Imagen a sonido — Sonifica píxeles en música o espectrograma

La mayoría de las herramientas populares "image to music" actuales (InsMelo, Mubert, Suno, Artlist) generan canciones completas a partir de tu foto usando IA — analizan el ambiente y la paleta y componen una pista con melodía y batería. Esta herramienta en su lugar hace sonificación científica: mapea los datos de píxeles directamente a sonido. El modo Musical añade una escala musical para que el resultado parezca música, pero sigue siendo una transformación 1:1 de tu imagen, no una canción compuesta. Para música compuesta por IA, busca herramientas etiquetadas como "AI music from image" o "photo to song with AI".

El modo Musical lee cada porción de tiempo como un perfil de brillo, lo pliega sobre los grados de la escala elegida y hace sonar cada grado que destaca — hasta ocho a la vez. Melódico, escuchable, y cambia cuando cambia la imagen. El modo Raw es síntesis aditiva: cada píxel se vuelve un parcial senoidal cuya frecuencia sale de su fila y cuyo volumen de su brillo, así que el audio es literalmente el espectrograma de tu imagen — áspero y zumbante, y el modo para el arte de espectrograma. El modo vOICe es la misma idea sujeta a una especificación exacta: 500–5000 Hz, dieciséis pasos de brillo separados por dos decibelios, una transición estéreo de izquierda a derecha y el clic de barrido, como en el sistema de sustitución sensorial del mismo nombre.

La imagen se escanea de izquierda a derecha (eje del tiempo). Para cada columna, los píxeles se mapean de abajo arriba sobre un rango logarítmico de frecuencias (200–4000 Hz). El brillo del píxel controla el volumen de esa frecuencia — los píxeles brillantes son fuertes, los oscuros silenciosos. El color afecta el tipo de onda: cálidos = sierra, fríos = senoidal, neutros = triangular.

Las de contraste fuerte y pocas formas grandes. En modo musical, una cara, un objeto simple o una línea de texto producen una melodía que luego reconoces, porque la herramienta tiene regiones claras nítidas que asignar a notas; en modo crudo, los patrones geométricos, las diagonales y los degradados dan las texturas de espectrograma más características, ya que aquí el sonido es literalmente la forma de la imagen. Lo que casi no produce nada, en ambos modos, es lo contrario: una fotografía muy oscura no tiene regiones claras que suenen, y una uniforme —una pared, un cielo, un fondo desenfocado— no tiene nada que cambie, y la salida zumba. Si una imagen suena sosa, sube el contraste antes de culpar al modo.

El modo vOICe es el indicado. Reproduce la correspondencia de The vOICe — el sistema de sustitución sensorial con el que las personas ciegas realmente se entrenan — en lugar de solo parecerse a ella: 500–5000 Hz en eje exponencial, dieciséis pasos de brillo separados por dos decibelios con el negro como silencio real, una transición estéreo de izquierda a derecha para que el oído distinga izquierda de derecha, y el clic que marca el inicio de cada barrido. El modo Raw es una sonificación más libre y el Musical es agradable pero mucho menos informativo. Ninguno de los tres sustituye a un lector de pantalla ni al texto alternativo; añaden una forma de percibir forma y disposición por el oído.