Cara Mengubah Pitch Suara Anda Secara Real-Time
Vocal pitch changer adalah salah satu tool yang terdengar sepele sampai Anda benar-benar mencoba membangunnya — kemudian Anda menyadari berapa banyak signal processing yang berada di antara “naikkan pitch” dan “masih terdengar seperti manusia”. Baik Anda menginginkan suara radio yang lebih dalam untuk streaming, nada yang lebih tinggi untuk karakter, atau hanya ingin memahami apa yang dilakukan software streaming Anda di balik layar, panduan ini mencakup gambaran lengkapnya: teori DSP, pengaturan yang benar-benar penting, dan pengaturan langkah demi langkah praktis di VoxBooster untuk Discord, game, dan OBS.
TL;DR
- Pitch shifting mengubah frekuensi tanpa mengubah kecepatan — perbedaan ini penting untuk latency dan kualitas.
- Algoritma phase-vocoder dan time-domain masing-masing memiliki tradeoff; mengetahui mana yang digunakan tool Anda menjelaskan artefak yang Anda dengar.
- Semitone adalah unit yang tepat; ±3–6 semitone mencakup sebagian besar perubahan suara yang realistis.
- Formant correction bukan opsional jika Anda ingin terdengar manusiawi.
- VoxBooster mendaftarkan mic virtual standar (WASAPI, tidak ada driver kernel) yang dapat dipilih aplikasi apa pun.
- Latency sub-10 ms dapat dicapai pada hardware modern dengan pengaturan buffer yang tepat.
Apa yang Sebenarnya Dilakukan Pitch Shifting
Ketika Anda mempercepat rekaman kaset, pitch naik. Perlambat, pitch turun. Hubungan antara kecepatan dan pitch itu adalah pendekatan naif — dan tidak berguna untuk pekerjaan suara real-time karena juga merentangkan atau mengompresi waktu, membuat pidato tidak dapat dipahami.
Pitch shifting nyata memisahkan pitch dari waktu. Sinyal dibagi menjadi segmen pendek yang tumpang tindih, setiap segmen bergeser frekuensi (baik melalui manipulasi spektral di domain frekuensi atau melalui trik tingkat pemutaran di domain waktu), dan segmen dijahit kembali bersama pada tempo asli. Pendengar mendengar suara yang berubah pitch persis dengan kecepatan Anda berbicara.
Pemisahan ini adalah seluruh tantangan teknis. Ini juga mengapa pitch shifting berkualitas tinggi memiliki biaya CPU non-trivial dan mengapa implementasi murah menghasilkan artefak “metalik” atau “robot” yang karakteristik.
Phase Vocoder: Algoritma Dominan
Apa itu phase vocoder, dan mengapa itu penting untuk audio real-time?
Phase vocoder mengubah sinyal audio ke domain frekuensi menggunakan Short-Time Fourier Transform (STFT), menggeser setiap frekuensi bin dengan pengganda konstan (misalnya, ×1.189 untuk +3 semitone, karena 2^(3/12) ≈ 1.189), kemudian merekonstruksi sinyal domain waktu dengan STFT terbalik. Karena frekuensi dan fase dilacak secara terpisah, waktu dapat tetap konstan. “Phase” dalam nama mengacu pada pelacakan koherensi fase yang diperlukan untuk menghindari mengaburkan transien di seluruh jendela overlap-add sintesis.
Parameter kunci:
- Ukuran jendela FFT — Jendela yang lebih besar memberikan resolusi frekuensi yang lebih baik (pitch yang lebih bersih) tetapi lebih banyak latency. Jendela 2048-point pada 48 kHz menambah sekitar 42 ms latency dari jendela saja; jendela 512-point memotongnya menjadi ~10 ms tetapi memperkenalkan lebih banyak blur domain-frekuensi.
- Hop size — Seberapa jauh jendela analisis maju setiap frame. Hop yang lebih kecil = lebih banyak overlap = lebih halus tetapi CPU lebih berat.
