Sonido y música

La gente perdona una imagen mediocre, pero abandona ante un audio malo. El cerebro lee el mal sonido como falta de calidad antes de poder explicarlo. Una toma perfecta con voz hueca o música saturada se siente amateur; una toma normal con audio limpio se siente profesional. Si tienes una hora para pulir, dedica la mitad al sonido.

El diálogo o la voz principal vive entre -12 y -6 dBFS de pico, con la media cerca de -12 dBFS. Por debajo de -18 dBFS suena lejano y obliga a subir el volumen; pasado de -3 dBFS arriesgas clipping (distorsión digital irreparable). Deja siempre algo de headroom: nunca dejes que el pico toque 0 dBFS.

Los dBFS miden picos; los LUFS miden sonoridad percibida (loudness integrado de toda la pieza). Cada plataforma normaliza a un objetivo: si entregas más fuerte, te bajan el volumen, no te premian. El default seguro para web y social es -14 LUFS. Mide con el medidor de loudness de tu editor y ajusta la ganancia global, no clip por clip.

La voz manda; la música acompaña. El ducking baja automáticamente la música cuando entra la voz y la sube cuando calla. Baja la música 12 a 18 dB bajo el nivel de la voz mientras alguien habla. Usa fades de entrada y salida del ducking de 6 a 12 frames (0.2 a 0.4 s) para que la respiración del volumen sea suave, no un escalón brusco.

La música no se elige por gusto, se elige por función. El BPM (beats por minuto) marca la energía: 60-90 BPM calma y reflexión, 90-120 BPM ritmo cómodo de marca, 120-140+ BPM energía y urgencia. La tonalidad mayor suena optimista; la menor, seria o tensa. Define primero qué debe sentir el espectador y luego filtra por BPM y mood en la librería.

Cortar en el beat hace que el video se sienta intencional y satisfactorio: el ojo y el oído confirman lo mismo al mismo tiempo. Marca los beats fuertes con markers en el timeline y alinea los cortes a esos puntos. A 120 BPM, un beat cae cada 15 frames (0.5 s) a 30 fps. No fuerces cada corte al beat: ancla los importantes y deja libres los de relleno.

Los efectos de sonido (SFX) le dan física a lo visual. Un whoosh vende un movimiento o transición; un impacto (hit/boom) ancla la llegada de un elemento o un corte fuerte; un riser sube la tensión antes de un golpe. Coloca el SFX para que su punto más fuerte caiga exactamente en el frame del evento visual, ni antes ni después.

Un riser es un sonido que sube en tono y volumen para tensar antes de soltar. Acumula expectativa y casi siempre termina en un impacto o en un drop de la música. Funciona como la inhalación antes del golpe. Dura típicamente 15 a 60 frames (0.5 a 2 s) a 30 fps; más largo construye más tensión, pero pasado de 2-3 s cansa si no resuelve.

Cortar el sonido de golpe es una de las herramientas más potentes del editor. Tras mucha intensidad, un silencio de 15 a 45 frames (0.5 a 1.5 s) hace que el espectador se incline hacia adelante. El contraste lo es todo: el silencio solo pega si viene de algo fuerte. Úsalo antes de una revelación o después de un climáx para dejar respirar la emoción.

El room tone es el sonido del cuarto vacío: nunca hay silencio real. Si recortas frases y dejas huecos en mudo absoluto, cada salto suena como un bache. Graba 30 segundos de ambiente en cada locación y rellena los huecos con esa capa. Así el fondo es continuo y los cortes de audio se vuelven invisibles.

Tres defectos delatan al audio casero. El ruido de fondo (zumbido, aire) se quita con reducción de ruido o herramientas tipo Voice Isolate. Las plosivas (golpes de "p" y "b") se corrigen con un high-pass y un filtro de-plosivo. La sibilancia (silbidos de "s") se doma con un de-esser. Aplica en ese orden y con mano ligera: pasarte deja la voz robotizada.

Un corte duro en el video es invisible; un corte duro en la música produce un clic o un bachón que se nota al instante. Aplica siempre un audio fade de al menos 2 a 6 frames (0.07 a 0.2 s) en cada extremo de un clip de audio. Para cerrar una canción, usa un fade out de 30 a 90 frames (1 a 3 s); cortar una pista en su pico se siente roto.

Usar una canción comercial sin permiso te expone a que la plataforma silencie, desmonetice o baje tu video (Content ID). La salida segura es la música con licencia de librerías (royalty-free no significa gratis: pagas una vez y la usas sin regalías). Guarda tu licencia por proyecto. La música de la propia plataforma solo sirve dentro de esa plataforma, no para exportar a otra.

La voz en off debe sonar íntima, como si te hablaran al oído. Graba cerca del micrófono (15 a 25 cm) con un pop filter en una sala tratada o, en su defecto, con telas y cojines que maten el eco. En mezcla, un toque de EQ y compresión suave da presencia y nivela los altibajos. Apunta a -12 dBFS de media y deja la voz al frente de todo.

La mayoría ve video en el altavoz del teléfono, que suele ser mono. Si pones información crítica (una voz, un SFX clave) solo en un canal, la mitad del público no la oirá. Mantén la voz al centro (mono o paneada al medio) y reserva el estéreo para ambiente y música. Revisa que tu mezcla colapsada a mono no pierda nada importante.

Tu mezcla puede sonar perfecta en monitores caros y fatal donde se ve de verdad. Antes de exportar, escucha la pieza completa en al menos tres sistemas: audífonos baratos, la bocina del teléfono y los monitores. Si la voz se pierde en la bocina del celular, suela o aplica más ducking. La mezcla que aguanta el peor altavoz aguanta todos.