Sonido en vídeo: locución, música y diseño sonoro para piezas de marca

Hay una prueba que hacemos a menudo en el estudio cuando un cliente nos enseña un vídeo que «no termina de funcionar». Lo ponemos dos veces: una con la imagen tapada, solo escuchando, y otra en silencio, solo mirando. Casi siempre la imagen aguanta mejor de lo que pensaba el cliente. Lo que falla es lo que se oye: una voz con eco de sala vacía, una música de biblioteca que suena a centralita, un volumen que sube y baja entre planos. El público rara vez sabe explicarlo, pero lo nota enseguida y lo traduce en una sola idea: esto parece poco profesional.

El sonido es la mitad del vídeo, y suele recibir bastante menos de la mitad del cuidado. Es comprensible: se ve menos en el presupuesto, no aparece en las capturas de pantalla y cuesta más imaginarlo en la preproducción. Pero cuando está bien resuelto, sostiene la atención, transmite emoción y hace que la marca suene a algo concreto.

En esta guía repasamos las tres capas del sonido de una pieza audiovisual (la voz, la música y el diseño sonoro), cómo se graban o se eligen, cómo se mezclan y a qué niveles se entregan según dónde se vaya a publicar.

01Las tres capas del sonido de un vídeo

Cualquier banda sonora de una pieza de marca se puede descomponer en tres capas que se trabajan por separado y se unen en la mezcla.

• →Voz. El diálogo de las personas que aparecen en pantalla (entrevistas, testimonios, presentaciones) y la locución, la voz en off que narra sin verse.
• →Música. La que marca el ritmo del montaje, la emoción de cada parte y, a menudo, la identidad sonora de la marca.
• →Diseño sonoro. Ambientes, efectos, foley (sonidos recreados en estudio, como pasos o el roce de una tela) y los acentos que acompañan a los gráficos.

Cada capa tiene su función y su jerarquía. En la gran mayoría de vídeos corporativos la voz manda, la música acompaña y el diseño sonoro da cuerpo. Cuando ese orden se invierte sin intención, el resultado se siente confuso: una música que tapa la voz obliga a hacer un esfuerzo que el espectador no tiene ganas de hacer.

Clave: el espectador perdona una imagen algo imperfecta, pero abandona rápido un vídeo en el que cuesta entender lo que se dice.

02Grabar una voz limpia en rodaje

Todo lo que se grabe mal en rodaje se puede mejorar en postproducción, pero hasta cierto punto. Las herramientas de limpieza actuales, como iZotope RX o la función de aislamiento de voz de DaVinci Resolve, hacen maravillas con ruidos constantes. Con el eco de una sala o con una voz lejana se puede hacer bastante menos. Por eso el mejor momento para cuidar el sonido es antes de pulsar el botón de grabar.

Elegir la sala

La sala importa más que el micrófono. Las paredes desnudas, los suelos de baldosa y los techos altos generan reverberación, esa cola de eco que hace que la voz suene lejana. Lo que funciona es buscar espacios con muebles, cortinas, estanterías llenas de libros o alfombras, que absorben y rompen el sonido. Si la sala es la que es, unas mantas acústicas fuera de cuadro cambian mucho el resultado. Y antes de rodar, conviene apagar aires acondicionados, neveras y cualquier aparato con zumbido.

Micrófonos: corbata y cañón

Para entrevistas usamos casi siempre dos fuentes a la vez:

• →Micrófono de corbata (lavalier): se coloca en el pecho, a un palmo de la boca, oculto bajo la ropa o discreto sobre ella. Da una voz cercana y estable aunque la persona gire la cabeza.
• →Micrófono de cañón (shotgun): direccional, montado en una pértiga justo fuera del encuadre, apuntando a la boca desde arriba. Da un sonido más natural y abierto.

Grabar ambos permite elegir en montaje el que mejor suena en cada momento y tener respaldo si uno roza con la ropa o recoge una interferencia. El micrófono de la cámara sirve como pista de sincronización, no como sonido principal.

Ajustes técnicos que conviene fijar

El estándar en vídeo es grabar a 48 kHz y 24 bits. Los 24 bits dan un margen dinámico amplio, de modo que se puede grabar con niveles prudentes, con los picos de la voz en torno a −12 dBFS (decibelios respecto a la escala digital completa), sin riesgo de saturar si la persona se ríe o alza la voz. Muchas grabadoras actuales graban además en 32 bits flotantes, que prácticamente elimina el riesgo de saturación.

