rabar voz y pódcast en una habitación pequeña:
del tratamiento acústico al episodio terminado
Casi todo el trabajo de voz que se publica hoy en España se graba en un dormitorio, un despacho de tres por cuatro metros o un trastero reconvertido. Este material recorre esa cadena entera en el orden en que realmente importa: primero la sala, después el micrófono y la posición del cuerpo, luego los niveles, y solo al final el montaje y el procesado. El orden no es decorativo: cada error que se deja atrás se paga multiplicado en la etapa siguiente.
Un puesto de trabajo pequeño y ordenado resuelve más problemas de sonido que cualquier ajuste posterior: superficies blandas cerca, el micrófono lejos de la pared desnuda y nada que vibre sobre la mesa.
Fig. 1 — Puesto de grabación doméstico. Imagen temática de archivo, sin relación con personas ni lugares concretos.
La sala se oye antes que el micrófono
Cuando alguien escucha una grabación casera y dice que «suena a habitación», casi nunca se refiere al ruido de fondo. Se refiere a las primeras reflexiones: el sonido que sale de la boca, rebota en una pared cercana, en la mesa o en el techo, y vuelve al micrófono entre uno y quince milisegundos después del sonido directo. El oído no las separa como eco, pero sí percibe el resultado: una voz hueca, con un timbre de lata, que parece grabada dentro de una caja.
Ese defecto no se elimina después. Los procesadores de reducción de reverberación han mejorado mucho, pero trabajan sobre una señal ya contaminada y suelen dejar la voz apagada o con un fondo tembloroso. Es mucho más barato, en tiempo y en resultado, tratar cuatro superficies antes de pulsar grabar.
La regla práctica es sencilla: interesan los puntos donde una reflexión llegaría al micrófono con un recorrido corto. Para localizarlos basta con hablar en voz alta y palmear en el sitio de grabación; donde el sonido se vuelve metálico o rebota de forma audible, ahí hay trabajo.
- La pared que queda detrás de quien habla, es decir, la que el micrófono «mira» de frente.
- Las dos paredes laterales, en el tramo situado a la altura de la cabeza.
- El tablero de la mesa entre la boca y el micrófono, la reflexión más olvidada y una de las más audibles.
- Los rincones, donde se acumulan las frecuencias graves y se produce esa retumbancia sorda del habla.
- El cristal de ventanas y los armarios con puertas de espejo o lacadas.
Los materiales no tienen que ser de estudio. Una estantería llena de libros de distinta profundidad dispersa muy bien; un armario de ropa abierto absorbe; una manta gruesa colgada a un palmo de la pared, con aire por detrás, funciona mejor que la misma manta pegada al muro. Una alfombra bajo la silla corta la reflexión del suelo. Y un panel blando sobre la mesa, aunque sea una toalla doblada fuera del encuadre, quita esa dureza característica del tablero.
Conviene distinguir dos cosas que suelen confundirse. El tratamiento acústico reduce las reflexiones dentro de la sala; el aislamiento impide que el sonido entre o salga de ella. Lo segundo exige masa, hermeticidad y obra, y no se consigue con espuma. En una habitación doméstica lo realista es tratar las reflexiones y, para el ruido exterior, elegir la hora de grabación: el tráfico, los vecinos y el ascensor tienen horarios bastante predecibles.
Queda el ruido continuo, que es el enemigo silencioso de una grabación limpia. Frigorífico, caldera, aire acondicionado, ventilador del ordenador, un router en la misma mesa. Cada uno aporta un zumbido constante que obliga después a aplicar reducción de ruido, y toda reducción de ruido cuesta naturalidad. Apagar lo que se pueda apagar durante veinte minutos es la mejora más rentable de toda la cadena.
Micrófonos para voz hablada y elección de la directividad
La pregunta habitual —¿dinámico o de condensador?— está mal planteada si se separa de la sala. Un micrófono no es mejor que otro en abstracto: interesa cuánto recoge de lo que no es la voz.
- Dinámico de mano o de radiodifusión
- Menos sensible, con menos detalle en los agudos y una tolerancia alta a la presión sonora. En una habitación sin tratar y con ruido de fondo es la opción más agradecida: obliga a acercarse, y al acercarse la voz gana peso frente a la sala. Pide más ganancia del previo, lo que en interfaces económicas puede introducir siseo.
- Condensador de diafragma grande
- Más detalle, más aire en las eses y una respuesta que favorece la voz leída. También capta con fidelidad todo lo demás: la reverberación, el teclado, la calle. Rinde bien en una sala tratada, y mal en una sala viva.
- Micrófono de solapa
- Útil cuando hay que moverse o grabar imagen a la vez. Al ir sobre la ropa, la distancia se mantiene constante, pero recoge roce de tejido y, al no estar frente a la boca, entrega un timbre menos cuerpo.
