Volumen y sonoridad: cómo subir el audio con seguridad

Volumen, ganancia y decibelios

En un archivo digital, la forma de onda es una secuencia de muestras con valores finitos. La ganancia multiplica cada muestra por un factor: duplicar la amplitud es una ganancia de 2 y, en decibelios, unos +6 dB. Reducir la amplitud a la mitad es -6 dB, y diez veces la amplitud son +20 dB. La escala de decibelios es logarítmica porque el oído humano responde a proporciones y no a diferencias absolutas.

La sonoridad percibida es una medición distinta. Dos señales con la misma amplitud de pico pueden parecer muy distintas en sonoridad, porque el oído es más sensible a unas frecuencias que a otras y porque los sonidos sostenidos parecen más fuertes que los breves. Como regla aproximada, un aumento de 10 dB se percibe como el doble de fuerte, pero es una convención perceptual, no una garantía para todas las grabaciones.

Clipping y distorsión

El audio digital tiene un valor de muestra máximo definido, normalmente llamado 0 dBFS. Una muestra que sería más fuerte que ese máximo no tiene adónde ir, así que se recorta en el techo, lo que se conoce como clipping duro. Las formas de onda recortadas desarrollan techos planos y bordes afilados, y esos bordes añaden armónicos que nunca estuvieron en la grabación; el resultado suena áspero, chisporroteante o con crujidos, y es permanente.

También hay un peligro más sutil entre muestras. Los medidores de pico real estiman la forma de onda analógica que reconstruirá un convertidor digital-analógico, y puede superar los valores de las muestras. Por eso un archivo cuyas muestras llegan a 0 dBFS puede distorsionar al reproducirse, y por eso dejar un poco de margen, a menudo uno o dos decibelios por debajo del techo, es más seguro que normalizar al máximo absoluto.

Normalizar no es lo mismo que amplificar

La amplificación aplica una ganancia fija sin análisis: cada muestra se multiplica por el mismo número, así que la relación entre los pasajes bajos y los fuertes no cambia. La normalización mide algo primero y después elige una ganancia. La normalización de picos encuentra la muestra más fuerte y sube el archivo para que quede justo por debajo del techo, lo que hace que la grabación sea lo más fuerte posible sin recortarse.

La normalización de sonoridad apunta al nivel percibido, usando una medición basada en cómo funciona el oído, y puede subir o bajar el archivo para alcanzar un objetivo. Esa distinción importa para la entrega: los servicios de streaming y los radiodifusores miden la sonoridad con sus propios criterios y suben o bajan los archivos a un nivel de la casa. Un pódcast empujado muy por encima del rango habitual no acaba más fuerte en esas plataformas; simplemente se baja, con menos margen para sus propios picos.

Los objetivos de sonoridad suelen expresarse en LUFS y se basan en normas como EBU R128 e ITU-R BS.1770. El objetivo exacto cambia entre plataformas y emisoras, y las cifras se revisan con el tiempo, así que consulta la especificación de entrega actual del destino en lugar de fiarte de una cifra recordada.

Un flujo de trabajo práctico para una grabación baja

Empieza por decidir si todo el archivo está bajo o solo algunas partes. La voz uniformemente baja, como una clase grabada desde el fondo de una sala, es candidata a una ganancia directa. Un pódcast con invitados que hablan bajo y fuerte necesita nivelación o compresión en lugar de un único multiplicador global, porque un aumento que arregla al que habla bajo empujará al que habla fuerte a la distorsión.

Después comprueba los picos antes de subir nada. Si el pico más alto llega ahora a -20 dBFS, hay unos 20 dB de margen que usar, así que incluso un aumento que parezca grande puede ser seguro; si los picos ya están cerca de -1 dBFS, el archivo no está realmente bajo. Aplica la ganancia, deja uno o dos decibelios de margen y escucha el resultado a un nivel realista en lugar de en el altavoz de un móvil bajado.

• Lee las mediciones de pico y sonoridad del archivo antes de tocar el nivel.
• Sube las grabaciones bajas y uniformes en una sola pasada en lugar de acumular aumentos.
• Deja uno o dos decibelios de margen en vez de empujar los picos a 0 dBFS.
• Exporta un WAV sin comprimir mientras editas y codifica una sola vez el formato de entrega.
• Vuelve a comprobar la sonoridad del archivo final contra la especificación del destino.

Cómo interactúan los cambios de velocidad con el tono y la duración

Cambiar la velocidad de reproducción no es lo mismo que cambiar la ganancia. Acelerar un archivo acorta su duración, y un remuestreo ingenuo también sube el tono, lo que hace que las voces suenen como dibujos animados. El estiramiento temporal lo evita cambiando el tempo sin remuestrear la forma de onda, que es lo que hace el filtro atempo de FFmpeg y lo que expone un cambiador de velocidad que conserva el tono.

La duración sigue una relación sencilla: la nueva longitud es el original dividido por la velocidad. Una grabación de tres minutos a 1,5x pasa a dos minutos, y a 0,5x pasa a seis minutos. El tono se mantiene igual en todo momento, pero las velocidades extremas estiran o comprimen los espacios entre transitorios, así que la percusión y la música compleja pueden emborronarse. Cuando combines un cambio de velocidad y un aumento de ganancia, haz las dos cosas a propósito y vuelve a comprobar los picos, porque un archivo estirado puede contener picos nuevos que no eran evidentes en el original.