Sonido de vídeo · Probado
Añade efectos de sonido a un vídeo con IA, sincronizados al fotograma
Un clip de producto mudo parece sin terminar, y la música sola no lo arregla. Lo que hace satisfactorios los vídeos de comida y de producto son los sonidos pequeños: la corteza que cruje, la taza que toca la mesa. Esos sonidos solo funcionan si caen exactamente sobre la acción. Un crujido medio segundo antes suena falso.
El 30 de septiembre de 2026 hicimos en Ciyo un Reel de 8 segundos para Crumb & Kettle, una panadería ficticia, y pedimos al Ciyo Agent que añadiera cuatro efectos de sonido y un ambiente de sala suave. Encontró él mismo los momentos en el vídeo e informó de una marca de tiempo para cada uno. Medimos el audio terminado: la taza cayó en el fotograma exacto, y la parte más fuerte del crujido quedó dentro de la rotura.
Empieza con un clip mudo
Si tienes un clip, súbelo. Nosotros hicimos el nuestro en Ciyo: un primer plano vertical de 8 segundos de unas manos que parten un cruasán sobre un plato, con migas cayendo, y después una taza de café que se posa al lado. Costó 9 créditos en el ajuste de vídeo más barato, y pedimos que no tuviera audio.
El silencio importa. El sonido que un modelo de vídeo añade por su cuenta compite con los efectos que colocas después, y no se puede quitar limpiamente.
Llevo Crumb & Kettle, una pequeña panadería. Para un Reel de Instagram, hazme un clip vertical mudo de 8 segundos (el ajuste de vídeo más barato, sin audio): primer plano de unas manos que abren un cruasán recién hecho sobre un plato blanco, con migas cayendo, y después una taza de café que se posa al lado. Mantén la cámara fija. No añadas ningún sonido todavía; quiero añadir efectos de sonido en el siguiente paso.Nombra los momentos, no solo los sonidos
Una lista de sonidos no basta. Di a qué pertenece cada sonido para que el agente pueda encontrarlo en la imagen: la corteza que se abre, las mitades que se separan, las migas que caen, la taza que toca la mesa. Añade un ambiente de sala para dar aire y di lo bajo que debe estar. Pide las marcas de tiempo para poder comprobarlas.
El clip está bien. Ahora añade efectos de sonido que caigan sobre las acciones: el crujido nítido cuando se abre la corteza, el estiramiento suave cuando se separan las mitades, las migas cayendo sobre el plato y la taza tocando la mesa, más un ambiente suave de cafetería por debajo. Encuentra tú mismo los momentos exactos en el vídeo, dime la marca de tiempo de cada efecto y mantén bajo el ambiente para que las acciones destaquen. Sin música y sin voz.Publicado el 2026-09-27. El creador subió un vídeo sin sonido a Codex, pidió al agente que diseñara sus efectos de sonido sin un DAW ni una biblioteca de muestras, y compartió el prompt. Dos de sus reglas sirven para cualquier herramienta: primero mapea los eventos visuales, y no confíes en que el agente oiga el resultado; pídele una hoja de entradas y júzgala tú. Es otro producto y su propio flujo de trabajo, no Ciyo.
Cómo encontró el agente los momentos
El agente recorrió el vídeo y puso en el tablero una hoja de tiempos: 32 fotogramas, uno cada 0.25 segundos, cada uno con su tiempo marcado. Es una referencia de trabajo que puedes borrar, y también es la forma más rápida de comprobar tú el resultado.
Después generó cinco sonidos y los mezcló en una copia del clip, conservando el original. Los cinco sonidos costaron 7 créditos; la mezcla no costó nada.
Las marcas de tiempo que eligió
El agente informó de cada efecto con el motivo de su momento, por ejemplo que la taza cae en el segundo 6.80 “when the cup's downward movement stops” (cuando la taza deja de bajar). El ambiente de sala suena durante todo el clip unos 20 dB por debajo de los efectos.