- Phase locking — Beberapa implementasi mengunci fase puncak frekuensi bersama, mengurangi “phasiness” pada vokal yang berkelanjutan dengan biaya CPU sedikit lebih berat.
Untuk penggunaan real-time, tradeoff sangat jelas: jendela yang lebih kecil untuk latency lebih rendah, jendela yang lebih besar untuk kualitas. Tool yang baik mengekspos ini sebagai dial kualitas/latency sederhana daripada parameter FFT mentah.
Ada literatur akademis ekstensif tentang desain phase-vocoder — makalah fondasi oleh Flanagan dan Golden (1966) dan pekerjaan kemudian oleh Laroche dan Dolson adalah titik awal yang baik jika Anda ingin mendalaminya. Artikel phase vocoder Wikipedia adalah gambaran umum yang masuk akal tentang matematikanya.
Time-Domain Pitch Shifting: PSOLA dan Variannya
Keluarga algoritma alternatif bekerja di domain waktu daripada domain frekuensi. Yang paling umum adalah PSOLA (Pitch-Synchronous Overlap-Add), yang:
- Mendeteksi periode fundamental (pitch period) dari sinyal bersuara.
- Ekstrak grain berukuran pitch-period.
- Kumpulkan kembali pada spacing yang berbeda untuk mengubah pitch.
PSOLA sangat efisien CPU dan menghasilkan hasil yang terdengar sangat alami pada ucapan monofon yang bersih — yang persis dengan apa yang dilakukan voice changer. Ini kesulitan dengan konsonan tidak bersuara (frikatif seperti /s/, /f/) dan input yang bising, di mana pitch period tidak terdefinisi. Banyak voice changer komersial menggunakan hybrid: PSOLA untuk ucapan bersuara, berbasis FFT untuk semuanya.
Takeaway praktis: jika Anda mendengar artefak khususnya pada suara sibilant (s, sh, f, th) tetapi vokal terdengar bersih, Anda mungkin menggunakan tool berbasis PSOLA. Jika artefaknya lebih seragam — kilau metalik di semua suara — kemungkinan implementasi FFT yang lebih sederhana tanpa phase locking yang tepat.
Semitone: Unit yang Tepat untuk Pitch Shifting
Frekuensi diukur dalam Hz, tetapi jarak perseptual antara pitch logaritmik. Semitone adalah 1/12 dari satu oktaf, sesuai dengan rasio frekuensi 2^(1/12) ≈ 1.0595. Itu berarti:
| Pergeseran Semitone | Pengganda Frekuensi | Efek Perseptual |
|---|---|---|
| +1 | ×1.06 | Hampir tidak terlihat |
| +3 | ×1.19 | Sedikit lebih tinggi, masih alami |
| +6 | ×1.41 | Terlihat lebih tinggi, batas-batas chipmunk tanpa koreksi formant |
| +12 | ×2.00 | Oktaf penuh ke atas — jelas diproses |
| -3 | ×0.84 | Sedikit lebih dalam, dapat dipercaya |
| -5 | ×0.75 | Terlihat lebih dalam, bagus untuk suara radio |
| -8 | ×0.63 | Sangat dalam, robot tanpa formant correction |
| -12 | ×0.50 | Oktaf penuh ke bawah — jelas sintetis |
Transformasi suara yang paling realistis hidup dalam kisaran ±2 hingga ±7 semitone. Di luar itu, kompensasi formant menjadi kritis untuk menjaga hasil terdengar seperti suara manusia daripada efek robot.
Perhatikan bahwa banyak tool menampilkan pitch dalam semitone, cent (1/100 semitone), atau kadang-kadang sebagai rasio frekuensi mentah. VoxBooster menggunakan semitone sebagai unit utama, yang paling intuitif untuk pekerjaan suara.
Formant: Mengapa Pitch Saja Tidak Cukup
Ketika Anda menggeser pitch tanpa menyentuh formant, Anda mendapatkan efek chipmunk atau ogre klasik. Inilah alasannya.
Suara manusia memiliki dua komponen utama: sumber (dengung pita suara, yang menentukan pitch) dan filter (rongga resonan tenggorokan dan mulut, yang membentuk pewarnaan spektral dan menentukan karakter yang dirasakan suara). Puncak resonan dari filter disebut formant.
