Para que la voz se entienda sobre la música de fondo, baja la música entre 12 y 15 dB cada vez que alguien habla. Esto se llama audio ducking, y un compresor sidechain lo hace automáticamente. Un pequeño recorte en los medios de la música y una comprobación final de la sonoridad completan la mezcla.
En resumen
La versión corta:
- Empieza con una pista de voz limpia y música sin voces.
- Baja la música entre 12 y 15 dB mientras suena la voz.
- Usa un ataque rápido (unos 50 ms) y una liberación más lenta (unos 500 ms).
- Si la voz sigue costando de entender, recorta los medios de la música entre 2 y 4 dB.
- Termina en unos -16 LUFS para podcasts o -14 LUFS para vídeo online.
Por qué la música tapa la voz
Cuando cuesta seguir una voz sobre la música, subir la voz casi nunca lo resuelve. El problema es el enmascaramiento: dos sonidos en el mismo rango de frecuencias compiten, y el oído sigue al más fuerte. El habla se entiende sobre todo gracias al rango de 1 a 4 kHz, donde están las consonantes, y es justo ahí donde guitarras, pianos, sintetizadores y voces cantadas tienen más fuerza.
El enmascaramiento es una propiedad muy estudiada del oído; el libro de texto abierto de la Universidad de Minnesota lo explica en su capítulo sobre bandas críticas y enmascaramiento .
Hay dos formas de hacer sitio a la voz. Puedes bajar toda la pista de música mientras alguien habla (ducking) o bajar solo la parte de la música que compite con el habla (ecualización). La mayoría de las mezclas de podcast y vídeo usan la primera y añaden la segunda cuando hace falta.
¿Qué es el audio ducking?
El audio ducking consiste en bajar automáticamente un sonido cada vez que hay otro presente. En la radio, la música baja cuando el locutor empieza a hablar y vuelve a subir cuando termina: eso es ducking. El mismo efecto se usa en podcasts, vídeos de YouTube, audiolibros con música y avisos de megafonía en tiendas y estaciones.
La herramienta que lo hace es un compresor sidechain. Un compresor normal baja una pista cuando esa misma pista suena fuerte. Un compresor sidechain escucha otra pista distinta: vigila la voz y baja la música. Cuatro controles dan forma al resultado:
- Umbral (threshold): lo fuerte que debe sonar la voz para que baje la música. Ajústalo para que el habla normal active el efecto, pero no las respiraciones ni los ruidos suaves.
- Reducción (profundidad): cuánto baja la música, en decibelios.
- Ataque (attack): lo rápido que baja la música cuando empieza la voz.
- Liberación (release): lo rápido que vuelve la música cuando la voz se detiene.
La compresión sidechain y el ducking son la misma técnica. En la música de baile se usa a propósito con ajustes rápidos y profundos para que toda la pista «bombee» al ritmo del bombo; con la voz se busca lo contrario, un cambio tan suave que nadie lo note.
Los mejores ajustes de audio ducking
Estos puntos de partida funcionan para la mayoría de los contenidos hablados. Ajústalos de oído: la música debe dar un paso atrás sin que parezca que se apaga.
| Tipo de contenido | Reducción de la música | Ataque | Liberación |
|---|---|---|---|
| Podcast con música de fondo | De -12 a -15 dB | 30–50 ms | 400–600 ms |
| Tutorial o vlog de YouTube | De -9 a -12 dB | 30–50 ms | 300–500 ms |
| Audiolibro o meditación con música suave | De -15 a -18 dB | 50–100 ms | 800–1000 ms |
| Intro en la que la música debe seguir destacando | De -6 a -9 dB | 50 ms | 500 ms |
Una liberación demasiado corta hace que la música salte entre palabras, algo que los oyentes perciben como un bombeo. Una liberación demasiado larga deja la música baja durante las pausas largas. Medio segundo es un término medio seguro.
Cómo mezclar voz y música online, paso a paso
El Auto-Ducker toma una pista de voz y una pista de música y las mezcla con ducking automático. Los dos archivos se quedan en tu navegador.
