Embedded Files
Sincronización de Imagen y Sonido en Postproducción:
Por Pedro Lombardi Suzzi (ASA) y Gino Gelsi (ASA) Descargar en pdf
La sincronización precisa entre imagen y sonido es un pilar esencial de la postproducción audiovisual. Un desfase, incluso de fracciones de segundo, puede comprometer la calidad de un proyecto, afectando diálogos, efectos o música. Este texto intenta explorar fundamentos técnicos y prácticos básicos, necesarios para garantizar una alineación correcta entre imagen y sonido, o al menos entender por qué podría generarse un problema de sync entre imagen y sonido.
1. Imagen y Sonido: Fundamentos de la Sincronización
1. Imagen y Sonido: Fundamentos de la Sincronización
En un audiovisual, la imagen y el sonido operan bajo principios distintos, lo que plantea desafíos técnicos en su sincronización. La imagen se compone de una secuencia de fotogramas capturada a una velocidad específica, medida en cuadros por segundo (fps). Cada fotograma representa un instante fijo, y la cadencia (como 24, 25 o 30 fps) determina la duración del material visual.
El sonido, en cambio, es un fenómeno continuo que se mide en segundos. En su representación digital (como fenómeno discretizado) se fragmenta en muestras que capturan la amplitud de la señal sonora en instantes precisos. Un archivo de audio de 10 segundos mantiene esa duración exacta, independientemente de la cadencia de la imagen. Este contraste entre la naturaleza discreta de la imagen y la continuidad del sonido es la raíz de los problemas de sincronización en postproducción.
2. Representación Digital del Sonido
2. Representación Digital del Sonido
Para alinear el sonido con la imagen, es fundamental comprender cómo se captura y procesa digitalmente. Dos parámetros clave definen la calidad y precisión del audio digital: la frecuencia de muestreo y la profundidad de bits.
La frecuencia de muestreo determina cuántas veces por segundo se registra la señal sonora y define la respuesta en frecuencia. Los estándares más comunes son:
44.1 kHz: Utilizado en audio musical (como CDs), captura frecuencias hasta 22 kHz, el límite del oído humano.
48 kHz: Estándar en video profesional y cine digital, recomendado por la Audio Engineering Society (AES67-2015) por su equilibrio entre calidad y eficiencia (y sobre todo por la facilidad de división de muestra / cuadro de imagen)
96 kHz o superior: Ideal para grabaciones que requieren alta fidelidad, como efectos sonoros con armónicos complejos, aunque aumenta la carga de procesamiento.
La profundidad de bits define la resolución de cada muestra, es decir, la precisión con la que se captura la amplitud, definiendo así el rango dinámico teórico. En audio profesional, 24 bits es la norma, ofreciendo un rango dinámico de aproximadamente 144 dB, lo que minimiza el ruido de cuantización y permite manejar desde sonidos suaves hasta explosiones sin distorsión. Comparativamente, 16 bits (estándar de CD) ofrecen 96 dB, lo que puede ser insuficiente en postproducción compleja.
Estos parámetros no solo afectan la calidad, sino también la sincronización. Por ejemplo, una frecuencia de muestreo mal configurada en un dispositivo de grabación puede introducir latencia, desfasando el audio respecto a la imagen. Por ello, es crucial verificar que el equipo de grabación y el software de postproducción usen los mismos estándares.
3. Distintas cadencias en imagen, breve análisis.
3. Distintas cadencias en imagen, breve análisis.
24 fps.
La estandarización del cine en 35mm a 24fps se produjo principalmente durante la transición al cine sonoro hacia fines de la década de 1920, oficializándose en 1932 por la Academy of Motion Picture Arts and Sciences. Esta cadencia permitió una reproducción óptica del sonido suficientemente estable, evitando los artefactos mecánicos audibles a velocidades inferiores, al tiempo que equilibraba el consumo de película y los costes de producción. La estandarización en 24fps facilitó asimismo la compatibilidad entre fabricantes y salas de exhibición, simplificando el mantenimiento y la distribución global del material fílmico.