Ketika pitch naik 6 semitone, sumber bergeser naik. Tetapi vocal tract tidak mengubah panjang secara fisik — jadi formant tetap di tempatnya. Hasilnya terdengar salah karena otak menggunakan rasio antara frekuensi fundamental dan formant untuk menilai ukuran pembicara. Fundamental tinggi dengan formant rendah terdengar seperti hewan kecil dalam tubuh besar (chipmunk dengan tenggorokan besar).
Formant correction memindahkan puncak formant sebanding dengan pergeseran pitch, meniru apa yang akan terjadi jika seseorang dengan pita suara yang secara alami lebih tinggi (pembicara yang lebih kecil) mengatakan hal yang sama. Hasilnya terdengar seperti orang yang benar-benar berbeda daripada versi yang diproses dari Anda.
Di VoxBooster, koreksi formant diaktifkan secara default saat Anda memilih preset, dan Anda juga dapat menyetelnya secara manual menggunakan knob Formant terpisah bersama dengan knob Pitch. Keduanya dapat dipindahkan secara independen — berguna saat Anda menginginkan tubuh suara dalam tetapi pitch yang sedikit lebih tinggi, atau sebaliknya.
Lebih Dalam vs. Lebih Tinggi: Pengaturan Praktis
Pergi Lebih Dalam (Maskulin, Radio, Monster)
Untuk suara yang lebih dalam yang masih terdengar alami:
- Pitch: -3 hingga -5 semitone
- Formant: -1 hingga -2 semitone (geser formant sedikit lebih sedikit dari pitch untuk hasil alami)
- Noise suppression: On — suara lebih dalam mengekspos breath noise lebih banyak
- Compression: Ringan (3:1 rasio) untuk meratakan dinamika
Kesalahan umum adalah pergi terlalu dalam terlalu cepat. -5 semitone sudah transformasi signifikan. Pada -7 atau di bawah, Anda hampir selalu memerlukan kompensasi formant dari setidaknya -2 semitone atau hasilnya terdengar seperti gua daripada dalam.
Untuk efek monster atau robot penuh, Anda menginginkan artefak yang dibesar-besarkan — jadi nonaktifkan formant linking dan dorong pitch ke bawah ke -8 atau -10. Lihat panduan efek robot voice dan postingan efek radio voice untuk preset khusus.
Pergi Lebih Tinggi (Feminin, Chipmunk, Character)
Untuk suara yang lebih tinggi dan ringan:
- Pitch: +3 hingga +6 semitone
- Formant: +2 hingga +4 semitone (cocokkan atau sedikit lampaui pergeseran pitch untuk suara perempuan/anak yang meyakinkan)
- Sibilance: Awasi suara /s/ yang dibesar-besarkan — de-esser atau potongan frekuensi tinggi ringan di atas 8 kHz membantu
- Breath noise: Lebih jelas pada pitch yang lebih tinggi; gunakan noise gate
Untuk efek chipmunk yang disengaja, geser pitch +8 hingga +12 dengan formant terkunci atau bergeser jauh lebih sedikit — situasi formant yang tidak cocok persis seperti yang dijelaskan di atas, digunakan dengan sengaja. Lihat efek chipmunk voice untuk langkah demi langkah.
Latency: Apa yang Menyebabkannya dan Cara Meminimalkannya
Pitch shifting real-time menambahkan latency dari dua sumber: delay algoritmik (jendela analisis) dan delay driver/buffer.
Delay algoritmik tidak dapat dikurangi untuk algoritma dan ukuran jendela tertentu. FFT 512-point pada sample rate 48 kHz memberikan jendela ~10.7 ms. Tambahkan hop 256 sample, dan Anda melihat 5-11 ms delay algoritmik yang tidak dapat dihindari, tergantung implementasinya. Beberapa algoritma domain-waktu dapat berjalan pada latency yang lebih rendah karena mereka memproses grain yang lebih pendek.
