Guía de mezcla
Cómo Mezclar Voces: Guía Paso a Paso para Rap y Pop
Equipo Seimix · 12 min de lectura
En una canción, lo primero y lo que más engancha al oyente es la voz. Por muy bueno que sea el beat, si la voz no destaca, si los agudos raspan el oído o si el vocal se pierde debajo de la instrumental, el tema suena amateur. La buena noticia: mezclar voces no es un talento mágico, es un proceso con su orden y su lógica. Si aplicas los pasos correctos en la secuencia correcta, hasta una voz que grabaste en casa puede llegar a un nivel profesional.
En esta guía te explico cómo mezclar una voz de principio a fin: empezamos por la afinación (tuning), seguimos limpiando los graves, cortando el barro de los medios, poniendo la voz al frente con compresión, controlando las 's' agudas, sumando brillo y aire, creando profundidad con reverb y delay, y por último equilibrando cada frase con automatización. Te doy valores concretos de frecuencia y ratio tanto para rap como para pop. La idea no es que memorices, sino que entiendas lo que estás haciendo.
Antes de mezclar: fuente limpia y el orden correcto
La mitad de una mezcla vocal se resuelve antes de abrir un solo efecto. Ni los mejores plugins salvan una toma mala. Por eso empieza corrigiendo la fuente: asegúrate de que la grabación no esté saturada (que no clipee), mantén el nivel de grabación con picos alrededor de -6 dB para conservar headroom (margen) y poder procesar después. Si grabaste varias tomas, junta las mejores frases (comping) hasta armar una sola interpretación limpia.
Después haz una limpieza gruesa: corta los silencios entre frases, no borres del todo las respiraciones pero suavízalas bajándolas 4-6 dB, y elimina los chasquidos de boca (mouth clicks) y los golpes de 'p'. Esta etapa de edición parece aburrida, pero le facilita la vida al resto de la mezcla de una manera increíble.
El orden importa muchísimo. Como cadena general, sigue esto: afinación → edición/limpieza → high-pass y EQ sustractiva (cortar el barro) → compresión → de-esser → EQ aditiva (presencia/aire) → saturación suave → reverb y delay → automatización. Este orden no es casualidad: primero limpias y controlas el sonido, y recién después le sumas color y profundidad.
- Mantén los picos de grabación cerca de -6 dB y deja headroom.
- Haz comping: junta las mejores frases de varias tomas.
- No borres las respiraciones; dómalas bajándolas 4-6 dB para no perder naturalidad.
- Antes de abrir efectos, limpia clips, golpes de 'p' y chasquidos.
Pitch y afinación: deja la entonación en su lugar
Pon la corrección de afinación al inicio de la cadena, porque cada proceso posterior (sobre todo la compresión) amplifica el sonido tal como está; si no corriges antes una nota desafinada, también la vas a poner al frente. Puedes afinar de dos formas: corrección automática en tiempo real o nota por nota a mano. El método manual da un resultado más natural pero lleva tiempo; el automático es rápido y, según el estilo, le suma carácter.
En la voz de rap y trap, muchas veces un autotune duro y de captura rápida (retune speed corto) crea ese famoso efecto 'fluido'. En el rap melódico y el pop moderno también es una decisión de estilo. En cambio, en el pop clásico y el R&B la idea es corregir solo las desafinaciones sin que se note el efecto; baja un poco la velocidad de retune para conservar el vibrato y los deslizamientos naturales.
No te olvides de elegir la tonalidad (key) y la escala correctas. Si eliges mal el key, el motor de afinación jala las notas a alturas equivocadas y la voz sale todavía más desafinada. Si no sabes la tonalidad del tema, préstale el oído a la instrumental o sácala de una referencia.
- Afina siempre antes de la compresión, al inicio de la cadena.
- Retune rápido para rap/trap; retune lento para un pop natural.
- Ingresa el key correcto; un key equivocado arruina toda la afinación.
- El exceso de tuning suena robótico; si no buscas el efecto, mantenlo sutil.
High-pass y limpieza de graves
La información útil de la voz humana suele empezar por encima de los 80-100 Hz. Debajo de eso casi todo es ruido de sala, vibración del pie de micrófono, zumbido del aire acondicionado y energía de las 'p' (plosivas). Abre un filtro high-pass (low-cut) y limpia la voz: 80-100 Hz en voces masculinas y 100-120 Hz en femeninas son un buen punto de partida.
Ajusta el filtro con el oído, no con la vista. Súbelo despacio; en el punto donde escuchas que el cuerpo de la voz se adelgaza y se pierde la sensación de 'pecho', retrocede un poquito. La idea es quitar los graves innecesarios, no matar la plenitud de la voz. En el rap se quiere la voz muy cerca y bien definida al frente, así que es común cortar un poco más arriba (100-120 Hz).
