Cómo funciona el sonido
Para grabar y editar bien la voz no necesitas ser ingeniero de sonido, pero sí entender cuatro ideas: qué es una onda, qué son la frecuencia y el volumen, cómo se miden los decibelios y qué significan los números de 48 kHz y 24 bits. Con eso, todo lo demás del curso cobra sentido.
El sonido es una onda de presión
Cuando hablas, tus cuerdas vocales vibran y empujan el aire. Ese aire se comprime y se expande en ondas que viajan hasta un oído o un micrófono. El micrófono convierte esas variaciones de presión en una señal eléctrica, y la grabadora la convierte en números. Esa es toda la cadena: vibración, aire, micrófono, señal, archivo.
De una onda nos interesan sobre todo dos cosas: cuántas veces vibra por segundo (frecuencia) y con cuánta fuerza lo hace (amplitud). En el simulador de arriba puedes mover las dos y ver cómo cambian el tono y el nivel.
Frecuencia y tono
La frecuencia se mide en hercios (Hz): vibraciones por segundo. Cuantas más, más agudo es el sonido. El oído humano capta, en el mejor de los casos, de unos 20 Hz a unos 20 kHz (20.000 Hz), y con la edad se pierde parte de los agudos.
Para trabajar es útil dividir ese rango en zonas, porque cada una suena de una manera:
| Zona | Rango aproximado | Cómo suena |
|---|---|---|
| Subgraves | 20–60 Hz | Retumbe que se siente más que se oye; en la voz suele ser ruido (golpes, tráfico) |
| Graves | 60–250 Hz | Cuerpo y calidez |
| Medios graves | 250–500 Hz | Si sobran, la voz suena «embarrada» o «a caja» |
| Medios | 500 Hz–2 kHz | El núcleo de la voz y de la inteligibilidad |
| Medios agudos (presencia) | 2–5 kHz | Claridad: la voz «da un paso adelante» |
| Agudos | 5–10 kHz | Brillo; aquí están las eses silbantes |
| Aire | 10–20 kHz | Sensación de apertura y detalle |
El rango de la voz
La voz no es una sola frecuencia. Tiene una frecuencia fundamental, que es el tono en el que hablas, y muchos armónicos, múltiplos de esa fundamental que le dan su timbre propio. Por eso dos personas que dicen la misma palabra en el mismo tono suenan distintas.
- Fundamental de voces graves: aproximadamente
85–180 Hz. - Fundamental de voces agudas: aproximadamente
165–255 Hz. - Presencia e inteligibilidad: en torno a
2–5 kHz, donde se entienden las consonantes. - Sibilancia: las eses y las zetas se concentran entre
5–8 kHz.
Estos números volverán en ecualización: sabrás qué tocar cuando una voz suene apagada, embarrada o con eses que pinchan.
Como la fundamental más grave ronda los 80 Hz, lo que hay por debajo suele ser ruido: golpes en la mesa, el tráfico, el aire acondicionado. Por eso es tan habitual aplicar un filtro que corte esa zona.
Amplitud, volumen y decibelios
La amplitud es la fuerza de la onda, y la percibimos como volumen. Se mide en decibelios (dB), una escala logarítmica: no suma, multiplica. Como regla práctica, +6 dB es aproximadamente el doble de amplitud de la señal, y hacen falta unos +10 dB para que algo nos parezca «el doble de fuerte».
El problema es que «decibelio» se usa para cosas distintas. Las dos que te importan son estas:
| Escala | Qué mide | Referencia | Ejemplo |
|---|---|---|---|
| dB SPL | Presión sonora en el aire, lo que llega al oído | 0 dB SPL es el umbral de audición | Conversación a un metro: unos 60 dB SPL |
| dBFS | Nivel de la señal dentro del archivo digital | 0 dBFS es el máximo posible | Picos de voz bien grabada: entre −12 y −6 dBFS |
En dBFS los valores son negativos: cuanto más cerca de 0, más fuerte. Y 0 dBFS es un techo infranqueable: si la señal lo alcanza, se recorta y distorsiona. Lo verás a fondo en niveles y ganancia.
Mono y estéreo
Un archivo mono tiene un canal: el mismo sonido sale por los dos altavoces. Uno estéreo tiene dos canales distintos, izquierdo y derecho, que crean sensación de espacio.
Una voz grabada con un micrófono es mono por naturaleza. Lo normal en pódcast es grabar cada voz en su propia pista mono y, al final, exportar en estéreo si hay música o efectos con espacio, o en mono si es solo voz. Colocar a cada interlocutor muy a un lado resulta incómodo con auriculares: deja las voces en el centro o casi.
Si grabas un micrófono en una pista estéreo con la entrada en un solo lado, la voz sonará solo por un oído. Revísalo en la primera prueba: es uno de los errores más comunes al empezar.
Frecuencia de muestreo y profundidad de bits
Para digitalizar el sonido, la grabadora toma «fotos» de la onda muchas veces por segundo. Eso es la frecuencia de muestreo. Y cada foto se guarda con cierta precisión: la profundidad de bits.
| Ajuste | Valores habituales | Qué significa | Recomendación |
|---|---|---|---|
| Frecuencia de muestreo | 44,1 kHz / 48 kHz | Muestras por segundo; permite captar hasta la mitad de ese valor (unos 22–24 kHz) | 48 kHz, el estándar en vídeo; 44,1 kHz también vale |
| Profundidad de bits | 16 / 24 bits (y 32 bits flotante) | Precisión de cada muestra y margen entre el ruido y el techo | Graba en 24 bits; exporta según la plataforma |
Más allá de 48 kHz no ganarás nada audible para una voz y los archivos ocuparán más. Lo importante es no mezclar frecuencias en un mismo proyecto: elige una y mantenla en la grabadora, el programa de edición y la exportación.
Los 24 bits no hacen que la voz suene «mejor», pero te dan mucho margen: puedes grabar algo más bajo de nivel sin que aparezca ruido al subirlo después. Esa tranquilidad vale mucho cuando grabas a varias personas que no controlan su volumen.
- La frecuencia (Hz) es el tono; la amplitud, el volumen.
- La voz tiene su fundamental entre unos 85 y 255 Hz, presencia en 2–5 kHz y eses en 5–8 kHz.
- dB SPL mide el sonido en el aire; dBFS, la señal digital, con 0 dBFS como techo.
- Cada voz, en su pista mono.
- Graba a 48 kHz y 24 bits, y no mezcles frecuencias en un proyecto.
Ahora tú: ponle números a tu voz
Graba tu voz y descubre en qué zona de frecuencias y a qué nivel cae.
- Configura tu programa o app a 48 kHz y 24 bits y graba 30 segundos hablando con normalidad.
- Mira el medidor: apunta entre qué valores de dBFS se mueven tus picos.
- Abre un analizador de espectro (Audacity tiene uno gratuito) y localiza dónde está la mayor energía de tu voz.
Preguntas frecuentes
¿Qué es mejor, 44,1 kHz o 48 kHz para un pódcast?
Las dos sirven para la voz. 48 kHz es el estándar en vídeo, así que es la opción más cómoda si alguna vez vas a publicar en YouTube; lo importante es usar la misma en todo el proyecto.
¿Qué diferencia hay entre dB y dBFS?
dB SPL mide la presión del sonido en el aire, con valores positivos. dBFS mide el nivel dentro de un archivo digital, con valores negativos y un máximo de 0 dBFS.
¿Grabo el pódcast en mono o en estéreo?
Graba cada voz en una pista mono. Al exportar, estéreo si hay música o efectos con espacio; mono si solo hay voz.