Directividad: lo que el micrófono decide ignorar
El patrón polar define de qué direcciones capta un micrófono, y en una habitación pequeña es una decisión más determinante que el modelo concreto.
- Cardioide. Capta por delante y rechaza lo que viene de atrás. Es la elección por defecto para una sola voz: la pared trasera y el ordenador quedan en la zona menos sensible.
- Supercardioide. Frente más estrecho, pero con un lóbulo posterior; exige colocación precisa y no dejar nada ruidoso justo detrás del micrófono.
- Omnidireccional. Capta por igual en todas las direcciones. Suena natural y es poco sensible al movimiento de la cabeza, pero recoge toda la sala; sin tratamiento acústico no compensa.
- Bidireccional o figura de ocho. Capta por delante y por detrás, y rechaza fuertemente los laterales. Sirve para dos personas enfrentadas en la misma mesa, siempre que ambos lados estén igual de tratados.
Dos conexiones distintas y una consecuencia práctica: los micrófonos USB integran su propio conversor y funcionan sin nada más; los de XLR necesitan una interfaz o un previo, pero permiten cambiar cualquier pieza de la cadena por separado y grabar varias voces en pistas independientes. Para una conversación de dos o más participantes en la misma sala, esa separación de pistas deja de ser un lujo y pasa a ser lo que hace posible el montaje.
Filtro antipop, soporte y distancia al micrófono
Fig. 2 — Filtro antipop montado a la distancia habitual de trabajo. Imagen temática de archivo.
Las oclusivas —la p, la b, la t— proyectan un golpe de aire que empuja el diafragma y genera un estallido grave imposible de reparar sin dañar la voz. Un filtro antipop no cambia el timbre: solo rompe esa corriente de aire antes de que llegue a la cápsula.
La malla se coloca a unos cinco o siete centímetros del micrófono, no pegada a él, y la boca a otros tantos del filtro. Así el filtro cumple su función y, de paso, fija una distancia de trabajo estable. Los modelos de espuma tipo calcetín protegen más del aire pero apagan ligeramente los agudos; los de tela o metal son más transparentes.
Hay un truco que ahorra discusiones: girar el micrófono unos quince grados, de modo que el aire pase rozando la cápsula en lugar de entrar de frente. Se pierde muy poco nivel y se ganan muchas oclusivas limpias.
Soporte y vibraciones
Un micrófono apoyado directamente en la mesa transmite cada golpe de teclado, cada codo y cada movimiento de silla. La suspensión elástica desacopla el cuerpo del micrófono; el brazo articulado, además, lo aleja del tablero y permite colocarlo sin obligar a encorvarse. Si el brazo se sujeta a la misma mesa donde se escribe, conviene apoyar la base sobre algo blando.
Distancia y efecto de proximidad
En los micrófonos direccionales, acercarse realza los graves. Bien dosificado da cuerpo e intimidad; en exceso convierte la voz en un murmullo turbio y desigual. Entre quince y veinte centímetros suele ser el punto donde la voz conserva presencia sin ahogar la dicción, aunque cada voz tiene el suyo.
Lo importante es que esa distancia no cambie durante el episodio. Una marca discreta en la mesa, o el propio filtro como referencia visual, evita que el volumen suba y baje según se acerque o se aleje quien habla.
Niveles de grabación y margen de seguridad
La saturación digital no es un exceso de volumen: es información que ya no existe. Cuando la señal supera el máximo del conversor, las crestas se cortan y quedan como un chasquido áspero que ningún procesado devuelve. Por eso se graba dejando margen por arriba.
Un objetivo cómodo para voz hablada es que los picos habituales se muevan alrededor de −12 dBFS y que los más fuertes no pasen de −6 dBFS. Eso deja un colchón suficiente para una risa, un carraspeo o una frase enfática. Con audio a 24 bits no hay motivo para apurar: el rango dinámico disponible es tan amplio que grabar bajo no introduce ruido apreciable, mientras que grabar alto arruina la toma.
Conviene ajustar con una prueba realista, hablando como se hablará durante el episodio y no en un tono neutro de comprobación. La mayoría de la gente sube la voz en cuanto empieza a explicar algo que le interesa.
- Cerrar la ganancia y subirla poco a poco mientras se habla con energía normal.
- Detenerse cuando los picos ronden −12 dBFS en el medidor de la interfaz o del programa.
- Leer un fragmento en voz alta y comprobar que ningún pico se acerca a 0 dBFS.
- Grabar treinta segundos de silencio en la sala: sirve como referencia del ruido de fondo y como material para el reductor de ruido.
- Escuchar esa prueba con auriculares cerrados antes de grabar el episodio completo.
- No tocar la ganancia una vez comenzada la sesión, salvo problema evidente.
