Creatives Playbook / Capítulo 18

Sonido, diálogo, música y silencio

Contenido del capítulo

El sonido no es la capa que se añade cuando la película ya funciona. Es uno de los principales motivos por los que funciona.

La audiencia puede perdonar una imagen sencilla si la voz es clara y la escena parece real. Abandonará una película hermosa si no entiende a quien habla, si cada corte cambia el ruido de fondo o si la música le indica que sienta algo equivocado. Un buen sonido cumple cuatro funciones a la vez:

  1. Facilita la comprensión del habla.
  2. Da a la imagen un lugar físico.
  3. Guía la atención y la emoción.
  4. Ayuda a que planos separados parezcan una película continua.

Este capítulo utiliza tres ejemplos recurrentes:

Son ejemplos independientes. Cada uno tiene necesidades sonoras diferentes. Daymark depende de una explicación tranquila y clara. Northline, de sonidos táctiles del producto y ambiente exterior. BrightNest, de diálogo natural y del sonido de un hogar real.

Section 01Empieza por la historia sonora#

Antes de elegir micrófono, pista musical o efecto, escribe la historia sonora en una frase. Expresa qué debe percibir la audiencia, dónde debe sentir que está y cómo debe cambiar el estado emocional.

Por ejemplo:

Esta frase es un contrato emocional. Cada decisión sonora importante debe respaldarla. Una pista puede ser excelente por sí sola y aun así ser incorrecta para la película. Por ejemplo, música electrónica de baile intensa bajo una tierna historia de rescate crea una contradicción emocional, salvo que sea deliberada. Si la música lucha contra las palabras o la situación mostrada, sustitúyela. El silencio es mejor que una pista que cuenta la historia equivocada. Consulta el ejemplo de ajuste musical en 15:00.

Convierte la historia sonora en un mapa sencillo antes del montaje detallado:

Momento narrativo Centro de atención Lugar Dirección emocional Probable movimiento sonoro
Problema Voz o acción clave Establecer el mundo real Aumenta la presión Añadir ritmo, textura o densidad
Descubrimiento Un detalle importante Estrechar el espacio Se afina la atención Reducir las capas que compiten
Decisión Una frase, mirada o acción Mantener estable el espacio La tensión alcanza su punto máximo Pausar, aligerar la música o mantener un tono
Resultado Prueba del cambio Dejar que el mundo se abra Alivio o consecuencia Recuperar un motivo, liberar graves o usar silencio
Llamada a la acción El siguiente paso Mantenerlo sencillo Confianza Voz clara, apoyo contenido

No llenes todavía este mapa de instrucciones técnicas. «Filtro de paso bajo a 2 kHz» no es una decisión narrativa. «Dejar espacio a la respuesta del cliente» sí lo es. El recurso técnico llega después.

Ejemplo desarrollado: película de 45 segundos de Daymark#

Daymark abre con un teléfono que muestra una racha de 23 días rota. El plan sonoro es:

  1. 0–7 segundos: presión. Un ambiente de habitación seco, una pulsación de pulgar y un pequeño pulso repetido de tres notas. Sin ritmo recargado.
  2. 7–18 segundos: reconocimiento. La persona fundadora dice: «Fallar una vez no debería hacerte abandonar». El pulso baja para que la frase domine la escena.
  3. 18–32 segundos: solución. Sonidos de pantalla marcan tres acciones: abrir la app, elegir «restart gently» y configurar el recordatorio de mañana. Entra una versión más cálida de la idea de tres notas.
  4. 32–39 segundos: prueba. Una persona usuaria dice: «Me puso de nuevo en marcha». La música desaparece durante la primera mitad de la frase.
  5. 39–45 segundos: siguiente paso. El motivo se resuelve bajo el nombre del producto y una llamada a la acción hablada y sencilla.

El mismo motivo aparece primero como presión y después como alivio. Sus notas no necesitan cambiar; puede cambiar el arreglo. Ese regreso da memoria a la película. Desarrollar una idea musical central, insinuarla al principio y recuperarla en una resolución permite que el sonido lleve la historia en vez de limitarse a decorarla. La música original puede plantearse con suficiente antelación para influir en el rodaje, mientras que suele ser más seguro elegir música de archivo cuando ya existe la estructura narrativa, para que la pista no dicte la película por accidente. Consulta el debate sobre banda sonora y motivo desde 27:30.

Section 02Construye la jerarquía antes de añadir detalle#

Una mezcla es una clasificación. En cada momento, un elemento suele tener más importancia.

Usa cuatro capas principales:

  1. Diálogo: palabras habladas, respuestas de entrevista, voz en off, respiraciones y reacciones vocales útiles.
  2. Ambiente: el sonido continuo del lugar, como tono de sala, tráfico, viento, pájaros, aire acondicionado o personas lejanas.
  3. Efectos Foley y otros efectos: sonidos ligados a acciones, como una taza que se posa, tela que se mueve, un cierre que encaja o una notificación.
  4. Música: banda sonora, canción, ritmo, fondos tonales y transiciones musicales.

