Imagem para Som — Sonifique Pixels em Música ou Espectrograma

A maioria das ferramentas populares "image to music" hoje (InsMelo, Mubert, Suno, Artlist) gera músicas completas da sua foto usando IA — elas analisam o clima e a paleta e compõem uma faixa com melodia e bateria. Esta ferramenta, em vez disso, faz sonificação científica: mapeia dados de pixel diretamente para som. O modo Musical adiciona uma escala musical para o resultado parecer música, mas ainda é uma transformação 1:1 da sua imagem, não uma canção composta. Para música composta por IA, procure ferramentas rotuladas como "AI music from image" ou "photo to song with AI".

O modo Musical lê cada fatia de tempo como um perfil de brilho, dobra-o sobre os graus da escala escolhida e faz soar cada grau que se destaca — até oito de uma vez. Melódico, agradável de ouvir, e muda quando a imagem muda. O modo Raw é síntese aditiva: cada pixel vira um parcial senoidal cuja frequência vem da sua linha e cujo volume vem do seu brilho, então o áudio é literalmente o espectrograma da sua imagem — áspero e zumbido, e é o modo para arte de espectrograma. O modo vOICe é a mesma ideia presa a uma especificação exata: 500–5000 Hz, dezesseis degraus de brilho separados por dois decibéis, uma transição estéreo da esquerda para a direita e o clique de varredura, como no sistema de substituição sensorial de mesmo nome.

A imagem é varrida da esquerda para a direita (eixo do tempo). Para cada coluna, os pixels são mapeados de baixo para cima numa faixa logarítmica de frequências (200–4000 Hz). O brilho do pixel controla o volume daquela frequência — pixels brilhantes são altos, escuros são silenciosos. A cor afeta o tipo de onda: cores quentes usam dente de serra, frias usam senoidal e neutras usam triangular.

As de contraste forte e poucas formas grandes. No modo musical, um rosto, um objeto simples ou uma linha de texto produzem uma melodia que você reconhece depois, porque a ferramenta tem regiões claras nítidas para mapear em notas; no modo bruto, padrões geométricos, diagonais e gradientes dão as texturas de espectrograma mais distintas, já que o som aqui é literalmente a forma da imagem. O que quase nada produz, nos dois modos, é o oposto: uma fotografia muito escura não tem regiões claras para soar, e uma uniforme — uma parede, um céu, um fundo desfocado — não tem nada que mude, e a saída fica num zumbido. Se uma imagem soa sem graça, aumente o contraste antes de culpar o modo.

O modo vOICe é o indicado. Ele reproduz o mapeamento do The vOICe — o sistema de substituição sensorial com que pessoas cegas realmente treinam — em vez de apenas se parecer com ele: 500–5000 Hz em eixo exponencial, dezesseis degraus de brilho separados por dois decibéis com o preto como silêncio de verdade, uma transição estéreo da esquerda para a direita para o ouvido distinguir esquerda de direita, e o clique que marca o início de cada varredura. O modo Raw é uma sonificação mais livre e o Musical é agradável mas bem menos informativo. Nenhum dos três substitui leitor de tela ou texto alternativo; eles acrescentam um jeito de perceber forma e disposição pelo ouvido.