Tu rango no es tu voz: la matemática oculta detrás de encajar un cantante con una canción

Pregúntale a alguien sobre su voz para cantar y, si sabe algo, te va a dar dos notas: "llego de E3 a C5". Nota más baja, nota más alta. Listo.

Esta es la verdad incómoda desde la ciencia de la voz: esos dos números sirven de poco para predecir si esa persona realmente puede cantar bien una canción dada. Dos cantantes con rangos idénticos pueden tener experiencias completamente distintas con el mismo coro: uno flota a través de él, el otro se aferra a cada frase. La matemática interesante vive en todo lo que ese resumen de dos números deja fuera.

Primero, convierte notas en números

Para hacer matemática con voces, necesitamos el tono como un número, y la escala más limpia es el número de nota MIDI: el sistema de numeración que el software musical ha usado por décadas. El Do central es 60. Cada semitono (una tecla de piano) suma 1. Cada octava suma 12. El La sobre el Do central, la nota a la que las orquestas afinan a 440 Hz, es MIDI 69.

Convertir una frecuencia en hercios a un número MIDI toma una fórmula:

m = 69 + 12 · log₂(f / 440)

En palabras simples: toma tu frecuencia, pregunta "¿a cuántas duplicaciones de 440 Hz está esto?" (eso es lo que hace el logaritmo), multiplica por 12 porque una octava (una duplicación) contiene 12 semitonos, y súmalo a 69, el número para 440 Hz mismo. Canta un La3 a 220 Hz (exactamente la mitad de 440) y la fórmula da 69 + 12 · (−1) = 57. Cada octava es un paso limpio de 12.

Esto importa porque la percepción humana del tono es logarítmica. La distancia de 220 Hz a 440 Hz suena igual que la distancia de 440 Hz a 880 Hz, aunque una brecha mide 220 Hz de ancho y la otra 440 Hz. Los números MIDI incorporan eso en la escala, así que "distancia entre notas" por fin significa lo que tu oído cree que significa. De aquí en adelante, una voz es un conjunto de números en una línea, y podemos hacer geometría real con ella.

Rango vs. tesitura: dónde vive una voz

A un cantante famoso le acreditan un rango de cuatro octavas y suena sobrehumano: 48 semitonos de territorio. Pero observa lo que esa voz hace a lo largo de un concierto entero y aparece una imagen distinta: la gran mayoría de las notas cantadas caen dentro de una banda de apenas una octava de ancho. Las cuatro octavas son el terreno; la única octava es el hogar.

Los científicos de la voz llaman a esa base tesitura: la región donde una voz se siente cómoda, hora tras hora, sin esfuerzo. Y la forma honesta de encontrarla es estadística. Graba todo lo que canta una persona, convierte cada tono a un número MIDI, y acumula los números en un histograma. No vas a ver una meseta plana de la nota más baja a la más alta. Vas a ver una montaña: un pico denso donde vive la voz, y colas largas y delgadas de notas que se tocaron una sola vez, con todo el compromiso, en un buen día.

El rango es la distancia entre los dos puntos más extremos de esa montaña, los dos datos menos representativos que esa voz produjo jamás. La tesitura es el centro grueso de la distribución. Si quieres saber si una canción se va a sentir cómoda, el centro es lo que importa.

Los percentiles le ganan a los extremos

Esta es la misma razón por la que los estadísticos desconfían de los mínimos y máximos en todas partes: los extremos son ruidosos y poco representativos. Un grito en una fiesta de cumpleaños técnicamente extiende tu "rango" tres semitonos. No mueve tu mediana (la nota en la que estás más seguido) en absoluto.

Así que en vez de preguntar "¿cuál es la nota más alta que has dado jamás?", la mejor pregunta es: "¿sobre qué nota estás la mitad del tiempo?" (la mediana), y "¿dónde cae la mitad de en medio de tus notas?" (la banda entre el percentil 25 y el 75). Un cantante cuya distribución de tono tiene su mediana en Mi4, con la mitad de en medio de su canto entre Do4 y Sol4, es un instrumento fundamentalmente distinto de un cantante con el mismo rango de E3 a C5 cuya mediana está en La3 (aunque una comparación de solo rango diga que son idénticos).

Las canciones también tienen distribuciones. Una canción no es "F3 a B4"; es una melodía que quizás pasa el 80% de su tiempo entre La3 y La4 con dos breves salidas. Un coro que se queda en La4 durante cuatro compases es una exigencia completamente distinta a un coro que toca La4 una sola vez de paso. Cuando comparas la distribución del cantante contra la distribución de la canción (montaña contra montaña), por fin estás comparando lo que realmente choca en el escenario.