Buffer delay tergantung hardware. Pada buffer 128-sample (48 kHz), Anda menambahkan 2.7 ms per buffer dalam rantai. Rantai tipikal melibatkan dua buffer (input dan output), jadi ~5 ms. Buffer yang lebih besar (1024+ sample) lebih stabil tetapi menambahkan ~21 ms masing-masing.
Latency total yang dapat dicapai dalam setup yang dikonfigurasi dengan baik: 8–15 ms. VoxBooster dirancang untuk tetap di bawah 10 ms latency tambahan pada hardware yang dapat menangani buffer WASAPI 128-sample.
Tips praktis untuk meminimalkan latency:
- Atur perangkat suara Windows ke 48 kHz, 24-bit — cocok dengan sample rate pemrosesan internal VoxBooster
- Gunakan mode WASAPI eksklusif jika setup Anda memungkinkannya
- Tutup software audio lain (DAW, aplikasi suara lain) yang mungkin menahan perangkat audio
- Nonaktifkan audio enhancements Windows pada perangkat microphone Anda (klik kanan > Properties > Enhancements > Disable all)
- Gunakan headset kabel daripada Bluetooth — audio BT menambahkan 40–200 ms secara independen dari software
Langkah demi Langkah: Menyiapkan Pitch Shifting di VoxBooster
1. Instal dan Buka VoxBooster
Download dari voxbooster.com/download dan jalankan installer. VoxBooster mendaftarkan microphone virtual (perangkat WASAPI standar, tidak ada driver kernel). Trial gratis 3 hari memberikan akses penuh ke semua efek termasuk pitch shifting dan kontrol formant.
2. Pilih Perangkat Input Anda
Buka VoxBooster dan di jendela utama, pilih microphone fisik Anda sebagai perangkat input. Jika Anda memiliki mic USB, pilih berdasarkan nama. Jika Anda memiliki audio interface, pilih input WASAPI untuk perangkat itu.
3. Atur Pitch Shift
Klik tab Voice Effects. Anda akan melihat knob Pitch (semitone) dan knob Formant. Atur pitch ke nilai target Anda — mulai dengan -4 untuk suara yang lebih dalam atau +4 untuk yang lebih tinggi. Sesuaikan formant dalam arah yang sama tetapi agak kurang agresif (misalnya, -2 hingga -3 formant untuk -4 pitch).
Meter real-time menunjukkan level audio yang diproses Anda. Bicara dan lihat merespons.
4. Atur VoxBooster sebagai Input di Aplikasi Anda
Discord: Settings > Voice & Video > Input Device > pilih VoxBooster Virtual Mic. Lihat panduan pengaturan voice changer Discord lengkap untuk screenshot.
OBS: Sources > Audio Input Capture > tambahkan VoxBooster Virtual Mic. Atau, gunakan mixer audio OBS untuk merutekan perangkat VoxBooster sebagai sumber monitoring. Dokumentasi OBS tentang pengaturan audio mencakup opsi routing.
Game: Sebagian besar game menggunakan perangkat komunikasi default Windows. Atur VoxBooster Virtual Mic sebagai perangkat komunikasi default dalam pengaturan Suara Windows (klik kanan ikon speaker > Sound settings > Input).
5. Uji dan Fine-Tune
Gunakan bot Echo Test Discord atau monitoring OBS untuk mendengarkan diri sendiri. Masalah umum dan perbaikannya:
- Suara robot/metalik: Kurangi jumlah pergeseran pitch, atau aktifkan koreksi formant jika nonaktif
- Chipmunk pada pitch tinggi: Tingkatkan pergeseran formant untuk cocok atau lampaui pergeseran pitch
- Output bising: Aktifkan noise suppression dalam rantai efek VoxBooster
- Clipping: Turunkan gain microphone Anda di Windows; limiter VoxBooster akan menangkap puncak tetapi Anda menginginkan input bersih
6. Simpan Preset
Setelah Anda memiliki pengaturan yang Anda sukai, simpan preset di VoxBooster sehingga Anda dapat beralih antara suara normal dan versi pitch-shifted dengan satu klik (atau hotkey). Binding hotkey sangat berguna mid-stream.