Foley significa sonido interpretado o grabado que coincide con una acción visible. No tiene que ser grandioso. El roce de una mano con una chaqueta puede importar porque hace presente el cuerpo.

La jerarquía cambia durante la película. En una respuesta de entrevista, manda el diálogo. En un primer plano de producto, puede mandar el giro de la tapa. En un exterior general, pueden liderar brevemente el viento y el tráfico lejano. El error es hacer que las cuatro capas sean igual de fuertes y activas.

Escribe una frase por escena:

La audiencia debe oír [una cosa]; todo lo demás la apoya.

Ejemplos:

El sonido también puede distinguir dos mundos narrativos. Si una película alterna una conversación interior y una persecución exterior, cada hilo debe tener ambiente, volumen y sensación espacial coherentes. Aplicar a cada escena el procesamiento adecuado conserva el contraste. Aplicar la misma reverberación a todas las pistas difumina los mundos. Consulta el ejemplo sonoro de montaje paralelo desde 2:30.

Section 03Captura un habla que sobreviva al montaje#

El habla clara empieza antes de la posproducción. Una grabación débil no siempre puede rescatarse y una lectura emocionalmente plana seguirá plana después de un procesamiento caro.

Controla primero la habitación#

Escucha antes de grabar. No te limites a mirar.

  1. Quédate inmóvil durante 20 segundos.
  2. Percibe calefacción, refrigeración, tráfico, ventiladores de portátiles, luces que zumban, eco de paredes duras, movimiento de la ropa y voces cercanas.
  3. Apaga las fuentes de ruido seguras y controlables.
  4. Aleja a quien habla de paredes desnudas y ventanas grandes cuando sea posible.
  5. Acerca el micrófono lo suficiente para favorecer la voz frente a la habitación.
  6. Graba al menos 30 segundos de la habitación sin que nadie hable.

Esa última grabación es tono de sala. Ayuda a rellenar los huecos entre frases montadas sin que el fondo caiga de pronto en silencio digital.

Graba una prueba breve y evalúala con auriculares. Escucha primero el significado: ¿puede entenderse cada palabra sin esfuerzo? Después, busca fallos: eco, siseo, ruido grave, saturación, sonidos de boca o cambios de distancia.

No aceptes una toma murmurada porque el montaje de luces sea incómodo. El acabado visual se desperdicia si la frase no transmite la idea. Un trabajo guiado por el habla debe comprobar que la voz sea clara y sin eco antes de añadir adornos visuales. Consulta la orientación de montaje centrado en la voz en 30:30.

Graba para facilitar el montaje#

Pide principios y finales limpios. Deja una pequeña pausa antes y después de cada toma. No permitas que quien habla manipule objetos durante una frase importante, salvo que la acción forme parte de la interpretación.

Captura estas piezas:

Si una palabra resulta difícil de forma constante en habla generada, una escritura fonética puede ayudar. Escribe la palabra como debe sonar, no solo como se escribe. Es una táctica específica de la herramienta, así que pruébala en el sistema de voz real en vez de suponer que la primera grafía funcionará. Consulta el consejo sobre diálogo fonético en 17:00.

Mantén los recursos identificables. Usa nombres como:

brightnest_customer_line-03_take-02_clean.wav

Evita nombres como audio_final_new2.wav. Conserva los nombres originales útiles cuando el audio pase entre sistemas. Quien monte después debe poder encontrar la frase exacta sin abrir 40 archivos.

Section 04Dirige la presentación, no solo las palabras#

El diálogo es una acción. Quien habla tranquiliza, advierte, admite, desafía, invita o decide. Indica esa acción antes de hablar del tono.

«Suena más cálido» es impreciso. «Dile a un cliente preocupado que dejar pasar un día tiene solución» da a quien habla una persona y un propósito.

Reduce la carga de memoria#

Los pasajes largos memorizados suelen perder energía al final de las frases. La persona busca las palabras siguientes en vez de completar la idea actual.

Para hablar directamente a cámara, usa este método frase por frase:

  1. Divide el guion en ideas completas.
  2. Mira hacia abajo y memoriza una frase.
  3. Mira al objetivo.
  4. Di la frase a una persona imaginada.
  5. Mantén el final en vez de apartar la mirada de inmediato.
  6. Repite enseguida las frases débiles o murmuradas.

El montaje puede unir las mejores frases. Esto conserva la energía y reduce el sonido de «recitado». Un enfoque práctico también varía la cadencia: sobre todo frases cortas, alguna frase más larga, listas de tres elementos, pausas deliberadas en palabras importantes y un cierre vocal descendente cuando concluye una idea. Son puntos de partida, no reglas para todo el mundo. Consulta la lección sobre habla y tratamiento de voz desde el principio.

