Guías de producción musical
Cómo crear música de fondo para vídeos (sin estorbar a la voz en off)
Una buena base musical crea impulso sin obligar a los espectadores a esforzarse para entender la narración. Esta guía muestra cómo elegir el tempo, generar un instrumental contenido, construir bucles limpios, abrir espacio para la voz y entregar una mezcla que resista la edición.

Cómo crear música de fondo para vídeos: crea una base musical, no una canción
La música de fondo para vídeos tiene una función distinta a la de una canción. Una canción pide atención; una base musical controla discretamente el ritmo, la emoción y la continuidad mientras la voz en off transmite el significado. La mejor prueba no es si has notado una melodía ingeniosa. Es si el vídeo se sintió vacío al silenciar la música. Si los espectadores siguen el piano en vez de la explicación, el arreglo está haciendo demasiado.
Empieza por la edición y la narración, no por una pista independiente impresionante. Marca dónde empieza la voz, dónde una revelación necesita impulso y dónde el silencio hace que una frase tenga efecto. Puedes esbozar una pieza de partida con generación de música con IA, pero juzga cada decisión bajo la voz en off real. El objetivo es una música que se sienta antes de oírse conscientemente.
“Si el espectador recuerda el mensaje, pero de la música solo recuerda el ambiente, la base musical ha cumplido su función.”
Elige el estado de ánimo y el tempo antes de generar
Define la función: concentración sostenida, optimismo sereno, urgencia controlada o espacio reflexivo. Después elige un tempo que apoye el ritmo de corte. Los vídeos de persona hablando, los vídeos explicativos y los tutoriales suelen funcionar cómodamente a 70–90 BPM. Las demostraciones de producto, el B-roll y las ediciones de viajes suelen necesitar 90–110 BPM. Los clips deportivos y los montajes rápidos admiten 110–130 BPM si la batería no invade la narración.
El tempo determina la duración de la edición. A 80 BPM, cuatro compases de 4/4 duran 12 segundos; a 120 BPM duran 8 segundos. Usa la calculadora de BPM para convertir pulsos y compases en segundos antes de crear marcadores. Para música de fondo para vídeos con cortes frecuentes, elige un tempo cuyas frases de dos o cuatro compases caigan cerca de la duración media de los planos. No aceleres un tutorial tranquilo solo para crear energía; usa en su lugar una percusión más ligera o un pulso más brillante.
Genera música de fondo instrumental para vídeos
Indica en el prompt la energía, las funciones de los instrumentos y la densidad, en vez de basarte en una etiqueta de género. Una indicación útil es: «base instrumental de baja energía, 84 BPM, pads sostenidos cálidos, pulsos de bajo apagados, percusión suave y escasa, sin voces, sin melodía principal, sin rellenos dramáticos, dinámica estable». Las frases «sin voces», «sin melodía principal» y «pads sostenidos» importan porque un cantante o un gancho brillante competirán directamente con las palabras habladas.
Genera dos o tres versiones con el mismo tempo y compáralas bajo 20 segundos de narración real. El generador de música de fondo con IA es el punto de partida directo para una base contenida. Para un tráiler, documental o secuencia narrativa, el generador de música cinematográfica puede aportar una textura más amplia, pero el prompt debe seguir limitando la melodía y las transiciones.
Evita indicaciones como «épico», «enorme» o «drop demencial», salvo que la voz en off se detenga en ese momento. Esas palabras invitan a una batería densa y melodías en primer plano. Describe en cambio un movimiento controlado: «añade una capa de percusión suave tras ocho compases» o «eleva con un pad más agudo, no con una melodía principal». Así obtendrás música de fondo para vídeos que deja espacio para la edición.
Convierte de cuatro a ocho compases en un bucle sin cortes
Un bucle compacto es más fácil de reorganizar que una canción fija de tres minutos. Elige de cuatro a ocho compases cuyo primer pulso no tenga nota de anacrusa y cuyo último acorde resuelva en el primero. Corta en cruces por cero cuando sea posible, conserva las colas de reverberación y superpone las copias saliente y entrante. Un fundido cruzado de potencia constante de 20–100 ms elimina los clics; un pad puede necesitar 250–500 ms para que su textura no salte.