Los fotogramas de abajo están tomados del vídeo terminado en esos cuatro momentos.
| Efecto | Empieza en | Lo que sigue en la imagen |
|---|---|---|
| Crujido de la corteza | 1.95 s | La primera rotura de la corteza; dura unos 1.3 s mientras la grieta se abre |
| Estiramiento suave | 3.20 s | Las mitades que se separan, hasta unos 5.0 s |
| Migas en el plato | 3.75 s | La primera miga que cae |
| Taza en la mesa | 6.80 s | La taza deja de bajar |
| Ambiente de cafetería | De 0 a 8 s | Entra y sale con fundido, unos 20 dB por debajo de los efectos |
Medimos el audio
Descargamos el MP4 terminado y medimos su volumen cada 50 milisegundos. El ambiente de sala está en torno a −46 a −48 dB. El golpe de la taza es el momento más fuerte, −18 dB, y empieza exactamente en el segundo 6.80. Las migas suben en el 3.70. El crujido está colocado en el 1.95, pero su parte más fuerte llega entre los segundos 2.5 y 3.0, cuando la grieta está más abierta, lo que sigue estando dentro del tramo que eligió el agente.
Así que el ambiente queda unos 28 dB por debajo del efecto más fuerte, un poco más bajo que los “about 20 dB” (unos 20 dB) del agente, y el Reel completo mide −19.7 LUFS. Si suena bajo al lado de tus otros Reels, pide una mezcla más fuerte; el agente ofreció volver a mezclar sin sonidos nuevos, gratis.
Compruébalo con tus oídos y después ajusta
Un agente de IA puede medir una forma de onda, pero no puede decirte si un crujido suena a cruasán. Escucha con auriculares y con el altavoz de un móvil. Para cada efecto, hazte dos preguntas: ¿empieza en el fotograma donde empieza la acción?, ¿suena como el objeto? Si un sonido llega antes o después de tiempo, da al agente el tiempo del fotograma según la hoja de tiempos y la dirección, por ejemplo “mueve el crujido 0.3 s más tarde”.
| Comprobación | Nuestro Reel |
|---|---|
| Cada efecto empieza en su acción | Taza exacta en 6.80 s; pico del crujido dentro de la rotura |
| Ambiente por debajo de los efectos | Unos 28 dB por debajo del golpe más fuerte |
| Sin música ni voz salvo que se pidan | Ninguna |
| Volumen general | −19.7 LUFS; pide más volumen si hace falta |
| Original conservado | Sí, el clip mudo se queda en el tablero |
Próximos pasos para el Reel
Los efectos, la música y la voz funcionan juntos cuando cada uno tiene su propio espacio. Añade música por debajo de los efectos o una voz en off breve después de ellos, y guarda el original mudo para la próxima edición.
Añadir efectos de sonido con IA
¿Puede la IA sincronizar los efectos de sonido con mi vídeo?
Sí, si puede ver los fotogramas. En nuestra prueba, el Ciyo Agent hizo una hoja de tiempos del clip y colocó cada efecto según la acción; en nuestra medición, el golpe de la taza empezó exactamente en el segundo 6.80.
¿Debe hacer el sonido el modelo de vídeo?
No, si quieres control. Genera el clip mudo y después añade efectos que puedas mover y ajustar uno a uno.
¿A qué volumen debe estar el ambiente de sala?
Lo bastante bajo para que las acciones destaquen. El nuestro quedó unos 28 dB por debajo del efecto más fuerte. Súbelo si el clip parece vacío entre los sonidos.
¿Cuánto costó?
16 créditos el 30 de septiembre de 2026: 9 por el clip mudo y 7 por cinco efectos de sonido. La mezcla y cualquier nueva mezcla sin sonidos nuevos fueron gratis.
Añade sonido a tu clip en Ciyo
Sube un clip mudo, nombra los momentos que necesitan un sonido y pide al Ciyo Agent las marcas de tiempo para poder comprobarlas.