Dirige con precisión las escenas de dos personas#

En cualquier intercambio entre dos personajes, define tres cosas:

  1. Quién habla.
  2. Qué hace quien escucha.
  3. Qué sucede en la pausa o el relevo.

Ejemplo:

Maya dice: «Pensé que la marca nunca saldría». Dan escucha sin hablar, mira la mesa limpia y suelta una pequeña risa de alivio después de su frase.

Esto importa especialmente en el video generado. Una instrucción con dos personas y una frase puede hacer que se muevan ambas bocas. Si ocurre, simplifica el plano. Acércate a quien habla. Indica expresamente que la otra persona escucha con un movimiento mínimo. Los sistemas actuales de video generado pueden comportarse de forma inconsistente, así que trátalo como una táctica de iteración, no como una orden garantizada. Un flujo de trabajo documentado usa esta estructura más clara de hablante, oyente y pausa, y pasa a un encuadre más cerrado cuando ambos personajes intentan hablar. Consulta el flujo de diálogo desde 25:30.

La expresión facial necesita la misma claridad. Si importa una risa, dirígela. No supongas que la acción circundante implicará el rostro correcto. Si un paso posterior de transferencia de interpretación debilita la expresión, compara la interpretación original con el resultado y conserva la actuación antes de pulir la voz. La música y los efectos vocales no pueden reparar una interpretación ilegible. Consulta el flujo de expresión e interpretación desde 10:30.

Section 05Monta el diálogo antes de pulir la imagen#

Haz una revisión del diálogo cuando la línea de tiempo todavía sea provisional.

  1. Elige las tomas por significado e interpretación.
  2. Elimina el ruido inutilizable y los errores evidentes.
  3. Acorta las pausas que parezcan accidentales.
  4. Conserva respiraciones y pausas que revelen pensamiento o emoción.
  5. Suaviza el tono de sala entre los cortes.
  6. Fija un nivel provisional de diálogo.
  7. Mira con la imagen y escucha una vez sin mirar.

El último paso importa. Al dejar de mirar, resulta más fácil oír palabras débiles, cortes torpes, cambios de ruido y énfasis emocionales falsos.

No elimines todas las respiraciones. Una respiración puede mostrar miedo, esfuerzo, alivio o duda. No comprimas todas las pausas. Una pausa puede hacer que la audiencia anticipe la respuesta. En el lugar adecuado, una inhalación, un aplauso incómodo o el silencio pueden transmitir más que otro efecto sonoro. Consulta la revisión de sonido y suspense desde 13:30.

Moldea la voz con cuidado#

La ecualización, o EQ, cambia el equilibrio de frecuencias. La compresión reduce la diferencia entre las partes más fuertes y las más suaves. Ambas deben responder a la voz y la grabación reales. Un ajuste predefinido es solo un punto de partida.

Usa esta secuencia contenida:

  1. Elimina el ruido grave. Usa un filtro de paso alto para reducir graves innecesarios, pero detente antes de que la voz quede fina.
  2. Encuentra la aspereza. Aumenta temporalmente una banda estrecha de frecuencias y recórrela hasta que el sonido nasal, resonante o áspero resulte evidente.
  3. Reduce con moderación. Convierte ese aumento temporal en una pequeña reducción.
  4. Añade presencia solo si hace falta. Un poco de claridad en frecuencias altas puede ayudar a las palabras, pero un exceso crea siseo y sonidos «s» afilados, llamados sibilancia.
  5. Comprime con suavidad. Contén los picos y eleva las frases suaves sin hacer que cada respiración suene demasiado fuerte.
  6. Compara al mismo volumen. Lo más fuerte suele parecer mejor aunque solo sea más fuerte.

Procesa dentro de la mezcla completa. Una voz que suena rica por sí sola puede quedar turbia bajo la música. Una voz brillante que atraviesa la mezcla puede sonar desagradable aislada, pero correcta en contexto.

Section 06Elige la música por su función#

No empieces por el género. Empieza por la tarea.

Pregunta:

Después, prueba pistas con las palabras y la imagen reales. Una etiqueta de búsqueda como «música corporativa inspiradora» es demasiado amplia para decidir.

Música original y música de archivo#

Si la banda sonora será original, puede desarrollarse pronto una melodía o premisa rítmica aproximada. Puede sugerir cómo dar ritmo o filmar una escena. Si usas música de archivo, fija primero la estructura narrativa básica. Una pista de archivo tiene sus propias subidas y bajadas; montar toda la película a su alrededor puede hacer que la historia sirva a la pista en vez de lo contrario. Es una distinción práctica, no moral. Ambas fuentes pueden funcionar.

