Montaje y comprobación de volumen: FFmpeg para armar tu primer cortometraje terminado
Objetivo en una frase: en esta lección completas el montaje del microdrama con IA: unes los fragmentos de tomas que seleccionaste, en el orden de la lista de tomas, en un cortometraje de práctica de 30–60 segundos, y con loudnorm unificas el volumen al estándar EBU R128.
El software de montaje con GUI (como Jianying o Premiere) también puede realizar las operaciones de esta lección, pero este curso no ha verificado sus pasos concretos; en lo que sigue nos regimos siempre por los comandos de FFmpeg.
Qué podrás hacer al terminar
- Usar
trimyatrimpara recortar cada toma a la duración de la lista de tomas y poner los timestamps a cero - Usar el filtro
concatpara unir varios fragmentos de tomas, en el orden de la lista de tomas, en una línea de tiempo completa - Usar
loudnormpara unificar el volumen de todo el cortometraje al estándar EBU R128 (objetivo por defecto I=-24, LRA=7, TP=-2) - Producir un cortometraje de práctica
final.mp4de 30–60 segundos, con audio y vídeo sincronizados y volumen estable
Tu problema actual
- «Ya seleccioné las tomas, pero siguen siendo un montón de mp4 sueltos; como quiera que lo mire, no parece un microdrama.»
- «Los uní a la fuerza, pero algunas tomas suenan fuerte y otras flojo; se escucha incómodo.»
- «Dicen que debería usar un software de montaje, pero la interfaz está llena de botones; yo solo quiero unir el vídeo primero.»
Cuándo usar esta técnica
Cuando necesitas:
- Unir los fragmentos de tomas ya seleccionados, en el orden de la lista de tomas, en un cortometraje de práctica de 30–60 segundos;
- Unificar el volumen de todo el cortometraje para que la locución deje de subir y bajar.
Y no quieres:
- Poner a aprender de entrada la interfaz de un software de montaje con GUI;
- Alinear manualmente cada fragmento en la línea de tiempo.
🎒 Preparativos antes de empezar
- Haber terminado «Estrategia de reintento y reemplazo de tomas: máximo 3 intentos por toma», tener en mano la lista de tomas definida en cursos anteriores (plantilla didáctica), y los fragmentos seleccionados nombrados según el orden de reproducción, como
shot01.mp4,shot02.mp4,shot03.mp4 - Haber terminado «Creación y corrección de subtítulos: SRT de la generación al incrustado», con subtítulos ya incrustados en cada fragmento, o con el plan de incrustarlos todos al final en el cortometraje terminado
- Cada fragmento de toma ya tiene incorporada la pista de locución en cursos anteriores
- Ejecutar
ffmpeg -versionen la terminal muestra el número de versión
Idea central
El montaje de microdramas con IA suena a obra colosal, pero el montaje de vídeo con FFmpeg de esta lección en realidad solo hace tres cosas: recortar, unir, ajustar, y cada una corresponde a un filtro:
| Acción | Filtro | Para qué sirve |
|---|---|---|
| Recortar | trim / atrim + setpts / asetpts | Recorta el exceso de inicio y final según la duración de la lista de tomas y pone el timestamp a cero |
| Unir | concat | Une varios segmentos en orden en una sola línea de tiempo; el audio corto se rellena automáticamente con silencio |
| Ajustar | loudnorm | Unifica la sonoridad de todo el cortometraje según EBU R128 |
El flujo completo: material como shot01.mp4 → (recortar) fragmentos como shot01_cut.mp4 → (unir) draft.mp4 → (ajustar) final.mp4.
Hay dos premisas que recordar: concat exige que cada segmento empiece en el timestamp 0, por eso tras el recorte hay que ponerlo a cero; y los parámetros de las corrientes correspondientes de cada segmento deben coincidir: la resolución debe ser explícitamente igual, mientras que el formato de píxeles o la frecuencia de muestreo concat los unifica automáticamente.