Este paso casi no se nota en parlantes chicos ni en celulares, pero hace una diferencia enorme en la mezcla total: le abre espacio al kick y al bajo, reduce el barro general y evita que el compresor pelee con energía de graves que no aporta nada.
- Low-cut en 80-100 Hz para voz masculina y 100-120 Hz para femenina.
- Ajusta el filtro de oído; cuando el cuerpo se adelgace, retrocede un poco.
- En rap puedes cortar un poco más arriba para ganar definición.
- Las plosivas ('p') también bajan bastante junto con el high-pass.
Corta el barro: 200-500 Hz y los medios
Si la voz suena 'turbia', 'como hablando dentro de una caja de cartón' o 'nasal', el culpable suele estar en los medios-graves. El rango de 200-400 Hz le da cuerpo a la voz, pero de más genera barro (mud). Con una banda de EQ angosta (Q medio) pasea por esa zona, encuentra el punto más molesto y córtalo 2-4 dB. No exageres el corte: que la voz no quede flaca ni raquítica.
Alrededor de 500-800 Hz aparece el sonido 'encajonado' (boxy); si grabaste en un lugar con mala acústica, un corte suave ahí (1-3 dB) abre el sonido. La zona de 1-4 kHz es la de la dureza y la aspereza (harshness); en algunas voces hay una resonancia agresiva en 2-3 kHz que también puedes bajar unos dB con una banda angosta.
La regla de oro de la EQ sustractiva: primero corta, después suma. Cuando limpias las frecuencias molestas, la voz ya suena mucho más clara y profesional; el brillo lo vas a agregar en los pasos siguientes.
- Corta el barro 2-4 dB en 200-400 Hz, sin matar el cuerpo.
- Para el sonido encajonado, prueba un corte de 1-3 dB en 500-800 Hz.
- Si hay dureza, baja unos dB con una banda angosta en 2-3 kHz.
- Primero corta y después suma: el brillo asienta mejor sobre un piso limpio.
Compresión: pon la voz al frente
La compresión es la clave para mantener la voz por delante del beat. En una toma cruda hay una gran diferencia de nivel entre las frases más fuertes y las más bajas; por eso algunas palabras se pierden y otras gritan. El compresor achica esa diferencia y deja la voz en un nivel parejo, pegada al frente. Para empezar, prueba un ratio 3:1, un attack medio (10-30 ms) y un release que respire con la música (60-120 ms). Que la reducción de ganancia (gain reduction) oscile alrededor de 3-6 dB en las frases pico.
El tiempo de attack define el carácter: si acortas demasiado el attack, aplastas el primer golpe (transiente) de la voz y la dejas apagada; si lo dejas un poco más abierto, se conserva la contundencia al inicio de las palabras y la voz suena más 'viva'. En rap y trap se busca un control más agresivo; ahí subir hasta 4:1 o incluso 6:1 y acortar un poco el attack pega la voz al pecho.
En lugar de aplastar todo con un solo compresor, usa compresión en serie (dos compresores suaves uno detrás del otro): que cada uno tome 2-3 dB. El control total es el mismo, pero el resultado respira y es más natural. Si quieres que la voz suene aún más al frente y densa, aplica compresión paralela (New York): mezcla por debajo, apenas, una copia muy comprimida junto con la señal limpia.
- Inicio: ratio 3:1, attack 10-30 ms, release 60-120 ms.
- Que la gain reduction oscile 3-6 dB en las frases pico.
- Para rap/trap, 4:1-6:1 da un control más agresivo.
- En vez de un solo compresor pesado, prueba compresión en serie o paralela.
De-esser: doma las 's' sibilantes
A medida que sumas compresión y brillo, los sonidos agudos de fricción como la 's', la 'ch' o la 'z' (sibilancia) se disparan de forma molesta; lastiman el oído y raspan sobre todo en audífonos y en el celular. Para eso existe el de-esser: baja solo la banda de frecuencia donde vive ese sonido agudo, justo en el instante en que aparece, y no toca la voz el resto del tiempo.
Enfoca el de-esser en el rango de 6-9 kHz. En voces femeninas y timbres finos la sibilancia suele estar más arriba (7-9 kHz), y en voces masculinas graves un poco más abajo (5-7 kHz). Para encontrar el punto exacto usa el modo de escucha/solo del de-esser: escucha solo la banda que se atenúa y apunta a la frecuencia donde más se oye el 'ssss'.
No te pases con la cantidad. La idea no es eliminar la 's', sino quitarle el filo; un de-essing excesivo deja la voz con ceceo, como si hablara 'mareada'. Por lo general, con 3-6 dB de atenuación alcanza. Pon el de-esser después de la compresión y de la EQ de brillo, porque son esos procesos los que sacan a la luz el problema real de sibilancia.