Frecuencia de muestreo y profundidad de bits
Para voz, 48 kHz y 24 bits cubre cualquier necesidad y es el formato que mejor se lleva con el vídeo. Grabar a 96 kHz multiplica el tamaño de los archivos sin aportar nada audible en habla. La profundidad de 24 bits sí importa, porque es la que permite grabar con margen sin acercarse al ruido de fondo del sistema.
Y una precaución que evita disgustos: monitorizar con auriculares cerrados, no con altavoces. Los altavoces devuelven el sonido al micrófono y, en una grabación de voz, eso significa realimentación o una toma con eco fantasma.
Respiración, dicción y resistencia de la voz
Un micrófono cercano amplifica todo lo que el cuerpo hace mientras habla. Las respiraciones cortas y altas, hechas con el pecho, suenan a jadeo; la respiración baja, apoyada en el diafragma, es más silenciosa y sostiene frases más largas sin quedarse sin aire a mitad.
Colocar el aire tiene además una ventaja de montaje: quien respira en las comas y los puntos deja pausas limpias, fáciles de cortar. Quien respira donde le pilla obliga a decidir después entre dejar un ruido molesto o hacer un corte que se nota.
La dicción no consiste en exagerar. Lo que arregla la mayor parte de los problemas es bajar un poco la velocidad y terminar las consonantes finales, que es justo lo que se pierde cuando se habla con prisa. Al escuchar la propia grabación se detectan enseguida los tics: las muletillas repetidas, la frase que se apaga al final, la sonrisa que cambia el timbre a mitad de párrafo.
- Beber agua a temperatura ambiente durante la sesión y evitar bebidas muy frías o muy azucaradas.
- Calentar la voz unos minutos: lectura en voz baja, algunos trabalenguas, nada forzado.
- Grabar de pie o con la espalda recta si aparece cansancio; la voz se apoya mejor.
- Dejar una pausa de dos segundos antes y después de cada bloque para facilitar el corte.
- Ante un error, callar, contar hasta dos y repetir la frase completa desde el principio.
- Parar cada veinte o treinta minutos: la voz cansada se nota más que cualquier defecto técnico.
Sobre los chasquidos de boca, esos pequeños clics entre palabras, hay poco misterio: casi siempre son sequedad. Hidratarse bien un rato antes de grabar reduce muchísimos de ellos, y es más eficaz que eliminarlos uno a uno en el montaje.
Edición del habla y limpieza de ruidos
Editar voz es sobre todo decidir qué se quita. Un episodio grabado con soltura suele contener repeticiones, arranques fallidos y silencios largos que en directo pasan desapercibidos y en la escucha con auriculares se hacen eternos.
El primer paso es trabajar siempre sobre una copia y conservar intacto el material original. El segundo es cortar en el silencio, nunca en mitad de una consonante: un corte hecho justo antes de que empiece la palabra siguiente es invisible, mientras que uno hecho sobre la cola de una vocal deja un clic.
Los fundidos muy breves —dos o tres milisegundos en cada extremo del corte— resuelven casi todos los chasquidos de empalme. No se oyen como fundidos; simplemente hacen que la unión desaparezca.
- Escuchar el episodio completo una vez, tomando nota de los minutos donde algo molesta.
- Retirar los arranques fallidos y las tomas repetidas, quedándose con la mejor versión de cada frase.
- Acortar los silencios largos sin dejarlos a cero: una conversación sin aire suena artificial.
- Suavizar respiraciones muy audibles bajando su nivel, en lugar de borrarlas por completo.
- Tratar chasquidos y golpes puntuales de forma quirúrgica, sobre el fragmento afectado.
- Revisar los empalmes con fundidos cortos y comprobar el resultado con auriculares.
Reducción de ruido con mesura
Los reductores de ruido aprenden el perfil del ruido de fondo a partir de un fragmento de silencio y lo restan del conjunto. Funcionan bien cuando ese ruido es constante y el ajuste es discreto. Pasado cierto punto aparecen los artefactos característicos: una voz con bordes acuosos y un fondo que burbujea en las pausas. Es preferible dejar un leve fondo audible que entregar una voz procesada en exceso.
Un detalle de continuidad que se descuida a menudo: si se eliminan todos los silencios de sala y se sustituyen por silencio digital absoluto, la escucha resulta desconcertante. Mantener un fondo constante, aunque sea muy bajo, sostiene la sensación de que todo ocurre en el mismo sitio.
Procesado: ecualización, compresión y normalización
El procesado va después del montaje, no antes, y su orden habitual es correctivo primero y de nivel después. Conviene aplicarlo con criterio de resta: quitar lo que sobra suele mejorar más que añadir lo que falta.