29,97fps 29,97 DP y 30 fps. NTSC
Hasta 1953 la televisión en blanco y negro en EE.UU se transmitía a 30fps. Esto se debe a que la frecuencia de la alimentación eléctrica es de 60hz y 110v, la frecuencia era utilizada “como reloj”. Cada fotograma estaba compuesto por un barrido de rayos catódicos horizontal y vertical, lo que hoy llamaríamos entrelazado en video. (30i)
Con la llegada de la televisión a color, se introdujo una señal subportadora de color que requería un ajuste en la velocidad de fotogramas para evitar interferencias en la señal.
Para acomodar la señal de color sin causar problemas, los ingenieros redujeron ligeramente la velocidad de fotogramas a 29.97fps. Esto permitió la compatibilidad con los sistemas en blanco y negro existentes y evitó la aparición de patrones de interferencia en la imagen.
Así surge el 29,97 fps NTSC (National Television System Committee) que es el estándar de televisión analógica en EE.UU y otros países que adoptaron la norma.
Cuando se habla de 29,97 drop frame, se refiere a un método de cálculo de código de tiempo utilizado en la edición de vídeo para adecuar el 29,97 fps al estándar de 30fps.
Está diseñado para compensar la discrepancia entre el “tiempo real” (30 fotogramas por segundo) y el tiempo mostrado por la velocidad de fotogramas en los formatos de vídeo NTSC.
El vídeo NTSC se ejecuta a aproximadamente 29,97 fps, en lugar de los 30 fotogramas por segundo exactos y el drop frame asegura que el código de tiempo coincida con el tiempo transcurrido de 30fps por segundo, requisito de broadcast para transmisión en la norma.
Para corregir esto, el código de tiempo drop frame omite dos números de fotograma por minuto, excepto cada diez minutos, para mantener el código de tiempo sincronizado con el tiempo transcurrido real.
Es importante destacar que durante este proceso no se omite o elimina ningún fotograma de vídeo, sólo se omiten los números de fotograma en el timecode, para mantener el tiempo absoluto.
23,97fps 23,98fps 59,94fps
La frecuencia de imagen de 23.976fps en vídeo, comúnmente asociada con NTSC, es el resultado de una adaptación para la compatibilidad de material fílmico registrado a 24fps. para la televisión NTSC.
Para transferir a video NTSC, una película a 24fps, los ingenieros redujeron ligeramente la velocidad a 23.976fps para sincronizar con la frecuencia de 59.94 Hz del sistema NTSC (casi 60 hz).
Por otro lado, un video con una velocidad de fotogramas de 59.94fps es típicamente un vídeo NTSC entrelazado, cada fotograma contiene dos campos. Estos campos se combinan para formar los fotogramas completos, de ahí el término "entrelazado" mediante un barrido horizontal y vertical por cada fotograma como ya comentamos.
25fps PAL SECAM
El sistema PAL de televisión, adoptado como estándar de televisión analógica en Argentina y otros países, y su variante francesa SECAM, se caracteriza por una frecuencia de alimentación de 50 Hz de red eléctrica a 220V AC, lo que se traduce en una tasa de 25fps.
El sistema PAL es la norma de televisión analógica utilizada en Argentina y otros países (así como su variante francesa SECAM). Este sistema se alimenta de la red eléctrica a 220V y 50 Hz, esa frecuencia se traduce en una cadencia de 25 fotogramas por segundo (25 fps).
En la televisión analógica, cada fotograma se compone de dos campos entrelazados (barridos horizontal y vertical).
En video o televisión digital podemos optar por barrido progresivo, es decir, 25 cuadros completos por segundo (25fps). Esto significa que 25 cuadros progresivos equivalen a 50 campos entrelazados por segundo (50i).
Para pasar una película de 24 a 25fps, utilizado en sistemas PAL, se empleaban técnicas analógicas como el telecine para colocar 25fps, alterando la velocidad de reproducción de la película y por ende la duración del sonido en un 4%.
Por lo expuesto podemos definir 3 velocidades de paso de fotograma estandarizadas principales para productos finales:
24fps
30fps y sus variantes compatibles (29,97; 29,97 dp; 23,976, 60i, 59,94 )
25fps
4. Cadencia y duración: cómo los cambios de FPS afectan la sincronización
4. Cadencia y duración: cómo los cambios de FPS afectan la sincronización
La cadencia de los fotogramas determina la duración de la imagen, y cualquier cambio en esta cadencia impacta directamente la alineación con el audio. Consideremos un ejemplo práctico para ilustrar este concepto:
Un material grabado a 24fps durante 10 segundos genera 240 fotogramas.
