Cómo quitar el ruido de fondo de un vídeo (4 métodos)
Cómo quitar el ruido de fondo de un vídeo con FFmpeg, Audacity, tu editor o Sablate sin dañar la voz: qué elimina cada método y qué te cuesta en palabras.
Para quitar el ruido de fondo de un vídeo, pasa su banda sonora por un reductor de ruido y vuelve a colocar el sonido limpio junto a la imagen sin tocar. FFmpeg y Audacity lo hacen gratis, los editores de vídeo tienen una herramienta de un solo clic y Sablate lo hace al exportar. El problema es la voz: si fuerzas cualquiera de ellos, las palabras bajas se van con el ruido.
Aquí, ruido de fondo es el sonido que queda bajo el habla: un ventilador, el aire acondicionado, un bar, el tráfico, el zumbido de una sala. Esta guía explica cuatro formas de quitarlo, en qué es bueno cada una y las cifras de nuestra propia prueba: cuánto ruido elimina cada método y cuánta voz se lleva con él.
¿Por qué quitar el ruido a veces estropea la voz?
Todo reductor de ruido toma la misma decisión miles de veces por segundo: en este fragmento de tiempo y en esta banda de frecuencias, ¿el sonido es voz o ruido? Lo que considera ruido se baja. Los métodos se diferencian en cómo lo deciden.
Los clásicos aprenden cómo suena el ruido y lo restan. Audacity te pide un perfil de ruido, unos segundos en los que nadie habla; el afftdn de FFmpeg lo estima sobre la marcha. Funciona bien cuando el ruido es constante, como un ventilador o el siseo de una cinta, porque el perfil sigue valiendo un minuto después. Funciona mal con ruido que cambia, como el murmullo de un bar o un coche que pasa, porque el perfil deja de coincidir. Si subes la cantidad para compensar, la voz empieza a sonar acuosa, con tonos temblorosos allí donde estaba el ruido.
Los más nuevos son redes neuronales entrenadas con muchas horas de voz y ruido. En lugar de restar un perfil, predicen, fotograma a fotograma, cuánto de cada banda es voz. Manejan mucho mejor el ruido que se mueve. Su fallo es otro: una palabra baja, susurrada o lejana al micrófono se parece mucho al ruido, y un modelo a máxima fuerza la elimina. Quien escucha lo describe como sílabas cortadas, una frase a la que le falta la última palabra o una risa que se convierte en silencio.
La solución es la misma en ambos casos. Pon un tope a cuánto se puede bajar cada banda, para que el habla más baja sobreviva, y escucha siempre un tramo en el que la persona hable bajo antes de exportar.
Las cuatro formas de quitar el ruido de fondo de un vídeo
- El filtro afftdn de FFmpeg: gratis, un solo comando, la imagen se copia sin tocarla. Lo mejor con ruido constante.
- Noise Reduction de Audacity: gratis, con un perfil de ruido que eliges tú. El audio tiene que salir del vídeo y volver a entrar.
- La herramienta de ruido de tu editor de vídeo: un clic si ya estás editando ahí, con resultados muy distintos de un editor a otro.
- Clean up voice de Sablate: un reductor de ruido neuronal que se ejecuta en tu equipo, con vista previa del antes y el después, aplicado al vídeo o al archivo de audio que exportas.
Método 1: el filtro afftdn de FFmpeg
FFmpeg es la herramienta gratuita de línea de comandos que muchas aplicaciones de vídeo usan por dentro. Su filtro afftdn es un reductor de ruido FFT clásico, y un solo comando limpia la banda sonora y copia la imagen tal cual:
ffmpeg -i input.mp4 -af "highpass=f=80,afftdn=nr=12:nf=-50:tn=1" -c:v copy -c:a aac -b:a 192k output.mp4
Qué hace cada parte:
highpass=f=80elimina todo lo que está por debajo de 80 Hz: rumor, golpes en la mesa, el zumbido del tráfico. Una voz casi no tiene nada tan grave.afftdn=nr=12baja el ruido 12 dB,nf=-50es la estimación inicial del nivel de ruido de fondo en dB (ambos son los valores por defecto, según la documentación de filtros de FFmpeg) ytn=1deja que el filtro siga el ruido a medida que cambia.-c:v copyconserva la imagen bit a bit; solo se recodifica el sonido.
Sube nr para reducir más y escucha si aparece el sonido acuoso, señal de que te has pasado. Con un ventilador o un siseo constantes, esto suele ser todo lo que necesitas.