Nunca unas dos archivos a tope suponiendo que no harán un chasquido. Escucha con auriculares y luego aleja la unión de una pausa de la narración para que la voz oculte cualquier cambio de textura. Cuando la escena necesite un desarrollo musical más largo, usa extensión de música y conserva el tempo, la instrumentación y la energía contenida de la pieza. La música de fondo para vídeos debe repetirse en bucle sin sonar como si reiniciara cada diez segundos.
Aparta la música del camino de la voz en off
La inteligibilidad del habla se concentra en gran medida entre 1 y 4 kHz, especialmente alrededor de las consonantes. Coloca una banda de EQ amplia en el bus de música y reduce ese rango 3–6 dB. Usa un Q ancho para que la base musical retroceda suavemente en vez de sonar hueca. Barre mientras habla el narrador y detente en cuanto las palabras se entiendan; la música en solo sonará menos emocionante, y está bien que sea así.
Aplica paso alto a los instrumentos que no sean bajo alrededor de 80 Hz. Si la pieza tiene un bajo dedicado, deja que conserve un peso útil, pero elimina el retumbe por debajo de 30–40 Hz. Esto preserva el margen para la voz y evita la falta de definición en los altavoces del teléfono. Si una pista generada llega como un único archivo estéreo, usa la separación de pistas para tratar bajo, batería y acompañamiento de forma independiente antes de reunirlos.
Antes del ducking, sitúa los picos de la música alrededor de -18 a -12 dBFS como intervalo inicial práctico. Envía la voz en off a un compresor o a un sidechain de ducking de volumen en el bus de música y busca otros 6–12 dB de reducción mientras haya voz. Prueba un ataque moderadamente lento de 50–120 ms y una liberación de 300–700 ms. La base musical bajará y se recuperará de forma natural, en lugar de bombear tras cada sílaba. Ajusta de oído según el tono del narrador.
“Mezcla la música de fondo para vídeos hasta que parezca demasiado baja y después juzga el vídeo completo, no la música en solo.”
Coloca los cortes importantes de vídeo en el pulso
Detecta el tempo de origen con el detector de BPM, confirma de oído el primer pulso fuerte y crea una cuadrícula de pulsos en el editor. Coloca los cambios bruscos de escena, las apariciones de títulos y los primeros planos de producto en un pulso fuerte o a uno o dos fotogramas de él. A 30 fps, dos fotogramas son unos 67 ms: lo bastante cerca para parecer intencionado sin forzar cada plano a un patrón mecánico.
Los cortes más suaves de B-roll pueden caer en blancas, negras o incluso entre pulsos. Reserva los pulsos fuertes exactos para los momentos que el espectador deba sentir. Si la cuadrícula se desplaza, reajusta los marcadores en los límites de frase en lugar de estirar en el tiempo una pista con sensación de interpretación en vivo.
Crea estructura a lo largo de la edición, no un único bucle interminable
La buena música de fondo para vídeos cambia con la historia mientras conserva el mismo vocabulario sonoro. Abre con un pad y un pulso ligero durante dos a cuatro compases. Añade bajo y percusión cuando empiece el tema principal. Quita la batería bajo una frase clave y restáurala en el siguiente corte; ese pequeño contraste crea énfasis sin un golpe cinematográfico. En una demostración, aligera el arreglo mientras el espectador debe procesar pasos detallados.
Crea versiones alternativas de la misma pieza: mezcla completa, sin batería, solo pad y un final corto. Haz fundidos cruzados entre ellas en los límites de compás y mantén un poco de ambiente de sala bajo cualquier pausa musical intencionada. Termina con un fundido de 3–5 segundos tras la frase final o acaba en un acorde resuelto. La estructura evita la fatiga del bucle.
Ajusta la sonoridad del vídeo final y exporta limpiamente
Mide la mezcla completa de voz, música y efectos, no solo el archivo de música. Unos -14 LUFS integrados son un objetivo de entrega razonable para las plataformas de vídeo habituales, con picos reales por debajo de -1 dBTP para reducir el recorte del códec. Considera -14 LUFS una referencia, no permiso para aplastar un tutorial tranquilo y dinámico.
Envía un WAV de 24-bit y 48 kHz al editor de vídeo cuando importen la calidad y el margen para revisiones. Usa un MP3 de alta calidad, como 320 kbps, solo cuando el tamaño del archivo sea prioritario. Deja la limitación para cuando la narración, los efectos y la música de fondo para vídeos estén montados. Apilar pistas ya maximizadas crea picos duros que ningún limitador final puede reparar limpiamente.