240 fotogramas / 24fps = 10 segundos
Si esos 240 fotogramas se reproducen a 25fps, la duración se reduce:
240 / 25fps = 9.6 segundos
El audio, que permanece constante en 10 segundos, continuará sonando 0.4 segundos después de que termine la imagen, generando un desfase del 4.1667%. Este problema es común cuando se convierte material entre estándares, como de cine (24fps) a televisión PAL (25fps).
Para evitar este desfase, el sonidista debe trabajar en conjunto con el montajista, asegurándose de que cualquier cambio en la cadencia de la imagen se refleje en el audio, ya sea mediante ajustes de velocidad o la inserción de fotogramas adicionales.
Cambios en la cadencia de los fotogramas de un video
En ocasiones, es necesario pasar un producto final a una cadencia diferente al original.
Hoy día, en los software de edición de video como Adobe Premiere Pro, DaVinci Resolve u otros, existen dos métodos de conversión:
Reinterpretación (interpretar metraje): En la reinterpretación del metraje, se cambia la cadencia de la imagen, reproduciendo ahora 25 fotogramas por segundo en lugar de 24, la cantidad total de fotogramas es la misma, simplemente se reproducen con una cadencia distinta, lo que da como resultado una duración 4% inferior. En resumen se modificó la duración, manteniendo la cantidad de cuadros inalterados.
Interpolación (creación de fotogramas intermedios): en la conversión por interpolación, el programa creará, eliminará o combinará nuevos fotogramas para permitir cambiar los cuadros por segundo del video, por ejemplo de 24 a 25 o 23,97 a 24fps manteniendo la base de tiempo intacta. El video convertido durará lo mismo que el video original en términos de tiempo absoluto. En ese caso, el sonido mantendrá la misma duración absoluta, sea cual sea la cadencia a la que se convierta el video. No se ha modificado la duración del metraje.
Lamentablemente para Sonido, el método preferido en la edición de video no lineal, para convertir los fps de videos de una norma o formato a otra, es el de reinterpretación, por los resultados superiores a nivel de imagen, respecto del método de interpolación.
En esos casos, la velocidad de reproducción del video variará y el sonido quedará fuera de sincro respecto de la imagen. El audio mantiene su tiempo absoluto mientras que la imagen ha variado su duración. Imagen y sonido han quedado fuera de sincro.
Para paliar este inconveniente, tendremos que modificar la velocidad de reproducción del sonido para que coincida con el nuevo tiempo absoluto del video convertido y realizar la corrección de altura tonal (pitch) por la variación de la misma introducida al variar la velocidad del sonido.
Ajustes en el sonido al cambiar la cadencia de imagen
Cuando la cadencia de la imagen cambia, el audio debe ajustarse para mantener la sincronización sin comprometer su calidad. El método más preciso es el de conversión de frecuencia de muestreo (SRC), que modifica la duración del audio sin introducir artificios no deseados, ya que básicamente es el equivalente en imagen de reproducir más o menos fotogramas por segundo; la cantidad de muestras totales, permanece inalterada, el problema que conlleva es que al cambiar la velocidad, vamos a cambiar el tono (pitch) que debe ser corregido. Un ejemplo de cómo calcular las frecuencias de muestreo a la que debemos apuntar en una conversión de 24 a 25fps.
48,000 Hz x 24/25 = 46,080Hz
sample rate original (cadencia original / sample rate objetivo
cadencia objetivo)
Un punto fundamental es incorporar este nuevo archivo a 46,080 Hz sin convertirlo al sample rate original, sino perdemos el efecto del proceso realizado. Al reproducir este nuevo archivo a 48,000 Hz, el audio se reproducirá un 4.1667% más rápido, alineándose perfectamente con la imagen. Esto sucede porque, para la misma cantidad de segundos de audio, ahora tenemos un 4.1667% menos de samples. Y como estamos reproduciendo más muestras por segundo (en lugar de 46.080, reproducimos 48.000 samples por segundo), la duración total será menor, sincronizándose perfectamente con la imagen. Sin embargo, esta aceleración también eleva el pitch (afinación) en la misma proporción, lo que altera todo el contenido de nuestra banda sonora, con voces que suenan agudas o los efectos poco naturales. Para corregirlo, se aplica un ajuste de pitch descendente del 4.1667% para equiparar el cambio efectuado por el resampling.
