# Imagen a sonido > ¿Cómo se esconde una imagen en un sonido? Convierte una imagen en sonido o colócala en tu propia grabación y mira cómo aparece en el espectrograma. Convierte una imagen en sonido o escóndela en una grabación: colócala y escálala en un espectrograma lineal, log o mel y guarda un WAV. En tu navegador. A preset of [Espectrograma y analizador de audio](https://how.box/es/spectrogram/). - Page: https://how.box/es/image-to-sound/ - Runs entirely in the browser. - License: HowToolbox's own text and data (titles, explanations, FAQs, tool descriptions and schemas, this file) are CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/); AI training and answers are welcome. Attribute "HowToolbox (how.box)" with a link to the page used. Third-party data keeps its own terms; the name and logo are not licensed. Publisher: HowToolbox, contact@how.box. Terms: https://how.box/es/about/terms/ ## Inputs Answer link: https://how.box/es/image-to-sound/?c={c}&inv={inv}&lo={lo}&hi={hi}&b={b}&k={k}&g={g}&auto={auto}&dn={dn}&tl={tl}&s={s}&fl={fl}&fh={fh}&n={n}&w={w}&o={o}&md={md}&temp={temp}&tu={tu}&su={su}&hr={hr}&hf={hf}&hs={hs}&st={st}&pi={pi}&pr={pr}&pl={pl}&pd={pd}&ts={ts}&tr={tr} - `c` (magma, inferno, viridis, grey or hot): Colour map. Example: `viridis`. - `inv` (boolean): Reversed colour map. Example: `true`. - `lo` (number -160 to 60): Darkest level, dB. Example: `-90`. - `hi` (number -100 to 100): Brightest level, dB. Example: `-30`. - `b` (number -50 to 50): Brightness shift, percent. Example: `10`. - `k` (number 25 to 400): Contrast, percent. Example: `150`. - `g` (number 0.3 to 3): Gamma of the colour scale. Example: `0.7`. - `auto` (boolean): Auto levels for the view. Example: `false`. - `dn` (boolean): Noise-floor removal. Example: `true`. - `tl` (number 0 to 12): Treble lift, dB per octave. Example: `3`. - `s` (linear, log or mel): Frequency axis. Example: `linear`. - `fl` (number 0 to 190000): Lowest frequency shown, Hz. Example: `100`. - `fh` (number 100 to 192000): Highest frequency shown, Hz. Example: `8000`. - `n` (256, 512, 1024, 2048, 4096, 8192 or 16384): FFT size, samples. Example: `8192`. - `w` (hann, hamming, blackman-harris or rectangular): Window function. Example: `blackman-harris`. - `o` (50, 75 or 87.5): Window overlap, percent. Example: `87.5`. - `md` (air, fresh-water or seawater): Medium of a traced moving source. Example: `seawater`. - `temp` (number -60 to 140): Air temperature in tu. Example: `5`. - `tu` (c or f): c or f. Example: `f`. - `su` (kmh, mph or ms): Unit of a traced source speed: kmh, mph or ms. Example: `ms`. - `hr` (auto, off, slower, faster or shift): Playback of sound outside hearing: auto, off, slower, faster or shift. Example: `slower`. - `hf` (auto, 2, 4, 8, 10, 16, 20, 32 or 64): Slower or faster factor. Example: `10`. - `hs` (number -190000 to 190000): Frequency shift, Hz (negative: down). Example: `-36000`. - `st` (sound or picture): What the empty page offers first: sound or picture. Example: `picture`. - `pi` (boolean): A placed picture: dark parts loud. Example: `true`. - `pr` (number 20 to 90): A placed picture: dB from white to black. Example: `60`. - `pl` (number -40 to 20): A mixed picture: level against the sound under it, dB. Example: `-12`. - `pd` (number -40 to 0): A mixed picture: the sound in its box lowered by dB. Example: `-20`. - `ts` (number 1 to 60): Empty track for a picture alone, seconds. Example: `10`. - `tr` (22050, 44100, 48000 or 96000): Sample rate of that empty track, Hz. Example: `48000`. Example answer: https://how.box/es/image-to-sound/?c=viridis&inv=1&lo=-90&hi=-30&b=10&k=150&g=0.7&auto=0&dn=1&tl=3&s=linear&fl=100&fh=8000&n=8192&w=blackman-harris&o=87.5&md=seawater&temp=5&tu=f&su=ms&hr=slower&hf=10&hs=-36000&st=picture&pi=1&pr=60&pl=-12&pd=-20&ts=10&tr=48000 The