# ¿Qué es LUFS? Objetivos de sonoridad para voz con IA URL: https://anyvoice.app/es/journal/que-es-lufs-objetivos-sonoridad-voz-ia Type: blog Locale: es Published: 2026-10-26 Updated: 2026-11-04 --- > ¿Qué es LUFS y qué objetivo conviene a cada destino? Guía práctica para medir y nivelar clips de voz generada por IA que nunca suenan igual de fuertes. ¿Qué es LUFS? Es una unidad de sonoridad que mide cuán fuerte suena el audio para un oyente a lo largo del tiempo, no cuán alto llega la onda en sus picos. Un LU equivale a un dB de ganancia, así que el cálculo es sencillo. La parte difícil es saber qué valor apuntar, dónde medirlo y por qué los clips de un generador de voz casi nunca coinciden entre sí. Esta guía cubre el estándar, los objetivos de entrega que vas a encontrar y una rutina por lotes para voz sintética. ## ¿Qué mide realmente LUFS? LUFS son las siglas de «Loudness Units relative to Full Scale» (unidades de sonoridad relativas a la escala completa). Procede de la recomendación ITU-R BS.1770, y en algunas regiones la misma medición se llama LKFS. La escala es relativa al fondo de escala digital: 0 LUFS es el techo, y el material real queda por debajo, con valores negativos. La medición tiene tres pasos. Primero, el filtrado K: un paso alto alrededor de 38 Hz más una suave elevación en agudos que aproxima cómo el oído pondera las frecuencias. Segundo, se promedia en el tiempo la energía cuadrática media. Tercero, un gateo descarta los silencios para que las pausas no arrastren la media hacia abajo. Ese último punto importa mucho en la voz. Un narrador que hace muchas pausas sonaría más bajo con un promedio ingenuo. BS.1770 descarta todo lo que esté por debajo de -70 LUFS absolutos y, después, todo lo que esté más de 10 LU por debajo del nivel corriente. Tus pausas dejan de penalizarte. *Nota de sesión: un medidor de picos te dice cuál es el pico más alto. LUFS te dice cuánto pesa la señal completa. Dos clips pueden tener el mismo pico de -1 dBFS y estar separados 8 LU.* ![Manos de un ingeniero sobre los faders de una consola de mezcla con medidores de nivel iluminados](https://fdzlnqpwsaniezitwiuw.supabase.co/storage/v1/object/public/cms-media/anyvoice/2026-11/dd5b6f-inl1.webp) ### Momentáneo, a corto plazo o integrado: ¿cuál lectura te fías? Un medidor de sonoridad muestra tres lecturas, y la gente las confunde constantemente. - **Momentáneo**: usa una ventana de 400 ms. Reacciona rápido y muestra los estallidos de sonoridad. - **A corto plazo**: usa una ventana de 3 segundos. Muestra cómo suena una frase o una escena. - **Integrado**: promedia todo el programa, con gateo. Es el número que pide una especificación de entrega. El rango de sonoridad (LRA, según EBU Tech 3342) es una cuarta cifra. Describe cuánto se mueve el nivel a lo largo del programa, en LU. Un podcast con un solo presentador y ganancia estable tiene un LRA pequeño. Un drama con susurros y gritos tiene uno grande. Para entregar citas la sonoridad integrada. Para corregir problemas dentro de un archivo vigilas el corto plazo. El momentáneo sirve para detectar el estornudo, la plosiva o el clic. ## ¿Qué objetivo LUFS debes alcanzar? Los objetivos cambian según el destino. Estas son las cifras que aparecen con más frecuencia, y conviene confirmar cada una con la documentación actual de la plataforma antes de publicar. - **Spotify (ajuste de reproducción Normal):** -14 LUFS, pico real -1 dBTP - **YouTube:** alrededor de -14 LUFS, -1 dBTP - **Apple Music:** -16 LUFS, -1 dBTP - **Podcasts (práctica habitual):** -16 LUFS, más o menos 1 LU, -1 dBTP - **Radiodifusión europea (EBU R128):** -23 LUFS, más o menos 0.5 LU, -1 dBTP Spotify documenta sus propias cifras: la reproducción se normaliza a -19 LUFS en Quiet, -14 en Normal y -11 en Loud, y recomienda masterizar a -14 LUFS con un pico real igual o inferior a -1 dB. La [guía de normalización de sonoridad de Spotify](https://support.spotify.com/us/artists/article/loudness-normalization/) recoge estas cifras. La [recomendación EBU R 128](https://tech.ebu.ch/publications/r128) fija en -23 LUFS la referencia europea para radiodifusión. No existe una cifra única y «correcta». Un podcast a -16 LUFS que se reproduce en una plataforma que normaliza a -14 simplemente sube 2 LU. Nada se rompe. Lo que sí se rompe es un archivo aplastado con un limitador para alcanzar un objetivo alto, que acaba sonando fatigado. ## ¿Por qué LUFS y el pico real van de la mano? La sonoridad integrada no dice nada del pico instantáneo más alto. Un archivo puede alcanzar -16 LUFS y, aun así, saturar un convertidor tras una codificación con pérdida. El pico real (dBTP) estima el pico entre