Mezcla de audio para vídeo de marca: entregar producciones con sonido profesional

Un audio mal mezclado puede dificultar que se entienda la voz, introducir saltos de volumen o distraer del contenido. La calidad de imagen no corrige esos problemas: el sonido necesita su propia revisión antes de entregar el vídeo.

Dejar toda la revisión de sonido para el último momento puede limitar el tiempo disponible para corregirla.

Este artículo explica qué es una mezcla de audio, cómo distinguir las medidas de nivel y sonoridad, y qué revisar en las fuentes y en el archivo de entrega.

Qué es exactamente una mezcla

Una mezcla de audio es el proceso de combinar varias pistas independientes, voz, música, efectos, ambientes, en un único archivo final que suene bien en su contexto de reproducción. Cada pista llega con su propio volumen, color, dinámica, y la mezcla las equilibra para que ninguna ahogue a las demás y para que el resultado tenga el carácter buscado.

En un vídeo corporativo típico, una mezcla puede incluir:

• Voz del entrevistado o presentador (pista principal cuando hay diálogo).
• Voz en off narrativa.
• Música de fondo (música bed).
• Efectos puntuales (transiciones, énfasis sonoros).
• Sonido ambiente (ambient sound, room tone) que da textura.

Cada elemento tiene su volumen, su EQ (ecualización tonal), su compresión, su efecto espacial. Lograr que coexistan sin pelearse es la mezcla.

Una breve historia: del estudio al móvil

La mezcla de audio como disciplina tiene un siglo. En los años 20-40, los Bell Labs y la radio comercial desarrollaron las primeras técnicas sistemáticas. El multitrack recording, grabar pistas separadas en lugar de una sola toma, se introdujo a mediados de los 50: Les Paul popularizó la grabación a múltiples pistas con su estudio doméstico hacia 1953-54, y Atlantic Records adoptó el formato 8-track en 1957.

Phil Spector desarrolló a principios de los 60 la "Wall of Sound", técnica de capas densas que cambió la producción pop. George Martin, productor de los Beatles, empujó las posibilidades del estudio entre 1963 y 1969 con grabaciones que hoy siguen estudiándose en escuelas de producción. Las consolas SSL desde finales de los 70 establecieron el estándar de las salas profesionales.

Pro Tools apareció en 1991, según el historial de versiones de Avid. Las estaciones de trabajo de audio digital ampliaron las posibilidades de edición y mezcla en ordenador; Pro Tools no fue el inicio de todo el audio digital.

El contexto de reproducción también importa. Una pieza puede escucharse en monitores, auriculares, altavoces de móvil o un sistema de sala. Conviene comprobarla en los sistemas relevantes para su destino.

Los estándares de loudness: dB, LUFS, EBU R128

dBFS expresa nivel respecto a la escala digital completa; puede usarse en mediciones de pico o RMS, por lo que hay que especificar el medidor. En PCM de punto fijo, 0 dBFS es el límite de amplitud representable. Una señal a −6 dB respecto a otra tiene aproximadamente la mitad de amplitud, no necesariamente la mitad de volumen percibido. El procesamiento interno en coma flotante puede superar ese nivel antes de la salida.

LUFS expresa una estimación de sonoridad mediante ponderación de frecuencias y medición temporal. La sonoridad integrada resume el programa; no sustituye la escucha ni la medida de picos. dBTP mide true peak, que contempla picos entre muestras.

Los valores dependen del uso y de la especificación de entrega:

• Televisión: EBU R128 recomienda −23 LUFS de sonoridad integrada. Su guía de producción establece −1 dBTP como máximo para audio lineal. Comprueba también los requisitos de la cadena.
• Spotify: su normalización de reproducción usa −14 LUFS en el ajuste Normal cuando está activa. No es un requisito universal de aceptación del archivo. Spotify recomienda margen de true peak; el comportamiento depende del dispositivo y los ajustes.
• Otros servicios, podcasts y cine: consulta la especificación del distribuidor. No existe un único objetivo de LUFS válido para todos esos destinos. Las recomendaciones de AES distinguen contextos de distribución.

Puede hacer falta una versión diferente si cambian los requisitos. Un cambio de ganancia constante no altera por sí solo el equilibrio tonal ni el rango dinámico; un limitador u otro procesamiento sí puede hacerlo.

Cómo se trabaja una mezcla en la práctica

Más allá de loudness final, los pasos típicos de una mezcla:

1. Limpieza. Reducir ruido, hum, clicks y plosivas cuando interfieran. Herramientas como iZotope RX o Adobe Enhance Speech pueden ayudar, pero hay que comparar el resultado con la fuente: el procesamiento también puede introducir artefactos.

2. Equilibrio de niveles (gain staging). Ajustar la ganancia de cada pista para que vivan en un rango razonable, sin saturar ni quedarse demasiado bajas. Errores aquí se propagan a todo el resto del proceso.

3. Ecualización (EQ). Atenuar frecuencias problemáticas según la grabación. Un filtro paso alto puede reducir rumble, pero su frecuencia debe elegirse escuchando la voz; no hay un corte o realce obligatorio para todas las tomas.

4. Compresión. Controlar la dinámica cuando haga falta. Umbral, ratio, ataque y recuperación interactúan; un ratio concreto no garantiza una voz uniforme ni evita por sí solo la saturación.

