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 pega o pixel mais brilhante de cada fatia de tempo e mapeia sua posição vertical para uma nota numa escala escolhida (pentatônica menor, maior, menor, cromática). O resultado é melódico e agradável de ouvir. O modo Raw faz síntese aditiva: cada pixel de cada coluna torna-se um parcial senoidal cuja frequência depende da linha e cujo volume depende do brilho. O áudio é literalmente o espectrograma da sua imagem — áspero e parecido com drone, mas é a abordagem clássica de sonificação usada em ferramentas como vOICe (navegação para cegos) e Photosounder.

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.

No modo Musical, qualquer imagem com contraste claro e algumas formas brilhantes distintas produzirá uma melodia reconhecível — tente fotos de rostos, objetos simples ou texto. No modo Raw, padrões simples de alto contraste (formas geométricas, texto, linhas diagonais, gradientes) produzem os sons de espectrograma mais distintos. Imagens muito escuras ou muito uniformes produzirão pouco som em ambos os modos.

Sim. A sonificação de imagens pode transmitir informação visual por som — por exemplo, se uma imagem contém áreas brilhantes, padrões ou regiões distintas. O modo Raw é a abordagem padrão usada por ferramentas de acessibilidade como o vOICe. O modo Musical é menos informativo, mas mais agradável para escuta diária. Nenhum substitui leitores de tela ou texto alternativo, mas ambos oferecem uma forma adicional de perceber conteúdo visual por som.