Con ruido que se mueve hace poco. En nuestra prueba con ruido de cafetería, oficina y tráfico, afftdn subió un poco la puntuación de calidad del habla y dejó igual la calidad global: una diferencia difícil de oír. FFmpeg tiene además un filtro RNNoise, arnndn, que necesita un archivo de modelo aparte; en la misma prueba eliminó mucho más ruido, pero distorsionó la voz y fue lo que más subió el error de palabras de Whisper de todo lo que probamos. La tabla de más abajo tiene las cifras.
Método 2: Noise Reduction de Audacity
Audacity es un editor de audio gratuito y de código abierto para Windows, macOS y Linux. Su efecto Noise Reduction es el método clásico del perfil, y controlas cada ajuste. Audacity edita audio, no vídeo, así que el trabajo tiene tres pasos.
Saca el audio del vídeo con FFmpeg:
ffmpeg -i input.mp4 -vn -c:a pcm_s16le audio.wav
Límpialo en Audacity:
- Abre
audio.wavy selecciona dos o tres segundos en los que nadie hable y solo se oiga el ruido. - Abre el efecto Noise Reduction y haz clic en Get Noise Profile.
- Selecciona toda la pista y abre Noise Reduction otra vez. Los valores por defecto son 6 dB de reducción, una sensibilidad de 6 y un suavizado de frecuencias de 6 bandas; empieza con ellos y haz clic en Preview.
- Cuando el ruido haya bajado y la voz siga sonando natural, haz clic en OK y exporta el resultado como
cleaned.wav.
Vuelve a unir el sonido limpio con la imagen original:
ffmpeg -i input.mp4 -i cleaned.wav -map 0:v -map 1:a -c:v copy -c:a aac -b:a 192k -shortest output.mp4
El perfil es su fuerza y su debilidad. Con un ventilador o el aire acondicionado, elimina el ruido de forma limpia. El propio manual de Audacity dice que el efecto no es adecuado para ruido de fondo irregular, como el tráfico o el público, y que si el ruido cambia durante la grabación, un solo perfil no servirá para las dos mitades: limpia las partes por separado.
Método 3: la herramienta de ruido de tu editor de vídeo
Si el vídeo ya está abierto en un editor, su propia herramienta de ruido es el camino más corto. Los principales editores tienen una, y se diferencian más de lo que sugieren sus nombres:
- iMovie (Mac, gratis) tiene una casilla Reduce background noise con un porcentaje: 0 % deja el sonido como está y 100 % es el máximo (guía de iMovie de Apple).
- Final Cut Pro (Mac) tiene Voice Isolation, que «prioriza las voces humanas sobre otras partes de la señal de audio», y Background Noise Removal, cada uno con un control deslizante Amount (guía de Final Cut Pro de Apple).
- Premiere tiene Enhance Speech, ahora dentro de Enhance Audio, con un control deslizante Enhancement. La versión 1 se ejecuta en tu equipo; la versión 2 se ejecuta en la nube de Adobe y usa dos créditos generativos por minuto. Un clip estéreo sale como mezcla mono (ayuda de Enhance Speech de Adobe).
- DaVinci Resolve tiene Voice Isolation con IA en la versión de pago Studio, y un complemento de reducción de ruido de Fairlight que aprende el ruido a partir de una selección (página de DaVinci Resolve Studio de Blackmagic).
- CapCut tiene un interruptor Reduce noise. Sus propias páginas se contradicen en el precio: la página de la herramienta en línea dice que es gratis, mientras que la página de CapCut Pro para Windows y Mac incluye Reduce noise entre las funciones Pro.
Ninguna te dice en cifras cuánto está trabajando, así que trata el control deslizante igual en todas: empieza bajo, escucha un tramo en el que la persona hable bajo, súbelo hasta que el ruido deje de molestarte y para ahí. Las neuronales (Voice Isolation, Enhance Speech) se comportan como los modelos neuronales de la tabla de abajo: mucho mejores con voces y tráfico, y las primeras en tragarse una palabra baja a máxima fuerza.
Método 4: Clean up voice de Sablate
Sablate es una aplicación de escritorio para Windows y macOS que crea subtítulos para un vídeo que ya tienes y, desde la versión 1.3, también puede limpiar la voz de lo que exporta. Usa DPDFNet, un reductor de ruido neuronal que viene dentro de la aplicación y se ejecuta en tu equipo: el sonido no se sube a ningún sitio y el modelo de ruido no necesita ninguna descarga extra.
