ES
Descargar

Glosario

Glosario de edición de video corto e inteligencia artificial

Los términos que te encontrarás al editar Reels, TikToks y Shorts, o al usar una herramienta de edición con IA, explicados de forma sencilla y con cifras.

Archivo SRT
Un archivo SRT (SubRip) es un archivo de texto que contiene los subtítulos de un video, numerados y con marcas de tiempo en formato horas:minutos:segundos,milisegundos. Se sube por separado a YouTube o a un reproductor, y el espectador puede activarlo o no. A diferencia de los subtítulos incrustados, no permite animaciones ni estilos personalizados. Archivo SRT
Arranque en falso
Un arranque en falso es un principio de frase que se abandona y se vuelve a empezar («Bueno, pues hoy te… Hoy te voy a enseñar»). Las herramientas de edición automática los detectan gracias a la transcripción palabra a palabra y conservan solo la última versión completa. Por eso, al grabar, lo más rápido es simplemente repetir la frase que ha salido mal. Arranque en falso
B-roll (plano de recurso)
El B-roll son los planos de recurso que se montan sobre el plano principal (a menudo una persona a cámara): un primer plano de un producto, un gesto, un lugar, una captura de pantalla. Muestra lo que describe la voz, disimula los cortes y reactiva la atención. En un video corto, un plano de B-roll suele durar de 1 a 3 segundos.
Bitrate (tasa de bits)
El bitrate es la cantidad de datos que se usa por cada segundo de video, expresada en megabits por segundo (Mb/s). Cuanto más alto, más detallada es la imagen y más pesa el archivo. YouTube recomienda, por ejemplo, unos 8 Mb/s para un video 1080p a 24 o 30 fotogramas por segundo en H.264.
Clonación de voz
La clonación de voz es la creación, mediante inteligencia artificial, de una voz sintética que imita la voz de una persona real a partir de una muestra grabada. Solo debe hacerse con el consentimiento de esa persona. En la Unión Europea, el Reglamento de IA (AI Act) obliga desde el 2 de agosto de 2026 a indicar los contenidos que imitan de forma realista a una persona existente. Clonación de voz
Códec
Un códec es el método que comprime y descomprime un video. Los más habituales son H.264 (AVC), compatible con todo, y H.265 (HEVC), el que usa el iPhone, que da archivos aproximadamente la mitad de pesados con una calidad similar. El códec no es lo mismo que el contenedor, es decir, la extensión del archivo, como .mp4 o .mov.
Diarización
La diarización es la fase de una transcripción automática que identifica quién habla y cuándo. Asigna cada frase a un hablante (Interlocutor 1, Interlocutor 2) en una entrevista o un pódcast. Sirve para dar un color a los subtítulos de cada persona, para encuadrar a quien habla o para localizar rápido las intervenciones de un invitado.
Doblaje
El doblaje sustituye la pista de voz de un video por una voz en otro idioma. Con IA puede hacerse a partir de la transcripción traducida y de una voz sintética, que incluso puede clonar la voz original. Se diferencia del subtitulado traducido, que conserva la voz original y muestra el texto en pantalla. Doblaje
Ducking
El ducking es la bajada automática del volumen de la música mientras alguien habla, y su subida en los silencios. Mantiene la voz inteligible sin quitar la música. En la práctica, la música baja unos 15 a 20 dB por debajo de la voz, con una transición suave de unas décimas de segundo.
Eliminación de fondo
La eliminación de fondo consiste en separar a una persona o un objeto de lo que hay detrás para sustituirlo por un color, un desenfoque, una imagen u otro video. Antes exigía un croma (fondo verde); hoy la inteligencia artificial lo hace sobre un video normal, aunque los bordes pueden quedar imperfectos en el pelo y en los movimientos rápidos.
Fotogramas clave
Los fotogramas clave (keyframes) son puntos que se colocan en la línea de tiempo para fijar el valor de un parámetro en un instante concreto: posición, tamaño, opacidad, volumen. El programa calcula automáticamente la transición entre dos fotogramas clave. Sirven para animar un zoom lento, mover un texto o hacer aparecer un logotipo con un fundido.
Fps (fotogramas por segundo)
Los fps (frames per second) indican cuántas imágenes se muestran cada segundo. 24 fps da un aspecto cinematográfico, 25 fps es el estándar europeo histórico, 30 fps es lo habitual en el móvil y 60 fps ofrece movimientos muy fluidos, útiles para deporte o videojuegos. Mantén la misma cadencia desde la grabación hasta la exportación.
Gancho (hook)
El gancho, o hook, es el arranque de un video corto, sus 1 a 3 primeros segundos, pensado para que el espectador no deslice al siguiente. Anuncia un beneficio, plantea una pregunta o enseña el resultado final. Un buen gancho cabe en una frase de 6 a 10 palabras, reforzada con un texto en pantalla. Gancho (hook)
Jump cut
Un jump cut es un corte entre dos momentos de un mismo plano que hace que la persona «salte» ligeramente en pantalla. Aparece al quitar un silencio o un titubeo en un video a cámara. Se ha convertido en un estilo propio en redes sociales y a menudo se suaviza con un zoom ligero en uno de cada dos cortes. Jump cut
Karaoke (subtítulos)
Los subtítulos tipo karaoke resaltan cada palabra justo en el momento en que se pronuncia, como la letra de una canción en un karaoke. Necesitan una transcripción con marca de tiempo palabra a palabra. Este estilo ayuda a seguir el video sin sonido y hace visible el ritmo del habla, por lo que encaja muy bien en los videos a cámara. Karaoke (subtítulos)
Línea de tiempo (timeline)