Al licenciar música de archivo, confirma que la licencia cubra la plataforma, cuenta, uso publicitario, territorios y duración previstos. Este capítulo no ofrece asesoramiento jurídico y las condiciones de licencia cambian. Guarda el registro de licencia con el proyecto.

Trabaja con pistas separadas#

Las pistas separadas son grupos independientes de una pieza musical, como batería, bajo, melodía y atmósfera. Permiten al montador cambiar la intensidad sin abandonar la pista.

Por ejemplo:

La música debe cambiar con el arco emocional. Puede intensificarse durante la escalada, aligerarse para recuperar el control o desaparecer para que la consecuencia cale. Los instrumentos locales, objetos físicos y ambientes también pueden dar a una película presencia cultural o geográfica real cuando se graban y desarrollan con personas de ese lugar. No deben usarse como decoración exótica. Consulta la conversación sobre música y sonido guiados por la localización desde 1:28:00.

Usa la contradicción solo a propósito#

A veces, música tranquila sobre una imagen amenazante crea inquietud. Puede ser potente porque las capas discrepan de forma controlada. Pero una discordancia accidental crea confusión.

Usa esta prueba:

  1. Nombra la emoción de las palabras.
  2. Nombra la emoción de la imagen.
  3. Nombra la emoción de la música.
  4. Si difieren, expresa en una frase el efecto buscado en la audiencia.
  5. Si no puedes expresarlo, probablemente la discordancia no sea bastante deliberada.

En una secuencia de montaje paralelo, un piano tranquilo aparentemente diegético puede convivir con un fondo amenazante y contenido, mientras filtrado, EQ y panoramización mantienen ambos legibles. Diegético significa que el sonido parece proceder del mundo mostrado, como una radio o un piano en la habitación. La contradicción solo funciona si la audiencia aún puede seguir el espacio y el centro de atención. Consulta el ejemplo de montaje paralelo por capas desde 2:30.

Section 07Construye el mundo por capas#

Cuando estén colocados el diálogo y una banda sonora temporal, construye el mundo físico. Un orden útil es banda sonora, ambiente, Foley y después efectos expresivos. La banda sonora establece el ritmo emocional. El ambiente establece el lugar. Foley conecta cuerpos y objetos con la imagen. Los efectos expresivos añaden significado más allá del realismo estricto. Una demostración detallada de diseño sonoro sigue este orden. Consulta la construcción paso a paso desde 0:30.

1. Coloca una banda sonora temporal#

Aunque una persona compositora vaya a crear la música final, una pista temporal puede revelar el ritmo y los giros emocionales buscados. Márcala claramente como temporal. No dejes que se convierta por accidente en una pieza final sin licencia.

2. Construye solo el ambiente#

Silencia la música y los efectos detallados. Escucha la localización.

Una oficina vacía no está en silencio. Puede contener calefacción, ventilación, tráfico lejano, luces y un tenue tono del edificio. Un exterior de invierno puede contener viento, movimiento de ropa, neumáticos lejanos, pájaros o nieve bajo los pies. Elige unos pocos sonidos coherentes. Diez pistas de ambiente inconexas no crean automáticamente un lugar más creíble.

El ambiente debe continuar entre planos que pertenecen al mismo lugar. Los pequeños cambios pueden reflejar la distancia de cámara, una puerta que se abre o el paso al interior. Los cambios repentinos deben significar algo.

3. Añade Foley a las acciones visibles#

Enumera las acciones importantes y decide cuáles necesitan sonido:

Graba tus propios efectos Foley cuando una biblioteca no ofrezca el tamaño, la textura o el ritmo adecuados. Corta las distintas tomas en clips separados. Alinea el pico de forma de onda más fuerte con el impacto visible y después ajusta de oído. Una técnica de grabación perfecta ayuda, pero la especificidad suele importar más que un aislamiento impecable, porque el sonido puede moldearse en contexto.

Evita el primer efecto de archivo que aparezca en la búsqueda. Un efecto famoso o demasiado usado puede hacer que una escena parezca prestada. Un sonido real y ligeramente imperfecto suele pertenecer mejor a la imagen.

4. Añade efectos expresivos#

Ahora pregunta qué no puede decir la imagen por sí sola.

Un sonido suave puede marcar una idea nueva. Un zumbido grave puede volver incierta una habitación corriente. Un silbido puede conectar un movimiento rápido de cámara. Un impacto mayor que el real puede hacer que una acción de producto resulte decisiva. Una capa crujiente junto a una pequeña herramienta metálica puede hacerla parecer peligrosa.

Son decisiones narrativas, no exigencias de realismo. Mantén un estilo coherente. Si cada movimiento de mano recibe un silbido cinematográfico, ninguno importa. Reserva las subidas, impactos y golpes musicales más fuertes para giros reales.

Quedan dos preguntas: ¿dónde corresponde un acento y qué intensidad debe tener?

