zero, toda transição é quantizada: a voz salta entre alturas exatas, sem deslize nenhum. Como vozes humanas fisicamente não conseguem fazer isso, o ouvido identifica na hora que é uma máquina.

O que significa que uma correção forte e lenta é transparente, e uma correção suave e instantânea soa inconfundivelmente processada. Se uma voz afinada soa robótica e você não queria isso, o controle a mudar é a velocidade de correção, não a intensidade.

Automático e manual são trabalhos diferentes

Os produtos dessa categoria em geral oferecem duas formas de trabalhar, e elas servem para problemas diferentes.

• •Automático. Você define um tom e uma escala, e o software corrige tudo em tempo real de acordo com eles. Rápido, útil para uma voz provisória ou para o efeito proposital, e indiscriminado: ele vai “corrigir” uma blue note, um bend proposital e um ataque por baixo da nota junto com os erros de verdade.
• •Manual ou gráfico. O software desenha a curva de afinação que detectou, e você a edita nota por nota, movendo só o que está errado. Mais lento, e a única maneira de afinar uma performance sem achatar as partes dela que eram intencionais.

A maior parte da afinação profissional é do segundo tipo, aplicada a quatro ou cinco notas de um take, e não ao take inteiro. Se uma ferramenta não mostra a curva de afinação, você está confiando às cegas na segmentação de notas dela: e é justamente na segmentação que ela vai interpretar errado um melisma. A afinação vocal da Euphona segmenta as notas sobre a curva detectada e reinicia a correção a cada ataque por esse motivo, com uma correção suave como padrão, e não uma instantânea.

O resto da categoria

O Auto-Tune é um produto entre muitos, e dar o nome dele à categoria esconde algumas diferenças reais de abordagem.

• •Celemony Melodyne leva a abordagem gráfica mais longe, e consegue separar notas individuais dentro de um acorde: um recurso de outra natureza, diferente de corrigir uma única linha monofônica.
• •Ferramentas nativas da DAW. O Logic, o Cubase e a maioria dos outros grandes programas já vêm com um editor de afinação. Para corrigir um punhado de notas, eles costumam bastar, e você já os tem.
• •Ferramentas de alinhamento cuidam do problema vizinho, o do timing: alinhar uma dobra ou uma harmonia a um take principal, e não a um grid, que em geral é para isso que uma dobra serve.
• •Afinadores baseados em modelos, incluindo o nosso, colocam um detector de afinação neural na frente do estimador clássico, em vez de depender só da autocorrelação. A diferença aparece no material difícil (voz soprosa, drive, os primeiros milissegundos de uma nota), onde o rastreamento clássico erra a oitava. Eles também costumam ser cobrados por uso, e não por licença, então a comparação com uma licença perpétua é uma questão de quanto você afina, e não uma conta simples.

Nenhum desses é o Auto-Tune, e nenhum deveria ser chamado assim. Eles são corretores de afinação, e o Auto-Tune é da Antares.

Como conseguir o efeito de propósito

O som robótico é uma escolha de produção legítima, com trinta anos de história, e é fácil errar mirando no controle errado.

• •Velocidade de correção em zero. O efeito é isso. Todo o resto é secundário.
• •Defina uma escala estreita. Os degraus só são audíveis se estiverem longe uns dos outros. Uma escala cromática dá à voz doze alvos próximos, e os saltos ficam pequenos o bastante para se perder; a escala maior ou menor da música dá sete, e uma pentatônica, menos ainda. O efeito fica mais forte à medida que você tira notas.
• •Cante mais reto do que parece natural. O efeito aparece melhor numa performance com pouco vibrato e saltos de intervalo largos e decididos, porque o software tem algo óbvio para encaixar.
• •Mantenha a voz seca, ou processe depois. Um reverb gravado antes do afinador confunde o detector de afinação. Afine primeiro e trate depois: e, se o take já chegou com sala, a redução de reverb vem antes do afinador, não depois.

O efeito é tanto uma decisão de mixagem quanto vocal, e se comporta de outro jeito depois que a faixa está pronta: vozes com efeito robótico são densas e brilhantes, e o que um master ainda consegue mudar nisso é menos do que as pessoas esperam.

Afinar sem que ninguém perceba

O objetivo oposto, e o que a maioria dos discos de fato quer.

• •Parta do melhor take. A correção conserta a afinação. Não conserta fraseado, timing, timbre nem convicção, e são essas coisas que fazem uma voz ser boa: a maior parte do que dá errado no microfone nem tem como ser corrigida depois.
• •Sempre defina o tom e a escala. O padrão cromático causa a maioria dos maus resultados.
• •Diminua a velocidade de correção, a não ser que você queira justamente o efeito.
• •Corrija as notas que estão erradas. A maioria dos takes tem quatro ou cinco que precisam disso; a maioria dos softwares vai processar todas, de bom grado.
• •Proteja o vibrato. O vibrato é uma modulação deliberada da altura, e uma correção rápida o lê como erro e o achata.
• •Julgue na mixagem. Uma voz em solo revela cada artefato; uma voz dentro da faixa revela os que alguém vai de fato ouvir. Se a voz está brigando com o arranjo, e não com a afinação, isso é um problema de EQ, não de afinação.
• •Guarde o take original. Uma semana depois você vai querer comparar, e às vezes vai preferir o original.

Um caso merece um alerta à parte: afinar uma voz que ainda está dentro de uma mixagem estéreo pronta. O detector precisa lidar com todos os outros instrumentos e vai seguir a fonte com altura definida mais forte que encontrar. Separar a voz primeiro torna isso viável: embora uma voz extraída e somada de novo nunca seja exatamente igual ao take original, pelos motivos que os próprios limites da separação descrevem. Se você tiver o multitrack, use-o. Se só quer saber se a separação está limpa o bastante para valer a pena afinar, o removedor de voz, que separa em dois stems e que você ouve grátis, responde isso em poucos minutos, sem conta.

Autotune, auto-tune, Auto-Tune

As três grafias são de uso comum, e não significam exatamente a mesma coisa. O produto é Auto-Tune, com maiúsculas e hífen, e pertence à Antares. Autotune, numa palavra só e em minúsculas, é o que a maioria das pessoas digita quando quer dizer o efeito ou a prática em geral. Auto-tune, como verbo em inglês, significa aplicar o processo.

Nós usamos “correção de afinação” e “afinação vocal” para a técnica e chamamos a nossa própria ferramenta de afinador vocal, porque esses são os termos precisos, e o nome da marca não nos pertence. Se você chegou aqui buscando a outra palavra, é isto que você estava procurando: e o guia Como a correção de afinação realmente funciona dá a resposta mais longa sobre como isso funciona.