QuietTake

Tapar un fragmento con un pitido

El nombre de una fuente. Una dirección leída en voz alta. Un teléfono que alguien dijo sin pensar. Esta página trata de cubrir un fragmento de una grabación con un pitido: qué se sustituye exactamente, qué queda intacto y por qué es usted quien decide dónde ocurre.

Lo marca usted; nosotros no lo adivinamos

Las demás herramientas para esto anuncian detección automática: transcriben la grabación, encuentran las palabras y ofrecen taparlas. Nosotros no hacemos eso, y vale la pena leer el motivo antes de elegir herramienta.

La detección automática necesita una marca de tiempo por palabra. Para silenciar una palabra sin silenciar la frase entera, algo tiene que saber dónde empieza y dónde acaba esa palabra, con una precisión de centésimas de segundo. En inglés los modelos de transcripción la dan. Fuera del inglés, a menudo no: medimos whisper-base en chino y las marcas venían con granularidad de frase — un solo enunciado de 3,8 segundos llegó como un único tramo de 0,78 a 4,62. Dentro de ese tramo no se puede tapar un nombre; solo se puede tapar la frase completa.

Eso vale para el único modelo que medimos, no para todos los que existen. Pero basta para decidir el diseño: una función automática que funciona bien en un idioma y mal en otro es peor que no tenerla, porque mirando el resultado no se puede saber en qué caso está.

Así que el fragmento lo marca usted. Lleva más tiempo, y a cambio no hay fallos por omisión, ni falsos positivos, ni un idioma que funcione peor que otro: aquí no hay ningún paso de idioma, porque no hay ningún paso de transcripción.

Qué sustituye al fragmento

Un pitido de 1 kHz, el sonido que usa la televisión precisamente para esto. No silencio.

Esa elección es de significado, no de calidad de audio. Un hueco en silencio es ambiguo: quien escucha no sabe si algo se tapó a propósito o si el archivo está roto, el montaje salió mal o el micrófono se cortó. Un pitido dice una sola cosa, y la dice sin lugar a dudas.

Su nivel se sitúa en torno a la mitad del nivel de su grabación. Un tono puro al mismo nivel medido que la voz resulta mucho más penetrante que la voz, así que no puede simplemente igualarlo; cuánto bajarlo solo se juzga de oído, y así se eligió el ajuste actual.

Los bordes, y por qué importan

Donde el pitido se junta con su audio, los dos tienen que unirse sin un escalón en la onda. Si no, se oye un clic — y un clic en cada extremo es en sí mismo una señal: le indica a cualquiera el instante exacto en que se quitó algo, que es lo contrario de lo que usted vino a buscar.

Por eso el pitido empieza y acaba en cero, y los cuatro milisegundos de audio de cada lado se funden con él. Cuatro milisegundos es poco para que se oiga el fundido y bastante para que en la unión no haya nada que oír: el salto en la costura queda uno o dos órdenes de magnitud por debajo de los mayores saltos entre muestras consecutivas que ya se dan de forma natural en el mismo archivo.

El fundido se come una brizna del audio que usted conserva, nunca del fragmento que está cubriendo. Fundir el lado cubierto dejaría escapar sus primeros milisegundos a bajo volumen. Cuatro milisegundos de una sílaba no son inteligibles, pero este no es un sitio para acertar aproximadamente.

La duración no cambia

La salida tiene exactamente tantas muestras como la entrada. No hay opción de recortar el fragmento, y es deliberado: acortar el audio desincronizaría cada fotograma posterior a ese punto.

Justo porque la duración se conserva, un vídeo sigue funcionando. La imagen se copia sin tocarla, el audio dura lo mismo que siempre y el movimiento de los labios sigue cayendo donde caía. En limpiar el audio de un vídeo se explica cómo se tratan imagen y sonido.

Sobre el archivo completo, en su navegador

El pitido se aplica mientras el archivo pasa en flujo: se lee un bloque, se limpia un bloque, se escribe un bloque. Así que no hay ningún límite de duración que esquivar: una entrevista de cuarenta minutos se trata igual que una de dos, y su archivo no se envía a ninguna parte. En quitar el ruido de fondo se explica cómo funciona la limpieza y qué puede y qué no puede hacer.

Una consecuencia de esa forma conviene saberla: los fragmentos se marcan antes de que empiece el proceso, escuchando su propio archivo original. No hay un paso en el que escuche el resultado terminado y luego señale algo dentro de él; a esas alturas la salida ya se ha escrito.

Lo que esto no hace