Busca los momentos cuando las demás capas estén colocadas. Con banda sonora, ambiente y Foley presentes, se vuelven evidentes las secciones vacías y los giros sin marcar. Dos señales visuales son fiables: un movimiento y un cambio de luz. La demostración de la que procede este orden toma un plano del sol poniéndose, un corte fácil de pasar por alto, y lo marca con un platillo invertido que crece hasta el corte y una caída de graves que empieza en él. Un platillo invertido, también llamado suckback, es una grabación de platillo reproducida al revés, de modo que crece hacia un punto en vez de golpear en él. Una caída de graves es un tono bajo que desciende y se espesa. Los acentos se agrupan en el giro, no se reparten por toda la escena. Consulta la decisión de acento desde 11:40.

Después, fija la intensidad. Cuando un acento es demasiado grande para su momento, la corrección útil suele ser reducirlo, no eliminarlo. En la demostración, una caída de graves y un golpe intensos abruman un gesto pequeño y tranquilo que pausa la tensión, pero no constituye un acontecimiento. La corrección conserva el platillo invertido, retira los golpes y reserva la combinación completa de platillo y estruendo grave para la resolución real, donde la mezcla final aún la sostiene frente a los fondos más largos de música y ambiente. Consulta la construcción de la transición final desde 15:00.

Así una misma idea tiene tres intensidades en vez de un interruptor: una subida desnuda para un giro pequeño, una subida con impacto grave debajo para uno auténtico y nada para los muchos momentos que ya están claros.

Las tres películas de ejemplo ocupan puntos distintos de esa escala. Daymark tiene un giro que merece marca: la entrada de la versión más cálida de su motivo, y basta una subida desnuda. Northline llega al suyo retirando sonido en la cima en vez de añadirlo, que es el mismo criterio aplicado en la dirección contraria. BrightNest no acentúa nada bajo la frase del cliente, porque subrayar una promesa hablada la debilita en vez de reforzarla.

Ejemplo desarrollado: película de invierno de la botella Northline#

La película de 30 segundos de Northline sigue a una persona en bicicleta que sale de casa antes del amanecer.

  1. Establece el frío. Empieza con viento grave, una carretera lejana, tela de chaqueta y el clic seco de una hebilla de casco. Reduce la música a un fino fondo tonal.
  2. Haz físico el esfuerzo. Añade textura de neumáticos, movimiento de cadena, respiración y viento que crece con la velocidad. La voz en off es escasa.
  3. Protege la continuidad. Mantén viento y textura de ruedas entre cambios de ángulo para que cinco planos separados parezcan un solo trayecto.
  4. Crea el giro. En la cima, corta la música y la mayor parte del viento durante medio momento cuando se detiene la bicicleta.
  5. Haz táctil el producto. Lleva al frente el movimiento del guante, la apertura de la tapa, un ligero siseo de presión, el vertido y el contacto con la taza.
  6. Entrega alivio. Recupera la idea tonal con una armonía más cálida cuando aparezca el vapor.
  7. Termina con sencillez. Deja que un último clic de tapa caiga bajo el logotipo en vez de añadir otro estruendo.

El resultado final no suena «grande» en todo momento. Suena frío, exigente y después cálido. La prueba del producto nace de una cadena creíble de pequeños sonidos. La reducción de medio momento antes de abrir la tapa hace que el detalle importante parezca mayor sin subir el volumen.

Section 08Haz que los efectos Foley pertenezcan al espacio mostrado#

Los efectos Foley secos grabados cerca de un micrófono suelen sonar como una grabación de estudio superpuesta a la imagen. Esta puede mostrar una cocina reflectante, una oficina pequeña, un baño alicatado, un bar o una calle abierta. El sonido necesita el mismo espacio.

La reverberación es el patrón de reflejos que informa al oído sobre una habitación. Envía los efectos Foley relacionados a un bus o una submezcla compartida, es decir, un canal que controla un grupo de pistas. Aplica el tratamiento de sala al grupo. Así el entorno permanece coherente y resulta más fácil de ajustar.

No añadas la misma reverberación a todo. Una voz cercana, un paso lejano y un fondo musical no guardan la misma relación con la habitación. Empieza por el grupo Foley que debe habitar el espacio mostrado y después juzga cada capa según su función. El método de reverberación compartida y el equilibrio final entre diálogo, efectos y música se muestran en el flujo de diseño sonoro. Consulta la fase de mezcla desde 7:00.

La panoramización sitúa el sonido de izquierda a derecha. Úsala para apoyar un movimiento claro en pantalla, no para presumir. Un vehículo que cruza el encuadre puede desplazarse con suavidad por el campo estéreo. Una frase crucial no debería saltar a un lado solo porque quien habla esté allí.

Section 09Usa el sonido para unir y separar planos#

La imagen y el sonido no tienen que cortar en el mismo fotograma.