Hazlo conmigo
Paso 1: recortar el inicio y el final de las tomas
Por qué: la lista de tomas fija la duración de cada toma, y el recorte hace que los fragmentos se ajusten estrictamente a ella; además, concat exige que cada segmento empiece en el timestamp 0, así que tras recortar lo pones a cero de paso. trim delimita el rango con start/end/duration; atrim tiene los mismos parámetros:
ffmpeg -i shot01.mp4 \
-vf "trim=start=0:end=4,setpts=PTS-STARTPTS" \
-af "atrim=start=0:end=4,asetpts=PTS-STARTPTS" \
shot01_cut.mp4Deberías ver: shot01_cut.mp4 con duración de 4 segundos, timestamp desde 0, y sin fotogramas sobrantes al inicio o al final.
- Pequeña comprobación: ejecuta esto una vez por cada toma y obtén
shot01_cut.mp4,shot02_cut.mp4,shot03_cut.mp4
Paso 2: unir las tomas y armar la línea de tiempo del montaje del microdrama con IA
Por qué: FFmpeg une vídeo con el filtro concat, que encadena los fragmentos recortados en el orden de la lista de tomas para formar una línea de tiempo; al terminar este paso, un montón de material se convierte de verdad en «un cortometraje». Exige que los parámetros de las corrientes de cada segmento coincidan (los fragmentos generados por el mismo flujo de trabajo suelen cumplirlo de forma natural); si el audio de un segmento es más corto que el vídeo, se rellena automáticamente con silencio:
ffmpeg -i shot01_cut.mp4 -i shot02_cut.mp4 -i shot03_cut.mp4 \
-filter_complex "[0:v][0:a][1:v][1:a][2:v][2:a]concat=n=3:v=1:a=1[v][a]" \
-map "[v]" -map "[a]" -c:v libx264 -crf 20 draft.mp4n=3 es el número de segmentos unidos; si tienes más de 3 tomas, cámbialo por la cantidad real y añade las entradas -i en orden. -map selecciona la corriente de vídeo y de audio que produce concat; -c:v libx264 junto con -crf controla la calidad de imagen, que es el uso del ejemplo de la documentación oficial; ajusta el valor de crf según tus necesidades de calidad.
Deberías ver: obtener draft.mp4, con duración total aproximadamente igual a la suma de las tomas y orden de reproducción conforme a la lista de tomas.
- Pequeña comprobación: reproduce
draft.mp4; el orden coincide con la lista de tomas, sin tomas faltantes ni repetidas
Paso 3: comprobación y unificación del volumen
Por qué: la sonoridad de la locución de tomas distintas no tiene por qué coincidir, y al unirlas sube y baja. loudnorm es el filtro de normalización de volumen de FFmpeg, que unifica la sonoridad de todo el cortometraje según el estándar EBU R128, con objetivo por defecto I=-24, LRA=7, TP=-2. Ten en cuenta que su modo dinámico procesa internamente con sobremuestreo a 192kHz, así que al exportar hay que especificar la frecuencia de muestreo con -ar:
ffmpeg -i draft.mp4 -af loudnorm -ar 48000 -c:v copy final.mp4Deberías ver: final.mp4 con la sonoridad de todo el cortometraje dentro del estándar, sin subidas y bajadas entre tomas; la corriente de vídeo se copia directamente (-c:v copy), sin una segunda pérdida de calidad de imagen.
💡 ¿El volumen sigue subiendo y bajando?
Primero revisa si en el orden de unión faltan o se repiten tomas; una vez confirmado que no hay problema, vuelve a ejecutar loudnorm.