La línea de tiempo es la zona de un programa de edición donde los clips, sonidos, textos y efectos se ordenan cronológicamente, en una o varias pistas. En una herramienta de edición automática, permite ver cada corte que propone la IA y modificarlo o deshacerlo.
LUFS
El LUFS (Loudness Units relative to Full Scale) mide el volumen percibido de un sonido a lo largo de toda su duración, no solo sus picos. Las plataformas ajustan el volumen de los videos para igualarlos; apuntar a unos -14 LUFS es una práctica habitual en el video online y evita que un video suene demasiado flojo o aplastado.
LUT
Una LUT (Look-Up Table) es un archivo que convierte los colores de un video según una correspondencia predefinida. Sirve para transformar una imagen grabada en perfil plano (log) en una imagen con contraste normal, o para aplicar el mismo «look» de color a todos los videos de una marca. Se aplica con un clic y después se ajusta su intensidad.
Marca de agua
Una marca de agua es un logotipo o un texto incrustado de forma permanente en el video exportado, a menudo en una esquina. Las aplicaciones de edición la añaden en las exportaciones del plan gratuito y la quitan en los planes de pago. La marca de agua de otra aplicación puede perjudicar la imagen de una marca y transmitir sensación de poca profesionalidad.
Material en bruto
El material en bruto (los «brutos» o rushes, en la jerga de edición) es el archivo de video tal como sale de la cámara o del móvil, antes de cualquier edición. Un video final se monta a partir de uno o varios clips en bruto. Visionarlos para localizar los buenos fragmentos lleva tiempo; las herramientas de IA aceleran ese paso gracias a la transcripción.
MCP
El MCP (Model Context Protocol) es un protocolo abierto que permite a un asistente de inteligencia artificial, como Claude, usar herramientas y aplicaciones externas. Aplicado a la edición de video, un servidor MCP permite dar instrucciones en lenguaje natural, por ejemplo «elimina los silencios y exporta en 9:16», que el asistente ejecuta en el programa. MCP
Muletillas
Las muletillas son los sonidos y palabras de relleno que no aportan significado: «eh», «em», «mmm», «o sea», «pues», «este» o un «en plan» repetido. Las herramientas de edición automática las localizan en la transcripción y las cortan. Revisa el resultado: a veces «pues» o «bueno» son necesarios para la frase. Muletillas
Proporción 9:16
La proporción 9:16 es el formato vertical a pantalla completa del móvil: 9 unidades de ancho por 16 de alto, es decir, 1080×1920 píxeles en Full HD. Es el formato de TikTok, los Reels de Instagram, los YouTube Shorts y las Stories. Se contrapone al 16:9 horizontal (1920×1080) de la televisión y del YouTube clásico. Proporción 9:16
Punch-in
Un punch-in es un zoom digital instantáneo, normalmente del 5 al 15 %, aplicado en el momento de un corte. Da la ilusión de un segundo ángulo de cámara y disimula el salto de imagen de un jump cut. Un punch-in más fuerte, del 20 al 40 %, sirve para subrayar una frase clave, una o dos veces por minuto como mucho. Punch-in
Reel
Un reel es un video corto en formato vertical que se publica en Instagram o Facebook, con música, efectos y subtítulos si se quiere. Los reels se muestran en un feed propio y en el feed principal, también a personas que no siguen la cuenta. La duración máxima ha cambiado varias veces: compruébala en la aplicación antes de publicar. Reel
Reencuadre automático
El reencuadre automático adapta un video a otro formato, a menudo del 16:9 al 9:16, detectando la cara o la persona que habla y moviendo una cámara virtual para mantenerla dentro del encuadre. Un buen reencuadre suaviza sus movimientos para evitar que el encuadre tiemble con cada gesto. Reencuadre automático
Short (YouTube Short)
Un YouTube Short es un video vertical o cuadrado que se muestra en el feed de Shorts de YouTube. Según la ayuda oficial de YouTube, los videos cuadrados o verticales subidos desde el 8 de diciembre de 2025 y con una duración máxima de tres minutos se clasifican como Shorts. Short (YouTube Short)
Subtítulos incrustados
Los subtítulos incrustados (o «quemados») forman parte de la imagen del video: no se pueden desactivar. Permiten estilos y animaciones, se ven igual en todas partes y son la norma en TikTok y en los Reels, donde muchos videos se ven sin sonido. Se contraponen al archivo SRT independiente. Subtítulos incrustados
Transcripción
La transcripción es la conversión del habla de un video en texto escrito. En edición se usa una transcripción con marca de tiempo palabra a palabra: cada palabra queda asociada a su instante exacto. Es la base de los subtítulos, de la eliminación de silencios y muletillas, de la traducción y de la edición a partir del texto. Transcripción
UGC
El UGC (User Generated Content) es el contenido creado por usuarios o clientes en lugar de por una marca: una reseña grabada, un unboxing, una demostración con el móvil. Por extensión, se llama video UGC a un anuncio de estilo espontáneo grabado a cámara por un creador al que se le paga. UGC
Voz en off con IA
Una voz en off con IA es una narración producida por síntesis de voz a partir de un texto. Se usa en tutoriales, videos de producto, videos sin cara y versiones traducidas. El ritmo de una narración ronda las 130 a 160 palabras por minuto, es decir, unas 70 a 80 palabras para 30 segundos. Voz en off con IA
Zona segura (safe zone)
La zona segura es la parte de la imagen que sigue visible y legible cuando la interfaz de la aplicación se superpone. En 9:16, una regla prudente es dejar libre alrededor del 14 % superior, el 35 % inferior y un 6 % en los laterales, es decir, unos 270, 670 y 65 píxeles en un encuadre de 1080×1920. Zona segura (safe zone)