Pull up / down
Proceso Pull up: Aumenta la velocidad de reproducción del audio para que coincida con una velocidad de fotogramas de vídeo más rápida (por ejemplo, convertir audio de película de 24fps a vídeo PAL de 25fps). Este proceso es el mencionado en el ejemplo anterior.
Proceso Pull down: Disminuye la velocidad de reproducción del audio para que coincida con la duración de una velocidad de fotogramas de vídeo más lenta (p. ej., convertir audio de película de 24fps a vídeo NTSC de 23,976 fps).
Como se mencionó anteriormente, el pull up / down implica una conversión de frecuencia de muestreo (SRC), que altera la frecuencia de muestreo del audio original (la cantidad de muestras de audio por segundo) para que coincida en relación de duración de tiempo absoluto con la nueva frecuencia de fotogramas de imagen.
Otra manera de realizar el ajuste en el sonido es con el uso plugins dedicados de time stretching (TCE) y corrección de altura (pitch shifter) simultánea, que realizan ambos procesos en una sola operación.
En el cuadro a continuación podemos encontrar, en la primera columna la relación entre los formatos, en la segunda columna el cambio de velocidad que es necesario aplicar al audio, y en la tercera columna la corrección de pitch necesaria para equipar el cambio de velocidad:
Y la siguiente tabla expresa el cambio de sample rate conversion para modificar la velocidad de reproducción del sonido:
Si se utiliza la técnica de Sample Rate Conversion (SRC), es necesario generar una sesión nueva en Pro Tools, e importar un nuevo video con la cadencia y duración deseada por reinterpretación de metraje. Luego importar a esa sesión, el audio que necesita variar su velocidad (Pull up/down); y seleccionar en el menú importar audio; el ajuste que se adapte a sus necesidades de cambio de velocidad.
Una vez importado el o los audios a modificar, con un plugin de pitch shifter ajuste la altura tonal. Las tablas presentadas anteriormente cuentan con toda la información necesaria sobre ajustes de pitch/velocidad entre las distintas cadencias de imagen.
Si utiliza el segundo método, un plugin de Time Compression Expansion (TCE) con corrección de pitch será el camino, y le permitirá aplicar compresión o expansión temporal según necesidad corrigiendo la altura tonal (pitch) en una sola operación.
Existen muchas opciones de plugin en el mercado como Pitch 'n Time Pro, Waves SoundShifter, Zplane élastiqueAAX, X-Form de Avid, etc.
En la siguiente tabla se pueden ver los presets de postproducción del plug in X-Form para tomar como referencia:
Sea cual sea el método a utilizar, siempre que el tiempo y el presupuesto lo permitan, es recomendable en lugar de aplicar el cambio de velocidad y ajuste de pitch a una mezcla final, hacerlo sobre stems o familias de elementos (DX, FX, MX, etc) y luego mezclar esos stems. Esto le permitirá obtener mejores resultados con menos artificios.
Por otro lado, la expansión temporal y ajuste de pitch simultáneo, en función de los ajustes elegidos o algoritmos aplicados (monofónico, tonal, polifónico) puede aumentar los transientes de la señal de audio, con lo cual se hace necesario verificar los niveles máximos luego de aplicar compresión o expansión temporal.
Antes de realizar cualquier técnica de pull up / down, es importante definir el primer cuadro de acción de la película (FFOA) y del audio. Estos deben coincidir en tiempos absolutos. Se sugiere solicitar al editor de video que elimine la cuenta atrás universal o two pop definiendo el primer cuadro de acción (FFOA), aunque posea un fade de 20 segundos de negro.
La técnica de variación de la velocidad funciona sobre tiempos absolutos, si no, pueden presentarse problemas de sincronización luego de la conversión cuando el editor aplique el audio convertido en la isla de edición. De ahí la importancia de definir el FFOA.