muestras mediante sobremuestreo, porque los codificadores AAC y Ogg pueden superar lo que muestran los valores de muestra. La regla práctica: fija primero el objetivo de sonoridad y luego comprueba que el pico real se mantenga en -1 dBTP o menos. Spotify recomienda bajar a -2 dBTP cuando un master está por encima de -14 LUFS, para limitar la distorsión de codificación. El trabajo de audiolibros añade un matiz. ACX, el principal minorista de audiolibros de Estados Unidos, especifica niveles RMS entre -23 y -18 dB, con picos no superiores a -3 dB, en lugar de LUFS. Si narras para ese canal, mide RMS como exige la especificación. Si además publicas una versión podcast de los mismos capítulos, mide LUFS para esa versión. Dos especificaciones, dos medidores y un solo archivo fuente. ## ¿Por qué los clips de voz IA salen con sonoridades distintas? Aquí está la parte que las guías genéricas de LUFS se saltan. Un motor de texto a voz no conoce tu objetivo. Cada generación devuelve audio con el nivel que producen el modelo y los ajustes de voz, y ese nivel puede cambiar entre voces, entre idiomas y entre estados emocionales. Tres factores mueven la cifra: - **La propia voz.** Un clon más grave, con más energía en medios graves, se lee de forma distinta bajo el filtrado K que una voz más brillante, aunque el nivel de pico sea idéntico. - **El estilo de interpretación.** Una frase susurrada y otra gritada de la misma voz no tienen la misma sonoridad, y un control de emoción cambia más que el tono. - **La duración del clip.** Un grito de NPC de 2 segundos apenas contiene una ventana de corto plazo. Su lectura integrada es ruidosa, y el gateo puede comportarse de forma extraña en material muy corto. Si controlas la voz con deslizadores de emoción, como hace AnyVoice con su sistema de 8 deslizadores, trata cada cambio de deslizador como un motivo para volver a medir. Nada garantiza que dos posiciones del deslizador caigan en el mismo LUFS. *Nota de sesión: la voz sintética suele ser más limpia que una toma grabada, sin tono de sala ni respiraciones salvo que las pidas. El gateo elimina entonces menos de lo que eliminaría en una grabación en directo, así que las lecturas integradas pueden acercarse más a las de corto plazo de lo que esperas.* ![Micrófono de condensador con filtro antipop dentro de una cabina vocal tratada acústicamente](https://fdzlnqpwsaniezitwiuw.supabase.co/storage/v1/object/public/cms-media/anyvoice/2026-11/66a171-inl2.webp) ## Una rutina por lotes para voz generada Supongamos que tienes 300 líneas de diálogo en tres estados emocionales. Ajustar los faders a mano no es una opción. Este flujo aguanta bien: - **Genera con un mismo ajuste de exportación.** La misma frecuencia de muestreo y profundidad de bits en cada clip, para comparar cosas comparables. - **Mide la sonoridad integrada y el pico real de cada clip** con un medidor BS.1770. La mayoría de las DAW y de las herramientas de línea de comandos, como el filtro loudnorm de ffmpeg, pueden mostrar ambos valores. - **Agrupa por papel, no por archivo.** Todas las líneas de un mismo personaje deberían quedar a un margen de 1 LU entre sí. Personajes distintos pueden diferir si la escena lo pide. - **Aplica ganancia, no compresión, para cerrar la brecha.** Un cambio de ganancia lineal de 2.3 dB mueve la sonoridad exactamente 2.3 LU y deja la dinámica intacta. - **Comprueba el pico real después de la ganancia.** Si un clip ahora supera el techo, usa un limitador de pico real con anticipación corta y mantén la reducción pequeña. - **Normaliza la mezcla final una sola vez.** Aplica el objetivo de la plataforma sobre el programa terminado, no sobre cada pista por separado. Un ejemplo trabajado con cifras redondas: un clip generado mide -21.5 LUFS y tu objetivo de diálogo es -18 LUFS. Necesitas +3.5 dB. Si su pico real era de -6 dBTP, quedará en -2.5 dBTP, dentro del techo de -1 dBTP. No hace falta limitador. Ahora el mismo clip con un pico de -3 dBTP. Tras +3.5 dB quedaría en +0.5 dBTP, por encima del fondo de escala en el dominio sobremuestreado. Aquí puedes bajar el objetivo, dar forma al transitorio o limitar. Cuál eliges depende de si ese pico es una plosiva que corregirías de todos modos. ### ¿Conviene normalizar a LUFS o dejar el generador como está? Depende de adónde vaya el audio. Si el clip pasa directamente a un motor de juego, a un flujo IVR o a una aplicación, normaliza cada recurso a un único objetivo de diálogo y deja que el entorno de ejecución gestione la mezcla. Un juego con niveles de línea inconsistentes obliga al jugador a girar el control de volumen, justo lo que una especificación de sonoridad pretende evitar. Si