Tono de sala

Al terminar cada localización grabamos 30 segundos de silencio con todo el equipo quieto. Ese room tone o tono de sala es el sonido de fondo propio del espacio, y en montaje sirve para rellenar huecos y suavizar cortes. Sin él, cada corte en una entrevista se nota como un pequeño salto en el aire.

03Locución: cuándo usarla y cómo dirigirla

La locución, o voz en off, es útil cuando el mensaje necesita un hilo conductor que la imagen sola no da: explicar un producto, contar la historia de una empresa, guiar un vídeo de producto. Cuando la pieza se apoya en personas reales hablando, como en un vídeo testimonial, la locución suele sobrar o reducirse a una entrada y un cierre.

El texto se escribe para el oído

Un guion de locución no es un texto para leer. Las frases cortas, las palabras sencillas y una sola idea por frase se entienden mejor al oído. Conviene leerlo en voz alta antes de cerrarlo: si al leerlo te quedas sin aire o tropiezas, el locutor también lo hará.

Para calcular duraciones usamos como orientación unas 140 a 160 palabras por minuto en español a ritmo natural y tranquilo. Un vídeo de 60 segundos con locución continua admite, por tanto, en torno a 140 palabras, y conviene dejar respiraciones para que la música y la imagen también hablen. Si el guion pasa de esa cifra, toca recortar texto antes que pedir al locutor que corra.

Elegir la voz

La voz es parte de la identidad de la marca, igual que el tono de su copy. Antes de buscar locutor definimos tres o cuatro rasgos: edad aparente, calidez, energía, acento. Una marca de turismo de lujo y una app para autónomos piden voces muy distintas. Con esos rasgos se piden pruebas de voz con un fragmento del guion real, no con un texto genérico.

La sesión de grabación

Una buena sesión de locución se graba en una cabina acondicionada, con un micrófono de condensador de diafragma grande, y con alguien dirigiendo: indica la intención de cada frase, pide alternativas («ahora más cercano», «sonríe en esta frase») y marca las tomas buenas. Pedir siempre dos o tres versiones de las frases clave da opciones en montaje.

04La música: emoción, ritmo y licencias

La música es la capa que más rápido transmite una emoción. En dos compases el público ya sabe si está viendo algo íntimo, enérgico, solemne o divertido. Por eso conviene elegirla pronto, idealmente antes de montar, porque el montaje suele cortar al ritmo de la música.

Cómo elegir

Más que buscar «música corporativa», que suele dar resultados intercambiables, buscamos por emoción y por estructura. Una buena pista para vídeo tiene una entrada clara, una evolución y momentos de subida y bajada que se pueden hacer coincidir con las partes del mensaje. Las pistas con voz cantada compiten con la locución; en piezas habladas casi siempre funcionan mejor las instrumentales, o versiones instrumentales de una canción.

Licencias: qué hace falta para usar una canción

Este es el punto donde más dudas aparecen. Para usar música en un vídeo publicitario o corporativo se necesitan permisos sobre dos derechos distintos:

Una canción comercial conocida requiere negociar los dos primeros, con precios que dependen del alcance, el territorio y la duración. Para la mayoría de marcas hay dos caminos mucho más prácticos:

• →Bibliotecas con licencia comercial, como Artlist, Musicbed, Epidemic Sound o PremiumBeat. Se paga una suscripción o una licencia por pista que cubre el uso en vídeo online. Conviene leer bien qué usos incluye cada plan (publicidad pagada, televisión, eventos) y registrar el canal o la cuenta si la plataforma lo pide, para evitar reclamaciones automáticas de Content ID en YouTube.
• →Música original, compuesta para la marca. Da un sonido único, se adapta al montaje al segundo y la marca puede tener los derechos de uso que necesite. Es la opción natural cuando se quiere construir una identidad sonora.

05Diseño sonoro: lo que hace que la imagen se sienta real

El diseño sonoro es la capa que menos se nota cuando está y más se echa de menos cuando falta. Un plano de una persona sirviendo café sin el sonido del líquido parece extrañamente vacío. Un gráfico que aparece en pantalla sin un pequeño acento sonoro se siente plano.

Ambientes

Cada espacio tiene su sonido: el murmullo de una cafetería, el viento suave en una terraza, la sala de máquinas de una fábrica. Un ambiente continuo bajo una escena une los planos y sitúa al espectador. Muchas veces el ambiente grabado en rodaje no es suficiente y se refuerza con librerías o grabaciones propias.