Un corte en L mantiene el sonido del primer plano bajo la imagen siguiente. Un corte en J hace que el sonido de la escena siguiente empiece antes que su imagen. Estas formas ayudan a la audiencia a atravesar un corte con fluidez.

Úsalas de forma deliberada:

Un flujo de imágenes generadas puede seguir usando sonido convencional de posproducción. Un ejemplo documentado mantiene el sonido de una puerta sobre un corte y añade después los efectos, voces, trabajo de color y música prevista que faltan. Las imágenes generadas no eliminan la responsabilidad del montador sobre el puente sonoro. Consulta la sección de posproducción y puente sonoro desde 2:48:30.

La continuidad importa especialmente cuando los clips se crearon por separado. No pidas a cada uno que invente su propia música. Cada generación puede producir otra tonalidad, pulso, tempo y habitación. Prefiere efectos que puedan continuar entre uniones. Añade un único fondo musical controlado sobre todo el montaje y fúndelo una vez, en el final previsto. Un flujo documentado de video generado usa esta sustitución por un fondo común para evitar discontinuidades musicales. Consulta la corrección de continuidad desde 9:00.

Section 10Protege el habla frente a la música y los efectos#

Si la audiencia debe esforzarse por entender una frase, la mezcla ha fallado aunque los medidores parezcan correctos.

Empieza por el arreglo, no por el procesamiento:

  1. Elimina efectos innecesarios bajo la frase.
  2. Elige una parte más tranquila de la música.
  3. Retira una pista separada de la música.
  4. Baja la música.
  5. Solo después usa EQ o atenuación automática.

La atenuación automática baja una capa cuando otra se activa. La atenuación por cadena lateral puede hacer que un fondo musical baje solo cuando aparece diálogo o un efecto importante. Ayuda a la continuidad, pero unos ajustes deficientes pueden hacer que la música suba y baje con cada sílaba.

Un filtro de paso bajo reduce las frecuencias altas. En video social guiado por el habla, una fuente cita como punto de partida aproximadamente 1,700–2,500 Hz en la música competidora para dejar más espacio de altas frecuencias a la voz. Es una regla orientativa, no un objetivo universal. La decisión correcta depende de la voz, la pista, los altavoces y el sonido buscado. Consulta el consejo sobre espacio para el habla en 18:00.

No confundas espacio de frecuencias con volumen. Una pista tranquila puede ocultar consonantes si ocupa la misma zona importante. Un fondo más fuerte de bajas frecuencias puede interferir menos con la claridad verbal y crear otros problemas. Escucha en más de un sistema de reproducción.

Section 11Mezcla para la historia y después comprueba los medidores#

Los medidores protegen contra fallos técnicos. No deciden la jerarquía narrativa.

El material de origen ofrece como puntos de partida aproximados diálogo alrededor de −12 dB, efectos entre aproximadamente −10 y −30 dB y música alrededor de −20 a −30 dB. No son estándares de entrega y no deben copiarse a ciegas. Describen un equilibrio de trabajo de un flujo concreto. Los requisitos de sonoridad de las plataformas, límites de pico y material de programa varían. Evita saturar, deja margen y usa la especificación real de entrega cuando exista. Consulta la guía de niveles desde 13:30.

Usa este orden de mezcla:

  1. Ajusta el diálogo para que cada palabra importante sea clara.
  2. Construye el ambiente hasta que el lugar se sienta presente sin distraer.
  3. Añade Foley según la acción y la importancia narrativa.
  4. Añade efectos expresivos solo donde cambien el significado o la energía.
  5. Introduce la música y moldéala alrededor del primer plano.
  6. Comprueba picos, margen y cualquier objetivo de entrega.
  7. Escucha de principio a fin sin aislar pistas.
  8. Prueba con buenos auriculares, altavoces pequeños y un teléfono.
  9. Prueba a bajo volumen. La jerarquía debería seguir clara.

Los botones de aislamiento ayudan a encontrar fallos. Juzgan mal el equilibrio final. La audiencia oye la mezcla, no la caja aislada, el tono de sala o una voz bellamente procesada.

Section 12Usa el silencio como acontecimiento activo#

El silencio en una película rara vez es absoluto. Puede ser tono de sala sin música, una pérdida repentina de efectos o una caída brusca de densidad. Lo importante es el contraste.

Después de cortes rápidos, acción o un fondo musical sostenido, una breve reducción da tiempo a entender lo ocurrido. Un segundo puede bastar antes de una respuesta personal o una imagen emotiva. Su función es permitir la asimilación, no crear vacío. Consulta el ejemplo de silencio deliberado desde 8:30.

Usa el silencio cuando:

Evita el silencio cuando solo deja al descubierto un montaje de ambiente incompleto. Si una habitación queda digitalmente vacía entre frases, no es control dramático. Es un error de continuidad.

