Pufff, lo tienes difícil con una fuente tan reducida, pero veamos…
El sonido que hace una muchedumbre es un conglomerado de miles de voces sobre diferentes tonos y articulaciones, mezclado con reverberaciones y reflexiones, y todo ello ocurre al mismo tiempo. Así las cosas, te puedes imaginar que es una labor muy compleja intentar conseguir ese resultado partiendo de sólo tres voces fuente.
Para conseguir algo parecido, lo más recomendable es que dividas cada fragmento vocal en varias partes, para tener algo más de material. A partir de ahí, tienes que crear capas de una misma voz, aplicando a cada una de éstas diferentes desplazamientos tonales (pitchshifting),
pero sin llegar a sobrepasar los límites de 3 y 5kHz. También es importante que desplaces los momentos de inicio de cada una de esas capas.
Diferentes efectos de reverberación, te permitirán distanciar las voces entre sí, para dar profundidad a tu mezcla de las capas. Por último, tienes que jugar también con pequeños efectos de delay sobre cada grupo de capas.
Esto es lo que se nos ocurre, pero tendrás que experimentar hasta que consigas algo similar a lo que buscas. Pregunta también en http://www.sonicspace.es para ver si se les ocurre algo a los usuarios de esa red social…