Ecualización
Un filtro de paso alto en torno a los 80 Hz retira retumbe, pisadas y golpes de mesa que no aportan nada a la voz hablada. Después, si la voz suena embarullada, casi siempre hay un exceso en la zona de 200 a 400 Hz que se corrige con un recorte suave y ancho. La zona de 2 a 5 kHz gobierna la inteligibilidad: un realce pequeño ayuda a que las palabras se entiendan, y un realce grande cansa el oído.
Las eses excesivas se tratan aparte, con un compresor específico que actúa solo en la banda de la sibilancia y solo cuando aparece. Bajar los agudos en general para domar tres eses apaga toda la voz.
Compresión
La compresión reduce la distancia entre lo más fuerte y lo más flojo, para que la voz se entienda igual en unos auriculares y en el coche. Para habla, una relación moderada de entre 3:1 y 4:1, con un ataque medio que deje pasar el impulso inicial de las consonantes y una relajación rápida que siga el ritmo del discurso, resulta natural. Una reducción de ganancia de tres a seis decibelios en los picos suele bastar.
Si el compresor trabaja constantemente y en cantidades grandes, el problema no es de compresión: es de distancia al micrófono o de niveles de grabación.
- Paso alto — retirar el retumbe por debajo de la voz.
- Ecualización correctiva — recortes suaves y anchos antes que realces estrechos.
- Control de sibilancia — solo si las eses destacan de verdad.
- Compresión — moderada, para igualar la energía del discurso.
- Normalización de sonoridad — el último paso, sobre la mezcla ya terminada.
Sonoridad: LUFS y pico real
La normalización por pico solo mira la muestra más alta y no dice nada sobre lo fuerte que se percibe un programa. Por eso la referencia en voz y pódcast es la sonoridad integrada, medida en LUFS, que se aproxima a cómo oye el ser humano. Un valor de referencia extendido para pódcast en mono se sitúa alrededor de −16 LUFS, y en estéreo suele trabajarse cerca de −16 a −14 LUFS; el pico real conviene dejarlo por debajo de −1 dBTP para evitar distorsión al codificar en formatos comprimidos.
Las plataformas de escucha aplican después su propia normalización, así que entregar un episodio muy alto no lo hace destacar: solo lo deja más aplastado cuando el reproductor lo baja. Lo que sí importa es la coherencia entre episodios, para que quien escuche una serie completa no tenga que tocar el volumen cada semana.
Cierre del episodio y preparación para publicar
La última fase es la menos vistosa y la que más problemas evita. Un episodio se da por terminado cuando se ha escuchado entero, seguido y en condiciones parecidas a las de quien lo va a oír: auriculares corrientes, y si es posible una escucha en el móvil o en el coche, donde el ruido ambiente delata cualquier pasaje demasiado flojo.
La voz hablada no necesita estéreo. Una mezcla en mono ocupa la mitad, se comporta igual en cualquier altavoz y elimina de raíz los problemas de fase entre micrófonos. Si hay música de cabecera en estéreo, comprobar cómo suena la mezcla sumada a mono sigue siendo buena idea.
Sobre los archivos: conviene guardar el proyecto de montaje y las tomas originales al menos hasta que el episodio esté publicado y revisado, con un nombre que incluya la fecha y el número de episodio. Recuperar una frase de una toma antigua es trivial si el archivo está donde debe, e imposible si se borró para hacer sitio.
- Escucha completa del episodio sin pausas ni saltos.
- Comprobación de la sonoridad integrada y del pico real de la mezcla final.
- Revisión de las entradas y salidas de música, sin cortes bruscos.
- Verificación del primer y del último segundo, donde suelen quedar restos de sala.
- Exportación en un formato de distribución razonable y comprobación del archivo exportado.
- Etiquetado con título, número de episodio y fecha, y copia de seguridad del proyecto.
- Nota escrita de lo que salió mal, para no repetirlo en la grabación siguiente.
Ese último punto es, con el tiempo, el que más mejora los episodios. Un cuaderno con la posición del micrófono, la ganancia usada y la hora en que la calle estaba tranquila convierte cada sesión en un punto de partida mejor que la anterior. La técnica de grabación de voz se aprende sobre todo repitiendo con criterio.
Dudas, correcciones y contacto
Flolabru es un proyecto informativo dedicado exclusivamente a la grabación de voz y a la producción de pódcast. Todo lo que se publica aquí son textos de lectura: explicaciones, listas de comprobación y criterios de trabajo, sin servicios, sin registro y sin formularios.
Si algún punto está mal explicado, si falta un matiz o si hay un tema de esta misma cadena de trabajo que merece un texto propio, el correo electrónico es la única vía de contacto del proyecto: [email protected].
Puede seguir leyendo en Sobre el proyecto, donde se explica qué es Flolabru y con qué criterio se preparan estos materiales.