Paso 1: Prepara la voz
Limpia primero la voz: recorta los errores con el Recortador de audio y reduce el ruido como se explica en cómo eliminar el ruido de fondo del audio. El ruido de las pausas puede activar el ducking por error.
Paso 2: Carga las dos pistas
Abre el Auto-Ducker y elige tu grabación de voz como pista de voz y tu música como pista de fondo.
Paso 3: Ajusta el umbral de la voz
Empieza en unos -30 dB y escucha la vista previa. Si la música no baja en las palabras suaves, baja el umbral; si baja con las respiraciones o el ruido de fondo, súbelo.
Paso 4: Elige cuánto baja la música
Pon la reducción de la música en unos -15 dB para un podcast o en -10 dB para un vídeo dinámico. Mientras suena la voz, debes notar que hay música sin poder seguir su melodía. Si la música sigue sonando demasiado fuerte entre frases, baja el volumen de la música en la herramienta entre 6 y 12 dB.
Paso 5: Ajusta el ataque y la liberación
Empieza con un ataque de 50 ms y una liberación de 500 ms. Alarga la liberación si la música sube de golpe entre frases.
Paso 6: Descarga y comprueba la sonoridad
Descarga la mezcla como archivo WAV y ábrela en el Analizador de LUFS y picos. Apunta a unos -16 LUFS para un podcast o -14 LUFS para vídeo online, con los picos en -1 dB o menos. Si la mezcla queda demasiado baja o demasiado alta, ajústala en el Optimizador de sonido.
Cambios de volumen manuales o ducking automático
Antes de los compresores sidechain, los técnicos «montaban los faders»: bajaban la música a mano cada vez que alguien hablaba. Todavía puedes hacerlo en cualquier editor dibujando cambios de volumen, y es lo que da más control: puedes dejar que la música crezca en una pausa dramática o mantenerla baja durante una respiración corta. El ducking automático es más rápido y más uniforme, y por eso es la mejor opción para grabaciones largas, como un episodio de 40 minutos. Para un anuncio de 30 segundos con tres frases, hacerlo a mano suele ser igual de rápido.
Usa la ecualización para hacer sitio a la voz
A veces la música debe mantenerse a un nivel constante, por ejemplo bajo un vídeo de ritmo rápido. En ese caso, baja solo el rango que compite con el habla. Abre la pista de música en el Ecualizador de 3 bandas y reduce la banda de Medios entre 2 y 4 dB. La música conserva sus graves y su brillo, pero deja un hueco donde se sitúa la voz.
En la propia voz, un corte de graves entre 80 y 100 Hz elimina los retumbos que, de lo contrario, se sumarían a los graves de la música. Evita los realces grandes: recortar en la música es más limpio que realzar la voz. La guía de graves, medios y agudos explica los rangos con más detalle.
Errores habituales al mezclar voz y música
- Música con letra. Una segunda voz compite directamente con la tuya. Las pistas instrumentales son mucho más fáciles de mezclar bajo el habla.
- Un ducking demasiado profundo. Si la música casi desaparece y luego vuelve de golpe, el efecto distrae. Reduce la profundidad antes de tocar cualquier otra cosa.
- Una liberación demasiado corta. La música bombea entre palabras. Alarga la liberación hasta que el nivel se mantenga bajo durante las pausas cortas.
- Música recargada. Las pistas con una melodía principal marcada o muchos instrumentos en los medios tapan la voz incluso a bajo volumen. Los fondos sencillos y constantes funcionan mejor.
- Comprobar solo con auriculares. Reproduce la mezcla una vez en el altavoz de un móvil. Si ahí la voz se entiende, se entenderá en todas partes.
¿Qué música puedes usar?
Usa música creada por ti, música con licencia o pistas libres de derechos cuya licencia cubra tu uso. Poner una canción comercial bajo tu voz y publicarla suele requerir el permiso del titular de los derechos, y las plataformas pueden silenciar o retirar los vídeos que usan música sin ese permiso.
Mezcla tu voz y tu música ahora
Carga tu voz y tu música, decide cuánto debe bajar la música y escucha el resultado.
Abrir Auto-DuckerGratis, sin registro, y tus archivos nunca salen de tu dispositivo.