5. Problemas de sincronización en condiciones aparentemente correctas
5. Problemas de sincronización en condiciones aparentemente correctas
Aun en situaciones donde la cadencia del material es la correcta, existen otras variables que podrían afectar el sincronismo entre imagen y video durante la reproducción. Es importante tener certeza sobre el codec de video utilizado para la referencia, que nuestra estación de trabajo y periféricos de video estén en condiciones de reproducir correctamente el video, soportar la sesión de trabajo y contar con una estación de trabajo suficientemente potente para la sesión en la cual estamos trabajando.
Codec de video: Como se mencionó anteriormente, para realizar nuestro trabajo de postproductor de la manera más eficiente y eficaz posible, muchas veces hay que tener conocimientos sobre temáticas que escapan al sonido. Por ejemplo los distintos codecs de video, y la diferencia entre contenedor y contenido. Hay mucha confusión al respecto, pensando que un mp4 es “malo” y un .mov es “bueno”. Cabe aclarar que cuando hablamos de .mp4 o .mov hablamos de contenedores y no de contenidos, ambos contenedores pueden contener el mismo contenido con el mismo codec y por lo tanto tener los mismos problemas. Lo importante para tener una correcta reproducción de video, es el codec. El h264 / h265 es un codec muy popular debido a su bajo peso y buena calidad de reproducción (esto se debe a su alta compresión, y posterior descompresión para la reproducción). Cuando el DAW necesita mostrar un cuadro determinado, el sistema debe reconstruirlo calculando una serie de dependencias temporales a partir de varios cuadros anteriores y posteriores. Este proceso consume CPU y, sobre todo, introduce latencia variable. Este no es el mayor de los problemas, sino que al tratarse de un codec de descompresión en tiempo real cada vez que deseamos reproducir nuestra referencia, va a descomprimir los cuadros y no siempre a la misma velocidad, lo que da como resultado sync aparentes e imprecisos. El único modo de tener certeza sobre una correcta reproducción es utilizar un codec que al interno posea una secuencia de cuadros, y no necesite descomprimirlos para poder reproducirlos. Los formatos más populares en este sentido son Apple ProRes (en todas sus variantes) o Avid DNxHD/DNxHR. Cual de estos codecs elegir va a ser definido por las prestaciones del ordenador. Por lo anteriormente expuesto, hay dos ventajas fundamentales a utilizar formatos intraframe (en el cual se codifica cada fotograma de forma independiente, sin utilizar información de los fotogramas adyacentes), primero y principal, el sincronismo, al reproducir el archivo de referencia va a ser siempre el mismo, y segundo liberar uso de CPU, ya que no es necesario descompresión en tiempo real para la reproducción.
Periféricos de video: muchas veces a pesar de tener todo lo anteriormente mencionado en orden, podemos seguir experimentando problemas de sync, y muchas veces se deben a retardos que introducen nuestros periféricos de video (monitor, proyector, televisor). Los monitores LED y sobre todo los proyectores láser, realizan procesos internos que añaden un lag perceptible. Aunque parezca un problema grave, en la mayoría de los DAW puede introducirse una compensación (video offset) para corregir este problema. El primer punto para solucionar este problema es conocer con precisión, el retardo a corregir. Existen distintas aplicaciones diseñadas específicamente para obtener esta información, un ejemplo de ellas es CatchSync, el proceso es bastante simple, basta grabar la imagen de nuestro periférico de video mientras se reproduce en nuestro DAW, es necesario un video referencia con un beep en imagen y tener el beep sincronizado en nuestro proyecto. Una vez grabado el beep, dentro de la aplicación, vamos a poder ver el desfase que existe entre la imagen y el sonido, para poder ajustar con precisión el video offset necesario.
Estación de trabajo: dentro de la postproducción, existen distintas tareas a realizar, que van a necesitar distinta cantidad de recursos, editar sonido directo o ambientes y efectos o foley, sin aplicar ningún tipo de proceso en tiempo real mediante inserts, envíos, etc, nos permite trabajar con bastante tranquilidad que nuestra estación de trabajo no va a verse forzada. Al emplear inserts o al afrontar tareas complejas como la mezcla de la pieza audiovisual, resulta fundamental prestar especial atención a la utilización de los recursos y las limitaciones de nuestro equipo, para asegurarnos que no estamos introduciendo ningún tipo de latencia.
