--- title: "Cómo añadir audio o una voz en off a un vídeo online" description: "Tienes el vídeo montado y la voz en un archivo aparte. Importa ese audio, cuadra el sonido con la imagen, ajusta el nivel y exporta un MP4 con la voz clara." canonical: "https://freeaigeneration.com/es/guias/como-anadir-audio-o-voz-en-off-a-un-video-online/" robots: "noindex" lang: "es" --- # Cómo añadir audio o una voz en off a un vídeo online El vídeo está montado y la voz sigue en un archivo aparte. Un WAV de la grabadora, el audio de una entrevista, la narración de una presentación. Hasta que ese archivo se coloca sobre la imagen, la pieza no está terminada. Añadir audio o una voz en off a un vídeo online se reduce a cuatro pasos: importar el archivo, ponerlo en una pista, cuadrarlo y ajustar su nivel para que se entienda. Después se exporta y se escucha el archivo descargado. ## Importar la voz que llega aparte El audio entra por el mismo panel de medios que la imagen. En esta compilación, el audio WAV PCM es el formato de importación verificado. WAV PCM no está comprimido, así que su peso se calcula con una multiplicación. A 48 kHz, 16 bits y un canal son 96.000 bytes por segundo, unos 5,76 MB por minuto. En estéreo, el doble: veinte minutos de voz pasan de 230 MB. Con un archivo comprimido, el resultado depende de tu navegador: los códecs que admite los descodifica él y el resto pasa por los descodificadores del motor. La comprobación es barata: importa, dale al play y, si no suena, conviértelo a WAV PCM. La grabación con micrófono no está entre lo verificado, así que el trabajo empieza con un archivo de audio. ## Colocar la voz y cuadrarla Sincronizar la voz con la imagen es un trabajo manual. La pista de audio se coloca en la línea de tiempo, se mueve hasta que el sonido cae donde toca y se recorta lo que sobra. La forma de onda ayuda: la respiración y el golpe de una consonante se ven antes de oírse. La línea de tiempo multipista coloca la voz en su propia pista, separada de la imagen. Si el editor deja mover la pista sola, muévela sola: así el encaje de la imagen no se toca. El audio arranca suspendido hasta que haces clic o pulsas una tecla dentro de la página. Antes de eso, la reproducción avanza con el reloj del sistema; si juzgas la sincronía sin haber hecho clic, estás mirando otro reloj. ## Nivelar el audio para que la voz se entienda La pregunta que decide el nivel es si la voz se entiende en un móvil a media distancia. No hay una cifra que valga para todos los archivos: nivelar el audio del vídeo se hace a oído, en la misma línea de tiempo que la imagen. La prueba se hace en el altavoz más barato de la casa, un portátil pequeño o el móvil sin auriculares. Si la voz se pierde ahí, subirla en la pista resuelve más que cualquier ajuste posterior. Cuando el vídeo lleva otros sonidos, la voz tiene que quedar por encima. Si tu versión del editor expone un fundido en la entrada de la pista, úsalo para que el arranque no golpee; es un control que esta guía no puede dar por verificado. ## Transcripción y voces de narración Cuando no hay toma de voz o hay que buscar dentro de una, los dos extras opcionales resuelven el caso, y ninguno viene instalado: cada uno descarga un modelo de Hugging Face después de un cuadro de confirmación que indica la fuente, el tamaño y la licencia. Las voces de narración llegan con Kokoro-82M bajo licencia Apache-2.0 y el diccionario CMUdict, con licencia de tipo BSD. Son las dos únicas funciones que descargan un modelo de un tercero; el editor, al arrancar, no contacta con ningún otro servicio. La transcripción sirve para buscar una frase en una entrevista larga. Las voces cubren una locución que nadie va a grabar. En los dos casos el resultado se revisa: un texto transcrito puede arrastrar errores. ## Exportar y escuchar el archivo La exportación verificada escribe un MP4 con vídeo H.264, y el audio viaja en el mismo contenedor junto a la imagen. Lo habitual en un MP4 es vídeo H.264 con audio AAC. El archivo descargado es lo que hay que escuchar: la vista previa de la línea de tiempo no es el máster. Va por pasos, unos 30 milisegundos por fotograma de interfaz, y el progreso aparece en la cabecera. La compilación usa un solo hilo, así que una secuencia larga va más despacio que en la aplicación de escritorio. Exporta antes de cerrar la pestaña: los medios importados solo son legibles mientras está abierta, salvo que el navegador guarde una copia, y borrar los datos del sitio elimina el diario de recuperación y esas copias. Escucha los primeros segundos, los últimos y un par de cortes antes de dar el archivo por bueno. ## Dónde probarlo El [Editor de vídeo](/es/herramientas/editor-video/) trabaja y exporta en la pestaña, sin cuenta de FreeAIGeneration, y ahí se decide en qué pista vive la voz en off y cuánto dura. El montaje por pistas está en [cómo editar vídeo online con una línea de tiempo multipista](/es/guias/editar-video-online-linea-tiempo-multipista/), la entrega por plataforma en [cómo exportar vídeo para YouTube, Instagram y TikTok](/es/guias/como-exportar-video-para-youtube-instagram-y-tiktok/), y la duda del contenedor en [MP4 vs MOV vs WebM](/es/guias/mp4-vs-mov-vs-webm-que-formato-de-video-elegir/). El orden que funciona: importar la voz, hacer clic en la página, cuadrarla, nivelarla en un altavoz malo y exportar antes de cerrar la pestaña.