Shorts vs. intro de podcast: por qué mezclar voz y música no es lo mismo
Ayer por la noche, en el metro de Madrid, me di cuenta de que mi último short sonaba como si la voz estuviera metida en una almohada. La música tapaba cada sílaba y, aunque el guion era bueno, el mensaje se perdía entre el ruido del vagón. Esa misma tarde, grabé la apertura del episodio 37 de mi podcast y pasó lo contrario: la voz salía tan agresiva que parecía que el locutor te gritara al oído mientras la base musical flotaba sin peso. Mismo micrófono, misma pista de fondo, dos resultados opuestos. ¿Por qué? Porque un short y una intro de podcast no juegan en la misma liga.
La semana pasada lié las dos pistas
El martes a las once de la noche estaba terminando un reel de 45 segundos para una marca de material de camping. Locución lista, música puesta, exportar. A la mañana siguiente, con los auriculares puestos en el tren, la voz sonaba apagada, sin cuerpo, como si la hubiera grabado dentro de una caja de cartón. Por la tarde, grabé la intro del podcast: la voz brillaba demasiado, los agudos pinchaban y la música quedaba relegada a un segundo plano fantasmal. Dos problemas, una causa: traté a ambos proyectos como si fueran el mismo "voz + música".
Locución para shorts: la voz tiene que «pegarse» a la música
En TikTok, Reels o YouTube Shorts la locución es un gancho de tres segundos. El espectador sigue deslizando el dedo; si no entiende la frase al instante, se va. Por eso la voz debe estar adelante, nítida, con grano, y la música funciona como una alfombra fina, no como un muro.
El dolor de cabeza viene del entorno de reproducción: altavoz del móvil, auriculares baratos, fugas de sonido en el metro, compresión adicional de la plataforma. Para que la frase se entienda en todos esos casos, subo ligeramente la zona de 2‑5 kHz de la voz y hago que la música ceda espacio en esa misma banda. Mi truco habitual: bajo la pista musical 12‑15 dB, aplico compresión side‑chain para que cada vez que entra la voz la música baje 3‑4 dB y recupere el nivel cuando la voz calla. Suena a estudio, pero en realidad es solo "que la música se porte bien".
Otro escollo: la recompresión de la plataforma. Los graves que en el monitor suenan redondos, al subir el vídeo se convierten en una masa indistinguible. Así que ahora corto todo por debajo de 100 Hz; prefiero una voz un poco más delgada a una que se emborrona. Si no quiero grabar yo mismo, tiro de clonar voz gratis para generar una pista limpia y estable en segundos; me ahorra retakes infinitos y mantiene el timbre constante across the series.
Intro de podcast: la voz tiene que «vivir» dentro de la música
La apertura de un podcast no es un gancho, es un ritual. Quien pulsa play quiere sumergirse en una atmósfera. Por eso la música suele sonar sola 5‑8 segundos y la voz surge de ella, no se superpone. El reto está en la transición: la música debe ceder volumen de forma imperceptible, sin que parezca que alguien giró el potenciómetro de golpe. Lo que hago es un fade de 2‑3 dB en la música medio segundo antes de que entre la voz, y añado una cola de reverberación muy sutil para que la entrada se sienta orgánica.
Aquí el público escucha mayoritariamente con auriculares decentes, así que cualquier defecto —sibilancias, chasquidos de saliva, reflexiones de la sala— sale a la luz. Por eso el procesamiento de la voz es más «crudo»: compresión ligera, EQ suave, apenas un toque de reverb. Busco la sensación de "alguien sentado frente a ti", no la de un locutor de radio en cabina.
Mi método casero: tres pasos para separar las dos pistas
Después de muchas noches de prueba y error, mi flujo fijo es:
- Solo voz – limpio ruido, sibilancias, saltos de nivel. Nada de eso llega a la mezcla.
- Solo música – decido si es alfombra (short) o escenario (podcast) y fijo su nivel base.
- Juntas – side‑chain o envelopes de volumen manuales para que la música "cierre la boca" cuando habla la voz.
Parece obvio, pero el 90 % de los desastres que veo vienen de saltarse el primer paso.
Herramientas: lo que de verdad uso
Antes, para un encargo de locución, el circuito era: guion → buscar voz → esperar dos días → recibir archivo con ruido → limpiar yo. Hoy, en la mayoría de casos, abro texto a voz gratis y en diez segundos tengo la pista. El sitio VoxClone (así lo llamo yo) me convence por tres cosas: no pide registro, clonas la voz subiendo un fragmento de 15‑20 segundos y la calidad se mantiene constante episodio tras episodio —clave para que la audiencia te reconozca por el timbre—. Es clonador de voz gratis real, sin la trampa de "tres pruebas gratis y luego suscríbete".
En la página principal tienes generador de voz gratis, sintetizador de voz gratis, voz en off ia gratis y locución con ia gratis listos para usar. Para series de shorts o para crear audiolibro con ia la consistencia del timbre es oro; no quieres que la intro del capítulo 1 suene distinta a la del capítulo 12. Además, si necesitas doblaje con ia gratis para versiones en otros idiomas, la misma referencia sirve para generar la pista en el nuevo idioma sin volver a grabar.
Otro punto fuerte: voz sintética gratuita sin registro y tts gratis sin registrarse. Entrar, pegar el texto, elegir la voz clonada y descargar. Si quieres clonar mi voz online solo subes el audio de referencia y listo. Para desarrolladores hay free speech synthesis API con unlimited text to speech, aunque yo aún no la he exprimido a fondo. Y si buscas más trucos, échale un vistazo a más tutoriales.
Un caso real: el opening de 60 segundos para la cuenta de repostería de una amiga
La semana pasada una amiga lanzó su canal de repostería. Me pidió un vídeo de 60 segundos: presentación, qué va a subir, cierre con "sígueme y quememos pan juntos". Ella no quería salir en cámara, pero sí prestar su voz. Subí un audio de WhatsApp de 30 segundos a clonar voz gratis y generé la locución completa. Elegí una pista de piano a 90 BPM, le corté los graves, la bajé a ‑14 dB y, en cada pausa de ella, subí la música 2 dB a mano para que respirara.
Exporté, probé en el móvil, en auriculares y otra vez en el metro. Al día siguiente el primer comentario era: "Qué voz tan agradable, ¿eres tú?". Ahí está la prueba: cuando la mezcla está bien, nadie la nota; cuando falla, todo el mundo se queja.
Y tú, si tuvieras esos mismos 60 segundos, ¿empezarías puliendo la voz o dedicarías el tiempo a que la música encaje perfecto?