Pitch Shifting vs. Efek Suara Lainnya
Pitch shifting sering dikombinasikan dengan efek lain untuk suara karakter yang lebih lengkap. Berikut cara efek utama berinteraksi:
| Efek | Apa yang dilakukan | Menggabungkan baik dengan pitch? |
|---|---|---|
| Pitch shift | Mengubah frekuensi fundamental | — (pusat sebagian besar suara karakter) |
| Formant shift | Mengubah karakter vocal tract | Selalu pasangkan dengan pitch |
| Reverb | Menambahkan ruang/space | Bagus untuk suara radio/announcer |
| Distortion | Menambahkan saturasi harmonis | Suara demon/robot |
| Noise gate | Memotong keheningan/breath noise | Selalu berguna |
| EQ | Meningkatkan/mengurangi band frekuensi | Fine-tune nada setelah pitch |
| Compression | Meratakan dinamika | Streaming/broadcasting |
| Noise suppression | Menghapus kebisingan latar belakang | Selalu berguna |
Untuk mengeksplorasi preset efek tertentu, halaman fitur voice effects memiliki daftar lengkap apa yang disertakan VoxBooster.
Membandingkan Alat Vocal Pitch Changer
Jika Anda mengevaluasi opsi, berikut adalah perbandingan jujur dari tool utama di ruang ini:
| Tool | Real-time? | Kontrol Formant? | Virtual mic? | Latency | Harga |
|---|---|---|---|---|---|
| VoxBooster | Ya | Ya (independen) | Ya (WASAPI) | <10 ms | Trial + berbayar |
| Voicemod | Ya | Terbatas | Ya | ~15–25 ms | Freemium |
| MorphVOX | Ya | Dasar | Ya | ~20 ms | Trial + berbayar |
| Clownfish | Ya | Tidak | Ya | Variabel | Gratis |
| DAW + plugin | Ya | Tergantung plugin | Via loopback | 5–40 ms | Bervariasi |
DAW (seperti Reaper atau REAPER Lite) dengan plugin pitch berkualitas tinggi memberikan fleksibilitas maksimum tetapi memerlukan setup signifikan — routing melalui kabel virtual, mengelola konfigurasi sesi, menjalankan DAW penuh di latar belakang. Untuk streamer dan gamer yang menginginkan setup cepat dan hotkey yang dapat diandalkan, software voice-changer khusus adalah pilihan yang lebih praktis.
Masalah Umum dan Perbaikannya
Pitch shift terdengar bagus secara terpisah tetapi teman Discord saya mendengar artefak. Discord menerapkan noise suppression sendiri (berbasis Krisp). Ini dapat berinteraksi dengan audio pitch-shifted dan menambahkan artefaknya sendiri. Nonaktifkan pemrosesan kebisingan Discord (Settings > Voice > Advanced > Noise Suppression > None) dan gunakan noise suppression bawaan VoxBooster.
Pitch berubah tetapi suara terdengar berongga atau phasey. Phase vocoder smearing — coba kurangi jumlah pergeseran pitch sedikit atau beralih ke mode kualitas yang berbeda. Jendela FFT yang lebih besar (mode latency lebih tinggi) sering menyelesaikan ini pada vokal yang berkelanjutan.
Suara saya lebih dalam tetapi semua orang masih bisa mengatakan itu saya. Pitch shift sendiri tidak mengubah pola ucapan, cadence, atau aksen. Untuk hasil yang kurang dapat dikenali, gabungkan pitch shift dengan koreksi formant dan reverb ringan. Beberapa pengguna juga memodulasi ritme berbicara secara sadar.
Ada echo atau feedback. Monitoring Anda mungkin diaktifkan di output virtual. Nonaktifkan listen to this device pada mic virtual VoxBooster dalam properti suara Windows, dan gunakan monitoring internal VoxBooster (ikon headphone).
Pertanyaan yang Sering Diajukan
Apa itu vocal pitch changer?