Los pasos:
- Abre el vídeo en Sablate. Transcribe el habla para los subtítulos a partir del sonido original.
- En el editor, abre el modo Voice y elige una intensidad. Light limita la reducción a 18 dB y conserva el habla baja; es la que conviene para empezar. Strong elimina todo lo que no es habla, música incluida.
- Mueve el cabezal a un tramo en el que se hable bajo y escucha: Sablate reproduce diez segundos tal como se grabaron y tal como quedan limpios, y puedes alternar entre ambos.
- Exporta desde el menú Export. El sonido limpio va al vídeo con subtítulos incrustados, al vídeo cortado con el modo Cuts, al
.mkvcon subtítulos activables o a un Audio file (.m4a) con solo el sonido.
La pista limpia se genera una vez por archivo y se reutiliza, así que exportar tres idiomas no limpia el sonido tres veces. En nuestros equipos de prueba tardó unos 10 minutos por hora de audio en un Ryzen 5 5600X y unos 5 minutos en un Apple M4, medido con un clip de 60 segundos.
Los límites, sin rodeos: Sablate es una aplicación de subtítulos, así que si no necesitas subtítulos, Audacity o tu editor te quedan más a mano. Reduce el ruido; no elimina el eco de la sala ni reconstruye una voz mal grabada. Una banda sonora estéreo sale con la misma voz limpia en los dos canales. El plan gratuito incluye Clean up voice; no necesita cuenta y cubre videos de hasta diez minutos, tres trabajos al mes, los modelos Fast y Balanced y una capa de traducción sin conexión, y su incrustación lleva una pequeña marca en la esquina.
¿Cuánto ruido elimina cada método y qué cuesta?
Lo medimos mientras elegíamos el modelo de Sablate. Mezclamos dos grabaciones limpias de 30 segundos de habla en turco con tres ruidos del corpus público DEMAND (cafetería, oficina, tráfico de calle) con una relación señal/ruido de 5 dB, un fondo alto pero realista. Eso da seis clips por método; los valores son promedios.
| Método | Calidad del habla (PESQ) | Señal sin distorsión (SI-SDR, dB) | Calidad global (DNSMOS, 1-5) | Error de palabras de Whisper |
|---|---|---|---|---|
| Sin procesar | 1,55 | 5,1 | 1,89 | 26 % |
| FFmpeg afftdn | 1,78 | 3,5 | 1,91 | 29 % |
| FFmpeg arnndn (RNNoise) | 1,86 | -1,2 | 2,36 | 45 % |
| DeepFilterNet 3 | 2,05 | 14,9 | 3,10 | 42 % |
| DPDFNet, a máxima fuerza (Sablate Strong) | 2,23 | 17,3 | 3,19 | 37 % |
| DPDFNet, tope de 18 dB (Sablate Light) | 2,17 | 16,2 | 2,74 | 23 % |
PESQ y SI-SDR comparan el clip limpiado con la grabación limpia; cuanto más alto, mejor. DNSMOS es el modelo de Microsoft que predice cómo valoraría un oyente el clip sin oír el original. El error de palabras compara la transcripción que hace Whisper de cada clip, con large-v3-turbo, con su transcripción de la grabación limpia (WER). Repetimos la prueba a 0 y 10 dB y la clasificación se mantuvo.
Destacan dos cosas. Los modelos neuronales ganan en todas las medidas de escucha por un margen amplio: DeepFilterNet y DPDFNet suben la señal sin distorsión entre 10 y 12 dB, mientras que los dos filtros de FFmpeg apenas la mueven o la empeoran. Y limpiar más no significa palabras más claras. La limpieza a máxima fuerza subió el error de palabras de Whisper del 26 al 37 por ciento, porque las palabras que eliminó eran palabras que Whisper habría oído. La versión con tope lo bajó al 23 por ciento. En una grabación limpia de habla real, la máxima fuerza cambió un tercio de las palabras de la transcripción al eliminar frases enteras; la versión con tope no cambió ninguna.
Dos grabaciones en un solo idioma no son un benchmark, así que toma las cifras exactas como una indicación. Lo útil es la dirección, y por eso Sablate crea los subtítulos a partir del sonido original y usa Light salvo que elijas otra cosa.
¿Qué método debes usar?