El contraste también puede separar modos de interpretación. En un anuncio de cuatro frases, las tres primeras pueden mantenerse serias y estilizadas, mientras que la cuarta se vuelve humana y directa. Música, presentación y subtítulos deben girar juntos para que la llamada a la acción parezca liberar la preparación, no una petición inconexa. Consulta el formato de cuatro frases desde 11:30.

Section 13Mantén el audio generado bajo control editorial#

Las herramientas de video con IA cambian deprisa. Trata lo siguiente como patrones de flujo de trabajo, no como garantías permanentes de producto.

Fija una política de audio antes de generar#

Escribe una instrucción compartida para el proyecto, como:

Solo sonido ambiental y Foley. Sin música. Sin subtítulos. Conserva una perspectiva coherente de habitación y voz.

Úsala en todas las escenas. Los modelos pueden ignorarla, sobre todo en material emocionalmente intenso. Revisa cada resultado. Conserva el audio generado solo cuando ayude a la historia; de lo contrario, aísla, sustituye o siléncialo. Un flujo documentado usa una política sin banda sonora durante la generación y añade sonido controlado en posproducción, aunque advierte que el modelo puede añadir música de todos modos. Consulta la conversación sobre política de audio desde 2:30.

Elige una vía de diálogo según el control necesario#

Hay tres patrones útiles:

  1. Movimiento interpretado más voz diseñada. Graba a una persona interpretando la frase para obtener ritmo, rostro y cuerpo. Crea o transforma por separado la voz prevista. En el montaje, baja o elimina la voz original según convenga y combina la voz diseñada con la interpretación.
  2. Imagen de personaje más voz diseñada. Usa una imagen fija del personaje y una voz externa en un proceso de avatar o sincronización labial cuando importe más controlar el plano hablado que la interpretación de cuerpo entero.
  3. Asignación de voz propia del video generado. Usa la vía reutilizable de voz del propio sistema cuando la prioridad sea el audio integrado. En el ejemplo documentado, quien creó la película siguió generando la voz deseada fuera del sistema, exportó unos 30 segundos de diálogo e importó esa muestra antes de asignar la voz reutilizable. No se creó solo a partir de una descripción de texto. Consulta las tres vías de diálogo desde 4:00.

Elige según la escena:

No hagas responsable a la transformación de voz de la actuación. Una voz convertida solo puede conservar el ritmo y la emoción grabados si la interpretación original los contiene. Mantén archivos de interpretación separados para personajes distintos.

Usa referencias de audio cuando la prosa no baste#

Si un personaje generado debe seguir una melodía, ritmo o interpretación cantada específica y legal, prueba primero una petición de texto sencilla. Si el resultado es inestable, usa una guía grabada simple cuando la herramienta admita una referencia de audio adecuada. Genera varias opciones. Revisa melodía, ritmo, tiempo, interpretación y naturalidad de la frase.

Este patrón está respaldado por el paquete de evidencia, pero la entrada citada de su lista de reproducción no tiene una URL directa en el mapa de fuentes proporcionado. La compatibilidad de las herramientas y los requisitos de derechos también pueden cambiar. Usa solo audio que tengas derecho a utilizar y verifica los controles actuales del sistema.

Protege el diálogo original en material híbrido#

Cuando importen la sincronización labial y el diálogo, el habla capturada con limpieza puede ser más fiable que pedir a un modelo de video que genere a la vez voz nueva y efectos adicionales. Conserva la interpretación, limita el cambio visual mediante una referencia o punto estable y añade fuego, impacto, clima o entorno después. Consulta el ejemplo de material híbrido desde 7:00.

Monta diálogo, voz y video en una escena provisional antes de reparar en detalle la sincronización labial o ampliar. Juzga una voz de personaje construida dentro de la escena, no aislada. Los cambios de tono, reverberación, compresión u otro color pueden formar una cadena útil, pero cada fase debe servir al personaje mostrado y seguir siendo inteligible. Consulta el flujo de voz en escena provisional desde 9:00.

Ejemplo desarrollado: película de confianza de BrightNest#

BrightNest quiere una película de 60 segundos sobre una familia que contrata por primera vez un servicio de limpieza. La clienta es real, pero dos breves insertos de limpieza son generados porque faltaron en el rodaje original.