- Enfoca el de-esser en 6-9 kHz; arriba en voces finas, abajo en graves.
- Con el modo solo/escucha, encuentra la frecuencia con más 'ssss'.
- Con 3-6 dB de atenuación alcanza; sin exagerar o la voz cecea.
- Orden: el de-ess va después de la compresión y de la EQ de aire.
Presencia y aire: claridad y brillo
Una vez que limpiaste y controlaste la voz, toca darle brillo. Hay dos zonas clave: la presencia y el aire. El rango de 3-5 kHz es la zona de presencia; un realce amplio de 2-4 dB ahí saca la voz por delante del beat, define las palabras y mejora la inteligibilidad. En el rap, donde es crítico que la letra se entienda clara, esta zona vale oro.
El rango de 10-16 kHz es la zona de 'aire'. Un realce suave con un shelf amplio (1-3 dB) le da a la voz esa sensación cara, abierta y que 'respira'; en pop y R&B deja la voz brillante como un cristal. Pero cuidado: agregar aire también aumenta la sibilancia, así que tienes que equilibrarlo con el de-esser.
En la EQ aditiva usa bandas amplias (Q bajo); los realces angostos y agresivos suenan artificiales y ásperos. Compara siempre con una canción profesional de referencia: tu voz, frente a ella, ¿suena apagada o chillona? La decisión no la tomes solo de oído, sino comparando.
- Para definición, sube la presencia de 3-5 kHz 2-4 dB con banda amplia.
- Para aire, agrega 1-3 dB en 10-16 kHz con un shelf.
- Al sumar aire crece la sibilancia; equilíbrala con el de-esser.
- En la EQ aditiva, las bandas amplias (Q bajo) suenan más naturales.
Crea profundidad con reverb y delay
Una voz seca (sin efectos) queda pegada en el centro de la cabeza y suena plana. El reverb y el delay ubican la voz en un espacio, le dan profundidad y dimensión. Pero el error amateur más común es exagerarlos y ahogar la voz en la niebla. La regla: el efecto se tiene que sentir, pero no debes poder oír cada repetición por separado.
Para el reverb, prueba primero espacios cortos y medianos (plate o room); en rap suele funcionar un reverb corto y ajustado y/o un slap delay (un solo eco de 80-160 ms) que mantiene la voz seca pero con dimensión. En pop son comunes reverbs más largos y amplios. Dos trucos para que el reverb no enturbie: mándale un high-pass al retorno del reverb (corta por debajo de 300 Hz) para que no se acumule barro, y atrasa un poco el sonido del reverb con un 'pre-delay' acorde al tempo para que la voz principal quede definida.
El delay suma profundidad y ritmo. Un delay sincronizado al tempo (por ejemplo 1/4 o 1/8 con puntillo) deja ecos lindos al final de las frases. Adelgazar el retorno del delay con EQ (cortar los graves y el extremo superior de más) lo separa de la voz principal y lo mantiene más limpio. Si quieres la voz más 'al frente', baja los efectos; si la quieres más 'atmosférica', súbelos. Es un equilibrio que depende por completo del estilo.
- En rap, reverb corto + slap delay (80-160 ms) conserva la sequedad.
- Manda un high-pass de 300 Hz al retorno del reverb para evitar barro.
- Sincroniza el delay al tempo (1/4 o 1/8 con puntillo) y adelgázalo con EQ.
- Que el efecto se sienta, pero sin oír cada repetición por separado.
Automatización, control en el celular y retoques finales
La compresión equilibra el nivel a grandes rasgos, pero el detalle final lo da la automatización. Escucha la voz frase por frase: si una palabra todavía se pierde, súbele el nivel a mano 1-2 dB; si una frase grita, bájala. En los coros adelanta un poco la voz, y en las estrofas retrocédela. También puedes automatizar los efectos: abrir el delay en la última palabra de una frase para dejar un eco 'throw' es un detalle popular y muy efectivo.
Revisa tu mezcla sí o sí en distintos sistemas. La mayoría va a escuchar la canción en el celular, en el parlante de la laptop y en audífonos baratos. Los parlantes chicos casi no dan graves; ahí lo que lleva la canción es el cuerpo y la definición de la voz. Escucha tu mezcla desde el parlante del celular: ¿se pierde la voz?, ¿raspan los agudos? Y escúchala también en mono, porque muchos sistemas reproducen en mono y parte de los efectos estéreo puede desaparecer ahí.