Timbre: por qué rangos idénticos no suenan nada parecido

Ahora la dimensión que el rango no puede ver en absoluto. Dos cantantes dan exactamente el mismo La3. Uno suena cálido y amaderado; el otro suena brillante y cortante. Mismo tono, mismo volumen. Voces inconfundiblemente distintas. Esa diferencia es el timbre, y es medible.

Cuando cantas una nota, no estás produciendo una sola frecuencia. Produces la fundamental (la nota misma) más toda una escalera de sobretonos encima de ella, y la forma en que la energía se distribuye en esa escalera es la huella de tu voz. El resumen clásico de un solo número es el centroide espectral: el centro de masa de toda esa energía. Imagina el espectro de frecuencias como un objeto físico y pregunta dónde se equilibra. Una voz con mucho brillo en los sobretonos altos se equilibra arriba: lo escuchamos como brillante. Una voz cuya energía se concentra cerca de la fundamental se equilibra abajo: escuchamos calidez, oscuridad, terciopelo.

Por eso "tienes el mismo rango que este cantante famoso" tan seguido decepciona. Igualar el territorio de tono mientras se ignora dónde está la energía espectral es como igualar dos pinturas por el tamaño de su marco. Una canción hecha para entregarse con un tono brillante y cortante va a pelear con una voz cálida y oscura aunque cada nota sea alcanzable. Y al revés también.

El vibrato: el temblor también es dato

Hasta la nota sostenida más estable no es una línea plana. El canto sostenido oscila suavemente alrededor del tono objetivo (vibrato) y resulta ser hermosamente cuantificable con dos números.

Velocidad, medida en hercios: cuántas veces por segundo tiembla el tono. Los cantantes entrenados suelen estar entre 5 y 7 Hz; un vibrato de 6.5 Hz significa que el tono sube y baja seis veces y media cada segundo.

Extensión, medida en centésimas: qué tanto se aleja el temblor del centro. Una centésima es 1/100 de un semitono: una unidad tan fina que mide desviaciones que ningún oyente podría nombrar pero que todo oyente puede sentir. Un vibrato típico puede oscilar más o menos 40 a 60 centésimas, lo que significa que el tono orbita dentro de aproximadamente medio semitono de su objetivo. Por debajo de unas 30 centésimas se lee como un brillo; pasando las 100 centésimas empieza a leerse como un temblor.

Dos voces con rangos idénticos y brillo similar aún pueden diferir aquí: una con un aleteo rápido y angosto, otra con una onda lenta y ancha. El material que favorece a una puede exponer a la otra. Es otro eje medible en el que voces del "mismo rango" resultan ser instrumentos distintos.

La frontera: voces como puntos en el espacio

Todo lo anterior reduce una voz a un puñado de números interpretables: una mediana aquí, un centroide allá. El enfoque moderno va más lejos: representa una voz entera como un solo punto en un espacio de cientos de dimensiones, una incrustación de voz (voice embedding), donde cada dimensión captura algún aspecto aprendido del carácter vocal.

No puedes imaginar un espacio de 256 dimensiones, pero la intuición sobrevive en dos: piensa en cada voz como un alfiler en un mapa, colocado de modo que las voces parecidas caigan cerca unas de otras. Las contraltos graves y ahumadas se agrupan en un barrio; los tenores brillantes y ágiles se reúnen en otro. La distancia en el mapa significa disimilitud de voz.

Para comparar dos voces, mides el ángulo entre ellas: una cantidad llamada similitud del coseno. Dos voces que apuntan casi en la misma dirección desde el origen puntúan cerca de 1: mismo barrio, mismo carácter. Voces sin relación puntúan cerca de 0. Y aquí es donde encajar deja de ser aritmética y se convierte en geometría: "quién suena como tú" se convierte en "quién está cerca de ti en el espacio", una pregunta con una respuesta precisa y calculable. Si tu voz cae cerca de la de un artista en particular, las canciones hechas para esa voz tienen una probabilidad estadística de encajar con la tuya. No porque tus rangos coincidan, sino porque todo lo demás sí.

El resumen de dos números nunca fue la historia completa

Entonces una voz, medida correctamente, no es un par de extremos. Es una distribución de tono con una mediana y un centro cómodo; un punto de equilibrio espectral que define su color; una velocidad y extensión de vibrato que dan forma a su textura; y una posición en un espacio de muchas dimensiones que captura el carácter que ningún número por sí solo puede. Si puedes cantar una canción es una pregunta sobre cómo se alinea todo eso con la distribución y el carácter propios de la canción. Por eso el clásico de karaoke que "encaja con tu rango" aún puede ser un desastre, y la canción que nunca consideraste puede sentirse hecha a la medida.

El rango es el dato menos interesante de tu voz. La matemática de todo lo demás es donde vive la respuesta.

(Este es el tipo de análisis que nos obsesiona en HumMatch, donde tararear tres notas construye un perfil medido de tu voz y lo compara contra miles de canciones.)