el clip entra en una DAW como primera pasada, puedes omitir la normalización previa, porque de todos modos rebalancearás frente a música y efectos. Mide la mezcla final. Merece la pena un paso de sonoridad sobre la voz sintética antes de que entre en tu cadena. Sáltatelo si generas un único spot de 30 segundos que vas a revisar de oído de todas formas. Medir cuesta segundos por clip, así que el punto de equilibrio está aproximadamente donde dejas de recordar qué clip era cuál. Las herramientas de la plataforma ayudan solo en el margen. Algunas plataformas de TTS publican sus propios ajustes de normalización o de sonoridad, así que lee la documentación antes de crear un paso de pipeline que los duplique. Murf AI y otros de la categoría difieren en tamaño de biblioteca de voces y en latencia de API, lo que importa más en un flujo en tiempo real que en trabajos por lotes. ## Errores habituales con LUFS (y cómo corregir cada uno) **Perseguir -14 en contenido solo hablado.** Los objetivos de masterización musical no se trasladan a la palabra hablada. Un podcast centrado en el diálogo a -16 LUFS suena bien en la mayoría de teléfonos y auriculares. Subirlo a -12 para «competir» solo te compra un limitador que no necesitas. **Medir antes de la edición final.** Los fundidos, los relleno de sala y las bases musicales cambian la sonoridad integrada. Mide al final. **Confiar a ciegas en un solo complemento de medición.** Los medidores deberían coincidir con unas pocas décimas de LU sobre el mismo archivo. Si dos difieren en 1 LU o más, revisa el ajuste de gateo y el modo de medición antes de fiarte de cualquiera de los dos. **Ignorar el pico real.** Alcanzar el objetivo de sonoridad con un pico de +0.3 dBTP es una entrega fallida en la mayoría de especificaciones. **Comparar archivos con distinta sonoridad a oído.** Un archivo más alto casi siempre gana una comparación A/B. Iguala el nivel antes de juzgar una voz, un plugin o un clon. Esto se aplica directamente al comparar proveedores de TTS: iguala primero la sonoridad integrada y luego escucha. ![Auriculares de estudio junto a un portátil con un editor de forma de onda](https://fdzlnqpwsaniezitwiuw.supabase.co/storage/v1/object/public/cms-media/anyvoice/2026-11/28d629-inl3.webp) ## Qué cambia en tu flujo de trabajo No hace falta memorizar el estándar. Necesitas tres hábitos. Primero, elige el destino antes que el objetivo. La música en streaming, los feeds de podcast, la radiodifusión y la venta de audiolibros tienen cada uno su cifra, y algunos usan RMS en lugar de LUFS. Segundo, trata la voz generada como material sin nivelar. Mide cada clip, agrupa por personaje y corrige la diferencia con ganancia simple. Tercero, basa tus decisiones en la sonoridad integrada y el pico real a la vez. Uno sin el otro deja pasar archivos que fallan en producción. Si gestionas locuciones empresariales con requisitos estrictos de cumplimiento, un proveedor con funciones de gobernanza, como WellSaid Labs, encaja con ese tipo de contratación. Si trabajas en solitario, empieza con un medidor, un objetivo y una hoja de cálculo con los desfases por personaje. ## FAQ ### ¿Qué es LUFS en términos sencillos? LUFS (Loudness Units relative to Full Scale) mide cuán fuerte se percibe el audio a lo largo del tiempo, con un filtro que imita la audición humana. Un LU equivale a un dB de ganancia, y los valores son negativos porque 0 es el fondo de escala digital. ### ¿Qué LUFS debe tener un podcast o una locución? Los podcasts suelen apuntar a -16 LUFS integrados, más o menos 1 LU, con pico real igual o inferior a -1 dBTP. Revisa la especificación actual del destino, ya que la radiodifusión usa -23 LUFS y la venta de audiolibros puede usar RMS. ### ¿Es LUFS lo mismo que dB o RMS? No. El pico en dBFS muestra el instante más alto, el RMS promedia la energía sin ponderación del oído y LUFS añade filtrado K y gateo. Dos archivos con el mismo pico pueden diferir en varios LU. ### ¿Hay que normalizar la voz generada por IA a LUFS? Sí, si los clips van directamente a un juego, una aplicación o un flujo IVR, porque los clips generados varían según la voz, el idioma y el ajuste de emoción. Si van a una DAW, mide la mezcla final. ### ¿Cuál es la diferencia entre LUFS y LKFS? Son la misma medición según BS.1770. LKFS es el nombre anterior que se usa en algunas regiones, mientras que los documentos de la EBU usan LUFS. ### ¿Por qué importa el pico real si alcanzo mi objetivo de LUFS? La sonoridad integrada ignora el pico instantáneo más alto. Las codificaciones con pérdida, como AAC, pueden superar los picos de muestra, así que conviene mantener el pico real en -1 dBTP o menos.