Cuando el sonido llega tarde: entender la latencia de audio
La latencia de audio es el retraso entre la generación, captura o reproducción de un sonido y el momento en que se oye. Aunque unos pocos milisegundos pueden pasar inadvertidos al escuchar música, el problema se vuelve evidente al grabar voces, tocar instrumentos virtuales, realizar videollamadas, sincronizar vídeo o usar sistemas de digitalización con señal sonora. Este artículo explica cómo se origina el retardo en los búferes, controladores, conversiones y conexiones inalámbricas; diferencia latencia de ida, vuelta y sincronización audiovisual; propone métodos prácticos de medición y reúne ajustes para reducirla sin sacrificar estabilidad.
La latencia de audio es el tiempo que transcurre entre un evento sonoro y su resultado audible o registrado. Puede ser el intervalo desde que se pulsa una tecla en un teclado MIDI hasta que suena un instrumento virtual, desde que se habla a un micrófono hasta que la voz vuelve por los auriculares, o desde que un vídeo muestra una acción hasta que se escucha su sonido. Se expresa normalmente en milisegundos (ms), y su importancia depende de la tarea: en una reproducción pasiva puede tolerarse mejor que en una grabación, una llamada o una sesión de edición audiovisual.
Qué significa realmente la latencia de audio
En un sistema digital, el audio no viaja como una señal continua: se captura, procesa y reproduce en bloques de muestras. Cada etapa necesita un tiempo. El micrófono o la entrada de línea convierte la señal analógica a digital; el ordenador la coloca en un búfer; el programa puede aplicar efectos o enviarla a otra pista; y finalmente la interfaz convierte el resultado de nuevo a señal analógica para altavoces o auriculares.
La latencia no equivale necesariamente a una avería. Es una consecuencia normal del procesamiento. El inconveniente aparece cuando el retraso resulta perceptible, variable o incompatible con la actividad. Por ejemplo, un desfase de 150 ms entre imagen y sonido puede resultar muy molesto en una videollamada, mientras que una monitorización de voz con 20 ms puede hacer que el locutor sienta que habla con eco.
Latencia de entrada, salida y vuelta completa
Conviene distinguir tres conceptos. La latencia de entrada es el retraso desde la fuente hasta que el ordenador recibe el audio. La de salida es el tiempo desde que el programa envía el sonido hasta que se oye. La latencia de ida y vuelta, también llamada round-trip latency, suma ambas y añade el efecto de los controladores, convertidores y procesos internos.
- Latencia de entrada: relevante al grabar micrófonos, instrumentos o audio procedente de una fuente externa.
- Latencia de salida: importante al tocar instrumentos virtuales, reproducir efectos en directo o escuchar una preescucha.
- Latencia de ida y vuelta: referencia útil para valorar una interfaz en grabación con monitorización a través del ordenador.
- Desincronización audiovisual: diferencia temporal entre audio e imagen, frecuente en transmisión, edición o Bluetooth.
De dónde procede el retraso
El tamaño del búfer suele ser el factor más visible. Un búfer grande ofrece al sistema más margen para procesar audio sin interrupciones, pero aumenta el retraso. Un búfer pequeño responde antes, aunque exige más al procesador y puede generar chasquidos, cortes o pérdidas de muestras si el equipo no mantiene el ritmo.
La frecuencia de muestreo también influye. A igualdad de número de muestras por búfer, trabajar a 48 kHz procesa ese bloque antes que a 44,1 kHz. Sin embargo, elevarla consume más recursos, ocupa más almacenamiento y no siempre aporta una mejora audible en el proyecto. Los efectos con anticipación de señal, la reducción de ruido, algunos limitadores y los procesos de red añaden igualmente demora.
Una latencia baja no es un objetivo aislado: el ajuste correcto es el menor retraso que el equipo puede sostener de forma estable durante la tarea real.
En conexiones inalámbricas, la codificación, transmisión, recepción y decodificación introducen una demora adicional. Bluetooth prioriza habitualmente la fiabilidad y la compatibilidad sobre la respuesta instantánea. Por ello, unos auriculares Bluetooth pueden ser adecuados para escuchar un documento escaneado narrado o una presentación, pero no para monitorizar una interpretación musical en tiempo real.