page computes the answer in the browser: read results from the agent tools below, not from the page HTML. ## Agent tools - `spectrogram_summary`: Summarises the sound the visitor opened (an audio or video file) or recorded on this page: duration_s, sample_rate_hz (the analysis rate: the file's own for WAV and FLAC, up to 384 kHz), nyquist_hz (the highest frequency it holds), peak_dbfs (largest sample, dB below full scale), rms_dbfs (RMS loudness, AES17 dBFS: a full-scale sine is 0), clipped_percent, and strongest (the strongest frequencies of the average spectrum: frequency_hz, level_db, loudest first, at least a sixth of an octave apart, from 10 Hz), ultrasonic_percent and infrasonic_percent (share of power above 18 kHz and below 40 Hz), energy_range_hz ([low, high]: the 1st and 99th percentile of power over frequency, works for ultrasonic files). - MCP, one POST to https://how.box/mcp: `{"jsonrpc":"2.0","id":1,"method":"tools/call","params":{"name":"spectrogram_summary","arguments":{}}}` - GET: https://how.box/mcp/run/spectrogram_summary ## How it works Un espectrograma dibuja el sonido como una imagen: el tiempo en horizontal, la altura hacia arriba y lo más fuerte más brillante. Esta página lo hace al revés. Cada fila de tu imagen se convierte en un tono continuo a su propia altura y cada columna en un instante, tan fuerte como brillante es el píxel; sumados, los tonos forman un sonido cuyo espectrograma es tu imagen. El brillo se convierte en nivel en decibelios: el blanco es lo más fuerte, el negro queda los decibelios elegidos por debajo (De blanco a negro) y las partes transparentes quedan en silencio, así un logotipo conserva su contorno. Las filas se reparten por el rango de alturas de forma uniforme en la escala de frecuencia en que colocas la imagen: lineal en hercios, logarítmica en octavas o mel según el oído; por eso se ve bien en esa escala y se deforma en otra. Nada pasa de la mitad de la frecuencia de muestreo: 22 kHz en una pista de 44,1 kHz. Mezclada en una grabación, el volumen de la imagen se ajusta al sonido que tiene debajo, y el sonido dentro de su recuadro puede bajarse para que se lea con claridad. Los formatos con pérdida como MP3, AAC o subir un vídeo descartan las partes débiles de las que está hecha; el WAV la conserva. Las líneas finas se emborronan un poco, porque un espectrograma cambia nitidez en el tiempo por nitidez en la altura. Fuente: J. O. Smith, Spectral Audio Signal Processing (CCRMA, Stanford), síntesis aditiva. ## FAQ **¿Cómo puede un sonido contener una imagen?** Un sonido es una mezcla de tonos cuyo volumen cambia con el tiempo, y un espectrograma dibuja justo eso. Si el volumen de cada tono sigue el brillo de una fila de una imagen, el espectrograma muestra la imagen. **¿Por qué la imagen se ve deformada en otra aplicación?** Las filas se colocan en la escala de frecuencia que eliges aquí. Un visor con otra escala (muchos muestran la lineal por defecto) estira la parte grave o la aguda. Colócala en la escala que usa el visor. **¿Sobrevive la imagen a un MP3 o a subir un vídeo?** Normalmente no muy bien. Los formatos con pérdida quitan sonidos débiles y muy agudos que el oído apenas nota, y de eso está hecha una imagen escondida. Guarda y comparte el archivo WAV. **¿Por qué suena a ruido?** Una imagen genera muchos tonos a la vez, como un acorde de cientos de notas. Los dibujos y textos con pocas líneas brillantes suenan a pitidos y silbidos; las fotos, a siseo. Mantén el volumen bajo. **¿Se sube mi imagen?** No. La imagen se lee, se convierte en sonido y se mezcla en tu dispositivo; no se envía ni se guarda nada, y un enlace copiado solo contiene los ajustes. More: [HowToolbox index](https://how.box/llms.txt) · [Agent Skill](https://how.box/skill.md) · [agent terms](https://how.box/es/about/agents/)