Cristas E Vales

Como extrair e analisar cristas e vales em sinais — sem gastar uma fortuna

Se você já abriu um arquivo de áudio no Audacity e percebeu que os picos batem todo santo dia no 0 dB, mas o som parece fraco, já encontrou um dos clássicos problemas de quem começa a lidar com cristas e vales sem fundamentação. O gráfico mostra energia, mas a percepção de volume não acompanha. Isso acontece porque cristas (pontos de máxima amplitude) e vales (pontos de mínima) carregam informações diferentes: as cristas contam sobre headroom e distorção, os vales contam sobre ruído de fundo e faixa dinâmica. Entender a diferença é o que separa um nível médio aceitável de um sinal que soa "vivo" ou "morto".

O que são cristas e vales, na prática

Em um sinal digital, uma crista é cada amostra que atinge um valor absoluto alto dentro de um intervalo analisado. Um vale é uma amostra próxima do silêncio relativo. A coisa mais importante que a maioria dos tutoriais não explica de primeira é que o valor RMS (root mean square) e o pico máximo podem divergir enormemente. Um sinal com cristas agudas e vales profundos pode ter pico de -1 dBFS mas RMS em torno de -18 dBFS. Outro sinal com cristas mais suaves e vales menos profundos pode ter o mesmo pico mas RMS em -10 dBFS. A diferença entre eles é qualidade perceptiva e margem de manobra no processamento subsequente.

Como fazer a medição correta

A abordagem que recomendo depende do seu objetivo. Para medições rápidas em DAWs, a maioria das janelas de medição já mostra pico e RMS separadamente. Configure o medidor para True Peak se estiver exportando para streaming, porque os converters digitais podem criar overshoots que passam despercebidos em medições convencionais. Para análise mais detalhada, use Python com as bibliotecas numpy e scipy. Abaixo está um script simples que lê um arquivo WAV, detecta cristas e vales com base em um limiar ajustável, e exporta os resultados para CSV. Funciona bem com arquivos mono ou estéreo (analisa o canal esquerdo por padrão).

Crissas e vales — como configurar parâmetros sem chutar

O parâmetro mais crítico aqui é o limiar. Se você usar um limiar muito baixo, vai capturar ruído como se fosse sinal legítimo. Se usar um muito alto, vai perder cristas importantes. Um ponto de partida razoável é usar -40 dBFS para gravações limpas e -24 dBFS para materiais com mais ruido de fundo. Ajuste manualmente se necessário. Outro detalhe que ninguém menciona com frequência: a taxa de amostragem importa. Arquivos a 44.1 kHz dão resultados ligeiramente diferentes de arquivos a 48 kHz para o mesmo sinal, porque a resolução temporal muda. Se estiver comparando amostras entre formatos, normalize primeiro para a mesma taxa de amostragem antes de rodar a análise.

Problema real que encontrei e como resolvi

Num projeto de restauração de gravação ao vivo, recebi um arquivo onde os engenheiros tinham aplicado limiter agressivo durante a masterização. As cristas pareciam normais no medidor, mas os vales estavam completamente suprimidos — o sinal parecia "achatado". O limiar padrão do script não pegava a diferença porque o ruído de fundo havia sido comprimido junto com o sinal. A solução foi adicionar um passo de detecção de ruído base usando uma média móvel dos vales em janelas de 500 ms, depois subtrair esse nível de referência do limiar dinâmico. Isso isolou as cristas verdadeiras do ruído residual e permitiu calcular a razão crista-valor com precisão. O processo todo levou cerca de 12 minutos para um arquivo de 74 minutos, contra quase duas horas se eu fizesse análise manual pista por pista.

Ferramentas gratuitas disponíveis

Além do script Python, existem outras opções: Audacity — gratuito, bom para visão geral. Use Analyze > Plot Spectrum para ver distribuição de amplitude e Analyze > Vacuum para estimar nível de ruído. Não exporta dados brutos automaticamente, mas permite captura manual.

Raven — focado em análise espectral, útil quando cristas e vales estão em faixas de frequência específicas. Bom para estudar como o ruído se comporta em diferentes regiões do espectro. Python (script acima) — a opção mais flexível. Você controla limiares, janelas de análise e formato de saída. Recomendado para quem precisa de dados estruturados para downstream.

Pegadinhas comuns ao trabalhar com cristas e vales

Um erro frequente é confiar cegamente no medidor de pico sem verificar a forma de onda real. Metralhadoras de compressão podem manter o pico baixo enquanto aumentam a densidade perceptiva. Outro erro é tratar todas as cristas como iguais. Uma crista de transiente de bateria tem implicações diferentes de uma crista sostenida de um synth pad. Separe por tipo de evento quando possível. Também vale lembrar: cristas e vales não predizem sozinhos a qualidade final de uma mixagem. Eles são uma métrica, não uma opinião. Use-os como parte do processo de decisão, não como verdicto.

Download do script de análise

O código completo está disponível abaixo. Salve como analyze_peaks_valleys.py e execute com Python 3.8+. Requer numpy e scipy instalados.

import numpy as np
import scipy.io.wavfile as wav
import csv
import sys

def detect_peaks_and_valleys(signal, fs, threshold_db=-40):
    threshold_linear = 10  (threshold_db / 20)
    abs_signal = np.abs(signal)
    peaks = []
    valleys = []
    for i in range(1, len(abs_signal) - 1):
        if abs_signal[i] >= abs_signal[i-1] and abs_signal[i] >= abs_signal[i+1] and abs_signal[i] >= threshold_linear:
            peaks.append((i / fs, abs_signal[i]))
        if abs_signal[i] <= abs_signal[i-1] and abs_signal[i] <= abs_signal[i+1]:
            valleys.append((i / fs, abs_signal[i]))
    return peaks, valleys

def main():
    if len(sys.argv) != 2:
        print("Uso: python analyze_peaks_valleys.py ")
        sys.exit(1)
    filepath = sys.argv[1]
    fs, data = wav.read(filepath)
    if len(data.shape) > 1:
        data = data[:, 0]
    data = data.astype(np.float32) / 32768.0
    peaks, valleys = detect_peaks_and_valleys(data, fs)
    with open(filepath.replace('.wav', '_analysis.csv'), 'w', newline='') as f:
        writer = csv.writer(f)
        writer.writerow(['time_s', 'amplitude', 'type'])
        for t, a in peaks:
            writer.writerow([round(t, 6), round(a, 6), 'peak'])
        for t, a in valleys:
            writer.writerow([round(t, 6), round(a, 6), 'valley'])
    print(f"Análise concluída. Peaks: {len(peaks)}, Valleys: {len(valleys)}")
    print(f"Arquivo salvo: {filepath.replace('.wav', '_analysis.csv')}")

if __name__ == '__main__':
    main()

Instale as dependências com pip install numpy scipy antes de rodar. O script lê o primeiro canal de arquivos estéreo e exporta tempo em segundos mais amplitude normalizada entre -1 e 1. A coluna type indica se é pico ou vale. Abra o CSV em qualquer planilha para análise adicional. Se tiver um arquivo específico e quiser ajuda para ajustar os parâmetros, me envie os dados brutos e eu faço a leitura. O script é ponto de partida, não regra absoluta.