- Pequeña comprobación:
ffmpeg -i final.mp4muestra que la frecuencia de muestreo del audio es 48000 y no 192000
Punto de control ✅
- Cada fragmento recortado (
shot01_cut.mp4, etc.) tiene marcas de tiempo que comienzan desde 0, con una duración coherente con la tabla de tomas - La duración total de
draft.mp4es aproximadamente igual a la suma de todas las tomas, y el orden de reproducción coincide con la tabla de tomas - La duración de
final.mp4se sitúa entre 30–60 segundos (objetivo de diseño del curso del video de práctica), con dos flujos: video y audio - Reproducirlo completo una vez: revisar orden, imagen y volumen punto por punto; si los subtítulos ya están incrustados, se muestran correctamente
Avisos de errores comunes
❌ concat reporta parámetros de flujo inconsistentes
Causa: se mezclaron tomas con resoluciones distintas (por ejemplo, combinando versiones horizontal y vertical). concat unifica automáticamente el formato de píxeles, la frecuencia de muestreo y otros parámetros, pero la resolución no se convierte automáticamente, por lo que todos los segmentos deben ser idénticos; las frecuencias de fotogramas distintas, aunque no producen error, generan un video final con frecuencia variable.
Solución correcta: volver a la etapa de tomas, unificar los parámetros y regenerar antes de volver a concatenar.
❌ concat reporta falta de flujo de audio
Causa: algunas tomas no tienen incorporada la pista de audio de la narración, y al concatenar se reporta la falta de flujo de audio.
Solución correcta: completar primero las pistas de audio según la lección de narración y luego volver a ejecutar el paso 2.
❌ Fotogramas negros al inicio o desincronización de audio y video
Causa: en algún segmento las marcas de tiempo no se restablecieron a cero tras el recorte, y concat tomó el punto de inicio distinto de cero como el comienzo del segmento.
Solución correcta: añadir setpts/asetpts del paso 1 y volver a ejecutar el recorte y la concatenación.
❌ La frecuencia de muestreo de salida llega a 192kHz
Causa: el sobremuestreo interno del modo dinámico de loudnorm quedó escrito en el archivo.
Solución correcta: añadir -ar 48000 y volver a ejecutar el paso 3.
Resumen de la lección
- ✅ Usar
trim/atrimjunto consetpts/asetptspara recortar cada toma a la duración de la tabla de tomas y restablecer las marcas de tiempo a cero - ✅ Usar
concatpara concatenar las tomas según el orden de la tabla de tomas, construir la línea de tiempo de edición del cortometraje de IA y producirdraft.mp4 - ✅ Usar
loudnormpara la normalización de volumen EBU R128 y-ar 48000para fijar la frecuencia de muestreo de salida, produciendofinal.mp4
Repaso de los parámetros clave:
| Parámetro | Valor recomendado | Descripción |
|---|---|---|
trim/atrim de start/end | según la duración de la tabla de tomas | delimitar el rango a conservar de cada toma |
concat de n | número de tomas | número de segmentos concatenados, correspondiente a la cantidad de archivos de entrada |
loudnorm objetivo I | -24 (por defecto) | objetivo de sonoridad integrada EBU R128 |
loudnorm objetivo LRA | 7 (por defecto) | objetivo de rango de sonoridad |
loudnorm objetivo TP | -2 (por defecto) | límite superior de pico verdadero |
-ar | 48000 | evitar que el sobremuestreo interno de 192kHz de loudnorm se escriba en el archivo |
-c:v / -crf | libx264 / 20 | uso de ejemplo oficial, crf se ajusta según las necesidades de calidad de imagen |
Avance de la próxima lección
Con el video final en mano, antes de publicar hay que revisarlo una vez más contra las especificaciones de la plataforma: continúa con «Exportación y verificación previa a la publicación: según las especificaciones oficiales de YouTube».
Aprenderás:
- Configuraciones de codificación para subida recomendadas oficialmente por YouTube: contenedor MP4, video H.264, audio AAC-LC 48kHz
- Cómo verificar valores recomendados como frecuencia de fotogramas, resolución y tasa de bits
- Cómo pasar la última lista de verificación antes de la publicación