Efectos y foley

Los efectos subrayan acciones concretas: una puerta, un clic, el roce del papel de un envase. El foley recrea esos sonidos en estudio para que suenen limpios y presentes. En vídeos de producto, el sonido del producto (el tapón de un vino, la cremallera de una mochila, el clic de un dispositivo) es tan importante como su imagen.

Sonido para motion graphics

Los gráficos animados piden su propio vocabulario sonoro: whooshes que acompañan una transición, toques suaves cuando aparece un texto, un golpe leve cuando un elemento se asienta. La regla que seguimos es la contención. Un sonido por cada gesto importante, siempre alineado con el movimiento y con una paleta sonora coherente en toda la pieza. Si la marca tiene un logo animado, su sonido merece el mismo cuidado que su animación; lo contamos en la guía de logotipos animados.

06La mezcla: jerarquía, ecualización y sonoridad

Mezclar es decidir qué se oye en cada momento y cuánto. Un orden de trabajo sencillo ayuda a que el resultado sea consistente.

1. 01Ordenar las pistas por capas: diálogos, locución, música, ambientes, efectos.
2. 02Limpiar la voz: reducir ruido de fondo con moderación, eliminar chasquidos y respiraciones excesivas, igualar el volumen entre frases.
3. 03Ecualizar la voz: un filtro paso alto en torno a 80 a 100 Hz quita retumbe sin restar cuerpo, y un pequeño realce en la zona de presencia (2 a 5 kHz) ayuda a la inteligibilidad.
4. 04Comprimir suavemente la voz para que no haya saltos bruscos de volumen.
5. 05Colocar la música por debajo de la voz. Cuando habla alguien, la música baja; en las pausas, recupera presencia. Muchos editores usan un ducking automático, aunque a mano queda más musical.
6. 06Añadir ambientes y efectos, comprobando que apoyan sin tapar.
7. 07Medir la sonoridad final y ajustar al nivel de entrega.

Medir en LUFS, no a ojo

La sonoridad percibida se mide en LUFS (Loudness Units relative to Full Scale), una unidad que tiene en cuenta cómo oye el oído humano. Es la forma estándar de asegurarse de que un vídeo suena al volumen adecuado. Para emisión en televisión en Europa rige la recomendación EBU R128, con −23 LUFS integrados. Las plataformas online normalizan el volumen de todo lo que se sube, de modo que un vídeo exportado muy alto simplemente se baja y pierde dinámica por el camino.

Los medidores de sonoridad vienen incluidos en DaVinci Resolve (Fairlight), Premiere Pro y Final Cut Pro, y conviene comprobar la mezcla en la escucha más habitual del público: unos auriculares sencillos y el altavoz de un móvil, además de los monitores del estudio.

07Para quien ve sin sonido y para quien solo escucha

En redes sociales una parte importante del público empieza a ver los vídeos con el sonido desactivado. Eso no resta valor al audio: lo que cambia es que el vídeo tiene que entenderse también sin él. Los subtítulos y los textos en pantalla son la respuesta, y además hacen el contenido accesible para personas sordas o con pérdida auditiva. Lo desarrollamos en la guía sobre subtítulos y accesibilidad en vídeo.

Y al revés: hay vídeos que se escuchan más que se miran, como los que acompañan a alguien mientras cocina o trabaja. Para ellos, una locución clara y una mezcla limpia son lo que sostiene el mensaje.

Una revisión rápida antes de entregar

• →La voz se entiende de principio a fin con el altavoz del móvil.
• →No hay saltos de volumen entre planos ni entre bloques.
• →La música respira en las pausas y baja cuando alguien habla.
• →Los cortes en entrevistas no dejan huecos de silencio extraños.
• →La sonoridad integrada coincide con la de la plataforma de destino.
• →Todas las pistas musicales tienen su licencia documentada.

08El sonido como parte de la marca

Cuando una marca cuida cómo suena, sus vídeos ganan algo difícil de describir y fácil de sentir: presencia. La voz transmite confianza, la música marca la emoción y el diseño sonoro hace que todo parezca tangible. Ninguna de esas capas necesita un presupuesto desorbitado; necesita que alguien piense en ellas desde el guion.

En SIMA trabajamos el sonido como una parte más de la producción audiovisual: desde la grabación en rodaje hasta la locución, la música y la mezcla final para cada plataforma. Si tienes un vídeo que quieres que suene a tu marca, o un proyecto que empieza y quieres plantearlo bien desde el principio, escríbenos y lo hablamos.