«Es un solo clip con un ventilador o un siseo constantes y no me asusta una terminal.» Usa afftdn de FFmpeg. Un comando, la imagen intacta.
«El ruido es el mismo de principio a fin y quiero controlar cada ajuste.» Usa Audacity con un perfil de ruido de un tramo en silencio.
«Estoy editando el vídeo en un editor de todos modos.» Usa su propia herramienta: Reduce background noise en iMovie, Voice Isolation en Final Cut Pro o DaVinci Resolve Studio, Enhance Speech en Premiere. Si te importa la imagen estéreo, recuerda que el Enhance Speech de Premiere devuelve mono.
«Hay voces, tráfico o música de fondo, o estoy creando subtítulos para el vídeo.» Usa Clean up voice de Sablate en Light, escucha un tramo en el que se hable bajo y cambia a Strong solo si el ruido sigue molestando.
«La persona habla bajo o lejos del micrófono.» Usa un ajuste suave en la herramienta que elijas y revisa los finales de frase antes de exportar: son lo primero que elimina un reductor de ruido fuerte.
Cómo evitar el ruido en la próxima grabación
Quitar ruido funciona mejor en una grabación que apenas lo necesitaba. Acerca el micrófono a quien habla: reducir la distancia a la mitad hace que la voz suene unos 6 dB más fuerte frente a la sala, más de lo que muchos filtros de ruido eliminan sin efectos secundarios. Apaga los ventiladores y el aire acondicionado mientras grabas, si puedes. Graba cinco segundos de la sala sin que nadie hable al principio: le da a Audacity un perfil de ruido limpio y a ti una referencia con la que comparar al escuchar.
Después, mantén dos costumbres. Transcribe y subtitula a partir del sonido original, como explica la guía de transcripción, y limpia solo el sonido que entregas. Y escucha siempre con auriculares un tramo en voz baja del resultado limpio antes de enviarlo a ningún sitio: los altavoces del portátil esconden justo los artefactos que oirá quien lo vea.
Si el vídeo necesita subtítulos además de una banda sonora más limpia, descarga Sablate y haz las dos cosas en una sola exportación; el plan gratuito basta para probarlo con un clip de diez minutos.
Preguntas frecuentes
¿Cómo quito el ruido de fondo de un vídeo gratis?
Con FFmpeg o con Audacity. El filtro afftdn de FFmpeg limpia la banda sonora con un solo comando y copia la imagen sin tocarla. Noise Reduction de Audacity aprende el ruido de unos segundos en los que nadie habla y lo elimina, pero tienes que sacar el audio del vídeo y volver a unirlo con FFmpeg. Ambos funcionan mejor con ruido constante, como un ventilador o un siseo.
¿La reducción de ruido hace que la voz suene peor?
Puede, si se aplica con demasiada fuerza. Un reductor de ruido tiene que decidir qué es voz y qué es ruido, y las palabras bajas o lejanas son las primeras en confundirse. En nuestra prueba, la limpieza neuronal a máxima fuerza subió el error de palabras de Whisper del 26 al 37 por ciento, mientras que el mismo modelo con un tope de 18 dB lo bajó al 23.
¿Puedo quitar el ruido de fondo sin recodificar el vídeo?
Sí. Solo hay que cambiar la banda sonora, así que la imagen se puede copiar bit a bit. En FFmpeg es la opción -c:v copy; Sablate también copia la imagen cuando escribe el .mkv con subtítulos activables. Las exportaciones que incrustan subtítulos o aplican cortes recodifican la imagen de todos modos, así que limpiar el sonido no cuesta nada extra.
¿Debo quitar el ruido antes de transcribir un vídeo?
Normalmente no. Whisper tolera bien el ruido de fondo moderado, mientras que una limpieza agresiva elimina sílabas bajas que él habría oído. En nuestra prueba, el audio original con ruido se transcribió mejor que la versión limpiada al máximo. Transcribe el original y limpia después el sonido que exportas, que es como lo hace Sablate.
¿Cómo quito el ruido de un ventilador o del aire acondicionado de un vídeo?
El ruido de un ventilador o del aire acondicionado es constante, y por eso es el más fácil de quitar. Graba unos segundos de la sala sin que nadie hable y úsalos como perfil de ruido en Audacity, o pasa un limpiador neuronal como Clean up voice de Sablate en Light. Un filtro paso alto en torno a 80 Hz también elimina el rumor grave que queda bajo la voz.