  1. Graba el centro humano. La clienta habla en su cocina con el micrófono cerca y el frigorífico apagado de forma segura. El equipo graba 30 segundos de tono de sala y el frigorífico por separado antes de volver a encenderlo.
  2. Encuentra la frase decisiva. La respuesta más fuerte es: «No era el desorden. Era no sentir nunca que habíamos terminado». El montador conserva la pequeña inhalación antes de «Era no sentir nunca».
  3. Construye el primer mundo. Las criaturas en la habitación contigua, un armario, pasos suaves y el frigorífico crean un hogar ajetreado pero creíble. Nada compite con la respuesta.
  4. Crea la transición. La música y la mayoría de los detalles domésticos desaparecen justo antes de «terminado». El tono de sala permanece. El silencio parece intencionado, no roto.
  5. Genera los insertos que faltan. Ambas instrucciones piden solo sonido ambiental y Foley, sin música ni habla. Un clip produce música de todos modos, así que se descarta su audio.
  6. Reconstruye los insertos. El montador usa el ambiente de la cocina real bajo ambos planos y después añade movimiento de tela, un aerosol y un contacto de cerámica. Una reverberación de cocina corta y compartida ayuda a que el Foley pertenezca a la habitación.
  7. Conecta los cortes. La frase siguiente de la clienta empieza sobre el último detalle de limpieza. El corte en J devuelve la atención hacia ella antes de volver a su imagen.
  8. Libera la historia. Un motivo cálido y contenido entra cuando la familia se sienta ante la mesa despejada. No afirma que la casa esté mágicamente silenciosa; las criaturas siguen oyéndose levemente.
  9. Cierra con confianza. La persona fundadora dice: «Reserva una limpieza. Decide después». La música baja un poco y no hay un gran golpe de logotipo.

La película final funciona porque su argumento sonoro es específico: BrightNest no borra la vida familiar. Elimina una fuente de presión. La frase real de la clienta, la inhalación conservada, el ambiente coherente de cocina, los efectos Foley contenidos y la música tardía respaldan esa afirmación.

Section 14Revisa por fases#

Una línea de tiempo abarrotada invita a hacer ajustes al azar. Revisa una pregunta cada vez.

Fase 1: significado#

  1. ¿Puede entenderse cada palabra importante?
  2. ¿Cada persona habla como si creyera su frase?
  3. ¿Hay pausas confusas en vez de útiles?
  4. ¿La audiencia sabe quién habla y quién escucha?

Fase 2: lugar#

  1. ¿Cada localización tiene una base continua de ambiente?
  2. ¿Los efectos Foley y demás efectos encajan con el tamaño y material del espacio mostrado?
  3. ¿La distancia suena creíble?
  4. ¿El viento, las voces y los efectos continúan con naturalidad entre cortes conectados?

La distancia debe afectar al sonido y a la imagen. En una toma de acción, el viento debe influir en la ropa, una voz debe perder presencia cuando alguien se aleja y los efectos importantes deben atravesar el corte. Consulta el ejemplo de continuidad física desde 21:30.

Fase 3: emoción#

  1. ¿Palabras, rostros, efectos, ritmo y música apuntan hacia la emoción prevista?
  2. Si se contradicen, ¿la contradicción es deliberada y legible?
  3. ¿Cambia el sonido cuando cambia la historia?
  4. ¿Se reservan los momentos más fuertes para giros auténticos?

La tensión puede combinar palabras urgentes, interpretación ansiosa, música más rápida o de color menor y sonido del mundo bien asentado. La calidez o el humor necesitan otra combinación. El principio es la coordinación, no una receta fija. Consulta la conversación sobre el sistema emocional desde 13:00.

Fase 4: continuidad#

  1. ¿La música mantiene coherencia entre clips creados por separado?
  2. ¿El tono de sala y el ambiente fluyen bajo los cortes de diálogo?
  3. ¿Los cortes en L y en J ayudan a atravesar las escenas?
  4. ¿Algún audio generado cambia de pronto de tonalidad, habitación, voz o nivel de ruido?

Fase 5: contención#

  1. ¿Puede eliminarse algún efecto sin perder información, energía o emoción?
  2. ¿La música está presente porque ayuda o porque la línea de tiempo parecía vacía?
  3. ¿La película contiene al menos una reducción útil del sonido?
  4. ¿Hay efectos de archivo tan conocidos que rompan la credibilidad?

Fase 6: entrega#

  1. ¿La mezcla satura o distorsiona?
  2. ¿El habla sigue clara en auriculares, un teléfono y altavoces pequeños?
  3. ¿La jerarquía sobrevive a bajo volumen?
  4. ¿El archivo cumple la especificación real de la plataforma o el cliente?
  5. ¿Están documentados los derechos de música, voz y audio generado?

Section 15Cómo se siente un buen sonido#

La audiencia no debería necesitar admirar la mezcla para que funcione. Debe entender las palabras sin esfuerzo. Debe sentir el frío antes de ver el aliento, percibir la cocina alrededor de un primer plano y saber cuándo importa una respuesta porque la película le hace espacio.

El estándar práctico es sencillo:

Construye en ese orden. Protege primero el significado humano. Después, vuelve creíble el mundo. Luego, moldea la emoción. Por último, elimina todo lo que no ayude.

Fin / Capítulo 18