Por último, compara con una referencia y descansa el oído. Lleva una canción profesional que te guste al mismo nivel de volumen y compara tu voz con ella: ¿la tuya suena más apagada, más chillona, más hundida? El oído se cansa a los 20 minutos; toma un descanso y vuelve a escuchar al día siguiente con el oído fresco. Todos estos pasos (afinación, EQ, compresión, de-ess, presencia, reverb, automatización) hechos a mano uno por uno toman horas y piden experiencia. Si quieres acelerar el proceso, o alcanzar un nivel de referencia profesional con un solo clic, puedes subir tu voz y dejar que Seimix la mezcle automáticamente; el sistema aplica estos pasos con valores medidos en tu lugar, y tú partes del resultado para hacer los ajustes finos.
- Equilibra el nivel a mano, frase por frase, con 1-2 dB de automatización.
- Adelanta la voz en el coro y retrocédela un poco en la estrofa.
- Revisa sí o sí desde el parlante del celular y en mono.
- Compara al mismo nivel con una canción de referencia; descansa el oído.
¿No quieres hacerlo a mano?
Sube tu track a Seimix, elige un preset o solo di lo que quieres — recibe tu mezcla en minutos. 7 días gratis.
Preguntas frecuentes
¿Qué orden debo seguir al mezclar voces?
La cadena general es: primero pitch/afinación, luego edición y limpieza, después high-pass y EQ sustractiva para cortar el barro, luego compresión, de-esser, EQ que suma presencia/aire, saturación suave, reverb-delay y por último automatización. Este orden te permite primero limpiar y controlar el sonido, y recién después sumar color y profundidad. La regla más importante: la afinación y la EQ sustractiva van antes de la compresión.
¿Qué diferencia hay entre mezclar una voz de rap y una de pop?
En rap la voz debe quedar seca, definida y bien por delante del beat; por eso el high-pass va un poco más arriba (100-120 Hz), la compresión es más agresiva (4:1-6:1) y son comunes el reverb corto y el slap delay. La presencia de 3-5 kHz vale mucho para que la letra se entienda. En pop, en cambio, destacan reverbs más largos, más 'aire' (10-16 kHz), doubling y atmósfera. Los pasos base son los mismos; cambian las dosis y el carácter.
¿Es obligatorio usar autotune?
No, no es obligatorio. El autotune se usa con dos fines: como efecto de estilo (ese sonido fluido del trap y el pop moderno) o solo para corregir desafinaciones. Si la interpretación ya está limpia, puedes no usarlo o mantenerlo muy sutil. Si no buscas el efecto, baja la velocidad de retune para conservar el vibrato y los deslizamientos naturales. Cuida no elegir mal el key, o la afinación empeora el sonido.
¿Por qué mi voz se pierde debajo del beat en la mezcla?
Las tres causas más comunes: compresión insuficiente (el nivel está muy irregular y algunas palabras se pierden), no haber cortado el barro de 200-500 Hz y una zona de presencia de 3-5 kHz demasiado débil. La solución: estabiliza el nivel con una compresión cercana a 3:1, corta unos dB del barro en los medios-graves y sube la presencia 2-4 dB con banda amplia. Después, con automatización frase por frase, levanta a mano las palabras que se pierden.
¿Para qué sirve exactamente el de-esser y dónde se pone?
El de-esser baja los sonidos agudos de fricción como la 's', la 'ch' o la 'z' (sibilancia) solo en el instante en que aparecen; el resto del tiempo no toca la voz. Así te quita el chillido que raspa el oído sin dejar la voz con ceceo. Se enfoca en el rango de 6-9 kHz y, por lo general, con 3-6 dB de atenuación alcanza. En la cadena va después de la compresión y de la EQ de brillo/aire, porque son esos procesos los que sacan a la luz la sibilancia.
El reverb me enturbia la voz, ¿qué hago?
Probablemente el reverb esté muy largo, muy alto y sin filtrar. Prueba tres cosas: manda un high-pass de 300 Hz al retorno del reverb para que no se acumule barro en los graves, acorta el tiempo del reverb (en rap funciona mejor plate/room) y atrasa un poco el sonido del reverb (pre-delay) para que la voz principal quede definida. Si al oír el efecto puedes distinguir cada repetición por separado, es que lo abriste de más; baja la cantidad.
¿Debo mezclar la voz yo mismo o usar una herramienta automática?
Las dos opciones son válidas. Si quieres aprender y tener control total, lo mejor es aplicar a mano los pasos de esta guía; tu oído mejora. Pero el proceso lleva tiempo y pide experiencia. Si buscas un resultado rápido, consistente y a nivel de referencia, puedes subir tu voz a Seimix y dejar que la mezcle automáticamente, y luego afinar los detalles a partir de ese resultado. La mayoría de los productores combina ambas: una base automática rápida y, encima, el toque personal.
Más: Todas las guías