Aun con todo lo anteriormente mencionado podemos seguir encontrando problemas de sincronismo entre imagen y video, y la causa de este problema podría deberse a la diferencia de tiempo entre grabadoras de audio digital grado consumidor.
Diferencia de tiempo entre grabadoras de audio digital grado consumidor.
Dos grabadoras de sonido digital de grado consumidor que capturen la misma señal de audio al mismo tiempo (sea a partir de vibraciones acústicas o a partir de señal eléctrica) durante un mismo tiempo pueden dar por resultado dos archivos de sonido con duraciones ligeramente diferentes.
Esta diferencia se manifiesta y empieza a ser notoria en grabaciones de audio de larga duración.
Cada dispositivo tiene su propio reloj interno independiente, e incluso pequeñas diferencias pueden provocar una discrepancia en el número de muestras grabadas, lo que resulta en una grabación más corta o más larga de tiempo de un grabador en comparación con otro.
Esta diferencia de duración puede causar problemas al intentar sincronizar el audio de las dos grabadoras, especialmente durante la postproducción.
En aplicaciones de audio, la precisión de la señal de reloj utilizada por un convertidor analógico-digital (ADC), indica la precisión con la que la frecuencia de muestreo del ADC coincide con la frecuencia deseada. Cuanto mayor sea la desviación de la frecuencia de muestreo ideal, aumentan los problemas de distorsión o ruido en el audio, como cambios de tono, disminución de rango dinámico e imprecisiones de tiempo en la duración de los archivos en tomas largas. La desviación o imprecisión se acumula con el tiempo.
Dos ejemplos de problemas de sync típicos:
La banda de música amiga toca una hora y queremos grabarla.
Transcurridos varios minutos dependiendo de la desviación, la toma x-y de un handy recorder quedará fuera de sync respecto a una grabación multipista, realizada en simultáneo con un convertidor de audio analógico digital profesional y un ordenador.En este caso, no estamos hablando de pequeñas diferencias de fase acústica, estamos hablando de diferencias en la duración de cada archivo de audio cuando los comparamos en el DAW. Ambos archivos comienzan perfectamente en sincronía y a medida que el tiempo transcurre comienzan a perder la sincronía perfecta.
Otro ejemplo podría ser la toma de video de una cámara GoPro o una cámara de fotos DSLR, con audio registrado en un grabador separado. Pensemos que la misma cámara puede presentar una desviación temporal. En tomas largas aunque se utilice claqueta o un bip auditivo de referencia; en postproducción se irá desplazando la toma de imagen respecto del sonido al sincronizar.
En este caso es de vital importancia registrar audio de cámara de referencia, ya que el fabricante habrá calculado ambas desviaciones para que se mantenga el sincronismo audiovisual en las tomas o clips de cámara entre imagen y sonido.
De esta manera, el audio de cámara será nuestro punto de referencia para sincronizar en postproducción con el audio del grabador y aplicar edición y/o compresión expansión temporal para sincronizar el audio del grabador con la referencia de la cámara a lo largo del tiempo.
En el caso de audio profesional de estudio, para minimizar cualquier problema de desviación entre diferentes fuentes, se recurre a la solución del reloj maestro o WORD CLOCK para sincronizar los relojes internos de los distintos dispositivos a un solo reloj maestro preciso.
Esto minimiza los problemas mencionados y, en caso de tener que grabar con dos placas distintas por una cuestión de cantidad de canales en vivo o estudio, usar WORD CLOCK asegura que graben ambas placas a una misma velocidad de reloj, con la misma fase y que por tanto las tomas de audio duren exactamente lo mismo.
En el caso de los grabadores de audio profesional de sonido directo (field recording), además de poseer relojes internos de precisión, incorporan un generador de time code.
El time code (código de tiempo) es una secuencia de códigos numéricos que proporciona una referencia temporal única para cada fotograma de vídeo y audio.