Convierte una base musical en la identidad sonora de un canal
La consistencia hace reconocible un canal antes de que aparezca un logotipo. Guarda el tempo, la paleta de instrumentos, el prompt, la curva de EQ, los ajustes de ducking y las variantes de arreglo de la primera pieza. La próxima vez, cambia un elemento y conserva la textura del pad y el pulso. Un breve jingle de IA puede usar los mismos timbres para una cortinilla de introducción de dos o tres segundos.
Reutilizar un sistema no es lo mismo que reciclar un archivo de audio para siempre. Mantén varias bases musicales al mismo tempo para que los editores puedan intercambiarlas sin reconstruir cada corte. A lo largo de una serie, esta biblioteca agiliza la producción de música de fondo para vídeos y da al canal una firma emocional coherente.
Errores comunes de la música de fondo que debes evitar
- Crear una canción en primer plano: una melodía principal, un sample vocal brillante o un relleno constante desvían la atención de la narración.
- Apilar demasiadas capas: los pads, las guitarras, los teclados, las cuerdas y la percusión ocupan el mismo rango medio y no dejan espacio para la voz.
- Omitir el ducking: un nivel de fader fijo puede funcionar en una frase, pero fallar cuando el narrador habla más bajo.
- Copiar bucles sin fundidos cruzados: las uniones bruscas crean clics, cortan las colas de reverberación y dejan en evidencia cada repetición.
- Ignorar la adecuación emocional: una percusión alegre bajo una advertencia seria, o pads ominosos bajo un tutorial amable, hacen que la edición parezca poco fiable.
Revísalo una vez con los ojos cerrados y otra con el altavoz de un teléfono. La primera pasada revela el enmascaramiento; la segunda muestra si el mensaje se mantiene en un dispositivo pequeño. Corrige el momento que más distraiga.
FAQ: música de fondo para vídeos
¿Puedo usar música de fondo generada por IA en YouTube?
Puedes usarla cuando los términos vigentes de la plataforma musical y tu plan de cuenta te concedan los derechos que necesita tu vídeo. Los créditos gratuitos o una asignación gratuita de generación no incluyen automáticamente uso comercial, propiedad ni protección frente a reclamaciones de terceros. Lee la licencia de la plataforma, conserva el comprobante de generación y los términos aplicables en esa fecha, y consulta las políticas actuales de YouTube antes de publicar o monetizar.
¿Qué volumen debería tener la música de fondo bajo una voz en off?
Empieza con picos de música alrededor de -18 a -12 dBFS y aproximadamente 12–20 dB por debajo del nivel de voz percibido. Después aplica a la música otros 6–12 dB de ducking durante el habla y compruébalo con auriculares, altavoces de portátil y un teléfono. Los números ofrecen un punto de partida; la inteligibilidad es la prueba definitiva.
¿Cuánto deberían durar los bucles de música de fondo?
De cuatro a ocho compases es una duración práctica y fácil de editar. Son unos 12–24 segundos a 80 BPM u 8–16 segundos a 120 BPM. Usa bucles más largos cuando la pieza contenga un cambio evidente de textura o de acorde, porque los eventos reconocibles revelan la repetición antes que los pads sostenidos.
¿Necesito una pista sin voces?
Sí, para la mayoría de los trabajos guiados por narración. Las palabras cantadas, los cortes vocales y los tarareos destacados ocupan el mismo canal de atención que el habla. Si una textura vocal es esencial, mantenla sin palabras, oscura, escasa y fuera de las secciones de diálogo; de lo contrario, pide que no haya voces ni melodía principal.
¿Qué BPM son mejores para un vídeo de persona hablando?
Empieza entre 70 y 90 BPM. Elige el extremo inferior para explicaciones reflexivas o detalladas y el superior para tutoriales animados. El tempo debe apoyar el ritmo de las frases y el ritmo de edición, no forzar una locución más rápida. Esa contención hace que la música de fondo para vídeos suene pulida sin competir con la persona que habla.
Escrito por
Maya Chen
Productora editorial en Melodusk
Maya convierte ideas prácticas sobre composición y producción en guías claras para creadores independientes. En Melodusk, se centra en flujos de trabajo creativos que ayudan a los músicos a pasar de una idea inicial a un primer borrador bien definido.
Sigue explorando
Más notas prácticas desde el estudio de Melodusk.