5. Reverb y efectos espaciales si la pieza los pide. Una voz puede beneficiarse de un toque de reverb sutil para "encajar" en un escenario; demasiado satura.

6. Balance entre pistas. Ajustar voz, música y efectos escuchando su interacción. Un valor fijo de pico para cada pista no garantiza inteligibilidad: también importan su espectro, dinámica y arreglo.

7. Automation. Cambios de volumen y EQ a lo largo de la pieza. La música baja al entrar la voz y sube al salir; reverb se intensifica en momentos emotivos; un sonido se atenúa para no competir con un cambio de plano.

8. Mastering / sonoridad final. Medir la exportación y ajustar sonoridad y true peak a la especificación de entrega. Utilizar limitación cuando sea necesaria y revisar sus efectos audibles.

9. Pruebas en distintos sistemas. Auriculares de estudio, auriculares de consumo, altavoces de monitor, altavoz de móvil, coche si es posible. Cada sistema revela problemas distintos.

Música que tapa la voz

La música demasiado alta puede tapar el diálogo, especialmente si compite con las frecuencias de la voz. Comprueba la inteligibilidad en el contexto de reproducción previsto.

No hay una separación mínima universal de 10–12 dB entre música y voz. Ajusta el balance y, cuando proceda, la automatización o el ducking según el material.

Otros errores que se repiten

Voz con ruido de fondo. Habitación con eco, aire acondicionado, ordenador zumbando. Una voz con ruido es voz que cansa. Soluciones: grabar con micrófono más cerca, en habitación más muerta, o usar IA de cleanup.

Plosivas y sibilancias sin tratar. Las "p" y "b" explosivas, las "s" silbantes, cada una requiere herramienta específica (de-popper, de-esser).

Cortes bruscos entre clips. Revisa clicks y discontinuidades de ambiente. Los fades o crossfades pueden corregirlos; no todos los cortes requieren la misma transición.

Diferencias de volumen entre escenas. Revisa los saltos involuntarios de sonoridad sin eliminar los cambios expresivos que la pieza necesita.

Saturación / clipping. −1 dBTP puede ser un margen exigido o recomendado; superarlo no implica automáticamente distorsión audible. Revisa clipping en las fuentes, el procesamiento y la exportación: limitar el máster no repara una fuente ya distorsionada.

Efectos exagerados. Cada efecto sonoro de transición, el "swoosh," el "boom," el "ding" del logo final, compite con la voz si está mal puesto y mal mezclado. El criterio: ¿este efecto añade algo o solo decora?

Mezclar solo en un sistema. Prueba también en otros sistemas relevantes para la audiencia; un único dispositivo puede ocultar problemas de balance.

No revisar la sonoridad final. Mide el archivo exportado; la normalización de reproducción, si existe, no corrige una voz tapada por música ni una grabación distorsionada.

No prever cambios de montaje. Una mezcla provisional puede ayudar durante la edición. Un montaje estable facilita el acabado, pero los cambios posteriores deben trasladarse al proyecto de sonido.

No conservar las fuentes y stems. Los stems son submezclas exportadas, por ejemplo diálogo, música y efectos; no equivalen necesariamente a cada pista individual. Permiten cambiar el balance entre grupos. Conserva también las pistas originales y el proyecto si necesitas editar dentro de esos grupos: un stem de diálogo mezclado no recupera por separado cada micrófono.

Cómo encajar la mezcla en el flujo

La mezcla bien hecha no se improvisa. Necesita tiempo, herramientas y proceso.

Tiempo: depende del estado de las grabaciones, la complejidad, las revisiones y los entregables. La duración del vídeo por sí sola no permite calcular horas de mezcla.

Herramientas: estaciones de audio como Pro Tools, Logic Pro, Fairlight o Reaper, y los procesadores necesarios para el material. Comprueba funciones y licencias de la versión que uses.

Proceso: mezcla en una sala con monitorización adecuada (no en oficina con ruido de fondo), con auriculares de calidad y altavoces de monitor, validando en sistemas de consumo antes de aprobar.

En Polimake, la biblioteca audiovisual permite archivar, buscar y recuperar material creativo, también mediante API o MCP. La mezcla y la exportación de stems se realizan en la herramienta de audio elegida.

Esto se relaciona con la grabación de spots donde el audio decide la calidad percibida, con la postproducción como fase donde la mezcla vive, y con la decisión de formato de entrega que define qué loudness pide cada destino.

Para cerrar

Una mezcla debe permitir entender el contenido y mantener un balance adecuado al destino. Su evaluación combina escucha, medidas y requisitos de entrega.

Reserva tiempo para revisar el sonido, conserva las fuentes y stems, y crea versiones cuando las especificaciones lo requieran. Ningún objetivo de sonoridad garantiza por sí solo que una mezcla funcione en todos los sistemas.

Referencias rápidas

• Nivel, sonoridad y true peak son medidas distintas.
• Requisitos de entrega y normalización de reproducción cumplen funciones diferentes.
• Voz y música: comprueba el balance con el material real.
• Stems y pistas originales: conserva lo necesario para futuras versiones.
• Exportación final: mide y escucha antes de entregar.