Los dispositivos utilizan este código de tiempo para garantizar que todas las tomas grabadas de audio y video se sincronicen con precisión en postproducción, lo cual es crucial para producciones complejas con múltiples cámaras y fuentes de audio.
En estos equipos, el time code suele poseer una precisión de ± 0,2 ppm (partes por millón).
Por cada millón de pulsos de código de tiempo, la desviación será de un máximo de 0,2.
Esto se traduce en una desviación de menos de un fotograma cada 24 horas de tiempo.
Los generadores de código de tiempo de Denecke, como el SB-4 y el TS-C, incorporan un oscilador de cristal con compensación de temperatura (TCXO) de alta precisión con una estabilidad de ±0,1 ppm entre -40 y 85 °C.
Estas especificaciones garantizan la precisión del código de tiempo incluso con fluctuaciones de temperatura en las condiciones de rodaje.
De ahí la importancia de utilizar un generador principal de time code y de que ese time code sea alimentado en todos los dispositivos en un rodaje de múltiples dispositivos de registro.
6. Buenas Prácticas y Conclusiones
6. Buenas Prácticas y Conclusiones
La sincronización efectiva depende de la preparación y la atención al detalle. Aquí algunas prácticas esenciales para sonidistas:
Solicitar metadata: Obtén el informe técnico de rodaje con detalles sobre cadencia, timecode y configuraciones de grabación.
Verificar la claqueta: Compara la marca sonora y visual para confirmar la sincronización inicial.
Confirmar la velocidad de reproducción: Asegúrate de que el video de referencia usa la cadencia esperada.
Trabajar con el codec adecuado: como se ha señalado, la elección del códec resulta fundamental para confirmar una correcta visualización.
Contacto estrecho con el montajista: La comunicación es la única manera de poder compartir la información necesaria para poder realizar nuestro trabajo de la mejor manera posible
Estar preparado: de ser necesario afrontar diferencias entre cadencias de video y duración del sonido conocer las herramientas disponibles para encontrar la mejor manera de resolver el inconveniente
Desarrollar un conocimiento técnico de toda la cadena de trabajo: es necesario conocer cada etapa del proceso — captura, edición, conformado, mezcla y entrega— para anticipar y resolver posibles incidencias a lo largo del proyecto.
En conclusión, la sincronización de imagen y sonido requiere tanto una sólida competencia técnica, (no solo del área de sonido) sino también una estrecha colaboración con el montajista. Para evitar problemas de sincronización, es fundamental comprender las diferencias entre las cadencias de fotogramas y los parámetros que definen el audio digital (como la frecuencia de muestreo y la profundidad de bits), así como identificar y conocer los modos de corregir variaciones de velocidad mediante técnicas de resampling y ajuste de pitch. El editor de sonido solo puede garantizar una banda sonora perfectamente sincronizada con el contenido visual si sigue un flujo de trabajo riguroso, comunicación constante con el resto del equipo técnico, una meticulosa atención al detalle y tener los conocimientos técnicos necesarios, inclusive aquellos que escapan al área de sonido.
Sobre los autores:
Sobre los autores:
Pedro Lombardi es Licenciado en Audiovisión, trabaja en la postproducción de audio para audiovisuales desde 2011. En 2014, decidió especializarse en restauración de audio y formó parte del equipo de restauración digital de la Academia de Artes y Ciencias Cinematográficas de Argentina. Desde 2018, forma parte del equipo de laboratorio de restauración en L’Immagine Ritrovata en Bologna, Italia, donde se especializó en la digitalización y restauración de audio. Como parte de este equipo, ha tenido el privilegio de participar en la restauración de más de 200 títulos. Desde 2022 forma parte del equipo docente de la FIAF Film restoration summer school.
Gino Gelsi es Director de Sonido (ENERC) y Lic. en Enseñanza de Artes Audiovisuales (UNSAM), trabaja en la postproducción de audio desde 2004, desarrollándose en diferentes áreas. Especializado en sonido directo documental, formó parte del equipo de sonido y montaje de documentales de gran impacto social en Argentina y el exterior, participando en más de 80 títulos. Desde 2005, imparte clases de sonido en U.B.A., U.N.D.A.V. y E.N.E.R.C., enfocadas en la formación y pedagogía del sonido.
Page updated
Report abuse