Vocal pitch changer adalah software yang mengubah frekuensi fundamental suara Anda naik atau turun secara real-time, tanpa mengubah kecepatan pemutaran. Ini bekerja dengan menganalisis audio Anda, mentransposisi setiap komponen frekuensi, dan menghasilkan hasilnya dengan delay minimal — biasanya di bawah 10 ms pada tool berkualitas tinggi.
Berapa banyak semitone yang saya butuhkan untuk terdengar seperti orang yang berbeda?
Pergeseran 3 hingga 5 semitone ke bawah menghasilkan suara yang terasa lebih dalam; 4 hingga 6 semitone ke atas memberikan nada yang lebih tinggi dan ringan. Pergeseran yang lebih besar dari 8 semitone cenderung terdengar robot kecuali Anda juga mengkompensasi formant. Hasil yang paling meyakinkan tetap berada dalam kisaran 2 hingga 6 semitone.
Apakah pitch shifting bekerja tanpa microphone virtual?
Software itu sendiri dapat memproses audio secara internal, tetapi untuk menggunakannya di Discord, game, atau aplikasi streaming Anda memerlukan perangkat audio virtual. VoxBooster memasang microphone virtual WASAPI standar yang dilihat aplikasi apa pun sebagai input reguler — tidak ada driver kernel yang diperlukan.
Apakah pitch shifting real-time akan membuat saya di-ban di game?
VoxBooster menggunakan WASAPI dan terdaftar sebagai microphone virtual normal, jadi sistem anti-cheat tidak melihat apa pun yang tidak biasa. Tidak ada driver tingkat kernel yang dipasang. Risikonya pada dasarnya nol, meskipun kebijakan game individual tentang modifikasi audio dapat bervariasi.
Apa itu formant correction dan apakah saya membutuhkannya?
Formant correction menyesuaikan resonansi vocal tract (warna nada suara) secara independen dari pitch. Tanpa itu, menggeser pitch ke atas membuat Anda terdengar seperti chipmunk; menggeser ke bawah membuat Anda terdengar tidak alami dan tubby. Mengaktifkan formant linking memberikan hasil yang lebih alami dan manusiawi.
Bagaimana cara saya mengurangi latency saat pitch shifting secara real-time?
Latency berasal dari ukuran jendela analisis (lebih besar = bebas artefak tetapi lebih lambat), ukuran buffer, dan overhead driver. Gunakan audio interface khusus atau driver WASAPI motherboard Anda, jaga buffer VoxBooster di 128 atau 256 sample, dan tutup software berat audio lainnya.
Bisakah saya pitch-shift suara di Discord tanpa aplikasi terpisah?
Discord sendiri tidak memiliki fitur pitch-shifting. Anda memerlukan software khusus seperti VoxBooster, yang merutekan audio yang diproses melalui mic virtual yang dipilih Discord sebagai inputnya. Pengaturannya membutuhkan waktu sekitar dua menit.
Kesimpulan
Real-time voice pitch changing adalah masalah yang terselesaikan dari sudut pandang engineering — algoritma matang dan dipahami dengan baik. Apa yang membedakan tool yang baik dari yang biasa saja adalah kualitas implementasi: phase coherence, formant handling, latency management, dan seberapa lancar routing audio virtual bekerja dengan aplikasi yang benar-benar Anda gunakan.
Memahami dasar — semitone sebagai unit yang tepat, formant sebagai pelengkap pitch, ukuran jendela sebagai tradeoff latency/kualitas — memberi Anda kosakata untuk menyetel setup Anda secara cerdas daripada hanya memutar knob sampai sesuatu terdengar dapat diterima.
VoxBooster menggabungkan mesin pitch phase-vocoder dengan kontrol formant independen, microphone virtual WASAPI, dan latency sub-10 ms dalam paket yang membutuhkan waktu sekitar dua menit untuk disiapkan. Trial gratis 3 hari mencakup setiap fitur, jadi Anda dapat menguji semua pengaturan pitch dan preset sebelum memutuskan.
Download VoxBooster — trial gratis 3 hari, Windows 10/11.