Valores orientativos según la actividad
La percepción varía entre personas y contextos, pero los siguientes rangos ayudan a decidir qué configuración buscar. Son valores prácticos, no garantías: el retraso anunciado por un programa puede no incluir todos los componentes físicos del recorrido.
| Situación | Latencia recomendable | Configuración habitual | Prioridad |
|---|---|---|---|
| Escucha de música o podcasts | Hasta 100 ms o más | Búfer medio o alto; salida estándar | Estabilidad |
| Videollamadas y narración de pantalla | Menos de 80 ms, con sincronía estable | Micrófono por USB o interfaz; red fiable | Claridad y sincronización |
| Edición de vídeo y digitalización con locución | Menos de 40 ms en monitorización | Interfaz dedicada; compensación en el editor | Sincronía con imagen |
| Grabación de voz con efectos en tiempo real | Entre 5 y 15 ms | Búfer bajo; controlador específico | Respuesta natural |
| Instrumentos virtuales o interpretación en directo | Idealmente menos de 10 ms | Búfer muy bajo y equipo optimizado | Inmediatez |
Cómo medir y reconocer el problema
La forma más fiable de medir la latencia de ida y vuelta consiste en enviar una señal de prueba desde una salida hacia una entrada mediante un cable y comparar el impulso original con el recibido en el software de audio. Algunas estaciones de trabajo digital y aplicaciones de prueba automatizan este cálculo. Debe realizarse con el mismo controlador, frecuencia de muestreo y tamaño de búfer que se usarán en el trabajo.
Para detectar un problema de sincronización audiovisual, reproduzca una prueba con una palmada visible o un destello acompañado de un clic. Si el sonido llega sistemáticamente antes o después de la imagen, anote el desfase y corríjalo en el editor o en el dispositivo de reproducción. En flujos de impresión y escaneo, esto puede ser relevante cuando se digitalizan materiales audiovisuales, se preparan presentaciones con narración o se generan documentos accesibles con audio asociado.
Señales habituales de una latencia excesiva
- La voz vuelve por los auriculares con sensación de eco o doble voz.
- Las pulsaciones MIDI parecen separadas del sonido que generan.
- El audio y los labios no coinciden en una vista previa o una exportación.
- Al bajar el búfer aparecen clics, distorsión breve o interrupciones.
- El retardo cambia durante una llamada, lo que suele apuntar a red, Bluetooth o carga del sistema.
Pasos para reducir la latencia sin perder estabilidad
Antes de cambiar muchos parámetros a la vez, conviene establecer una configuración de referencia. Cierre aplicaciones que consuman procesador, desconecte dispositivos de audio que no utilice y pruebe con un proyecto sencillo. Después, ajuste de forma gradual.
- Seleccione la interfaz de audio correcta en el programa y use su controlador oficial cuando exista.
- Fije una frecuencia de muestreo coherente con el proyecto, normalmente 44,1 kHz para música y 48 kHz para vídeo.
- Reduzca el tamaño del búfer en pasos, por ejemplo de 512 a 256 y luego a 128 muestras.
- Reproduzca y grabe una prueba exigente, con pistas, efectos y fuentes similares a las del trabajo final.
- Si aparecen cortes, vuelva al último ajuste estable o desactive temporalmente efectos de alta carga.
- Active la monitorización directa de la interfaz para escuchar la entrada sin pasar por el ordenador, si no necesita oír efectos en tiempo real.
- En auriculares inalámbricos, prefiera conexión por cable cuando la respuesta inmediata sea esencial.
En Windows, los controladores profesionales de baja latencia, como ASIO proporcionado por el fabricante, suelen ofrecer un control más preciso de los búferes. En macOS, Core Audio se integra en el sistema y permite trabajar con interfaces compatibles desde la configuración del programa. En ambos casos, actualizar el firmware de la interfaz y el sistema operativo puede corregir problemas, pero es prudente verificar la compatibilidad antes de actualizar un equipo de producción.
Latencia, compensación y sincronización en proyectos audiovisuales
Un editor de audio o vídeo puede compensar el retraso introducido por ciertos complementos durante la reproducción y la exportación. Esta compensación no elimina necesariamente la demora que siente una persona al monitorizar en directo, pero evita que las pistas queden desplazadas entre sí en el resultado final. Revise las opciones de compensación de latencia del programa y compruebe la exportación con auriculares cableados y altavoces distintos.
Si se escanea un guion, una partitura o documentos que acompañarán a una narración, mantenga una referencia temporal clara: nombres de archivo consistentes, marcas de tiempo y una frecuencia de muestreo uniforme. Estas prácticas no reducen la latencia física, pero sí previenen errores de sincronización durante la edición y la publicación.
Cuándo no conviene perseguir una latencia mínima
Reducir el búfer al mínimo puede parecer siempre mejor, pero en tareas de mezcla, restauración, impresión de archivos de audio o exportación no suele ser necesario. En esos casos, un búfer más alto libera recursos para efectos complejos y disminuye el riesgo de fallos. Reserve los ajustes de baja latencia para grabar, tocar o supervisar una fuente en tiempo real.
La mejor configuración suele ser doble: una sesión de grabación con búfer bajo y monitorización directa cuando sea posible, y una sesión de edición o mezcla con búfer alto. Documentar ambos perfiles evita cambios improvisados y ayuda a repetir resultados en equipos compartidos.
