Poner sonido a vídeos de IA: BGM y efectos para la era de ComfyUI y Hailuo
La creación de vídeos de IA se generalizó rápidamente en 2026. ComfyUI puede ejecutarse en local, MiniMax ofrece velocidad y expresividad, y herramientas en la nube como Kling, Runway, Luma y Veo permiten que cualquiera cree ya un plano de pocos segundos.
Sin embargo, «poder crear la imagen» y «obtenerla con sonido» son cosas distintas, y la línea divisoria cambia según el modelo. Este artículo explica cómo se hacen hoy los vídeos de IA, por qué se añade el sonido por separado y qué sonido necesita cada tipo de vídeo de YouTube; después presenta los BGM y efectos de arcalune que encajan. Todo puede descargarse para uso comercial sin necesidad de atribución.
Cómo se eligió esta lista
- Todo lo incluido son BGM y efectos de sonido distribuidos por arcalune. No promocionamos las propias herramientas de vídeo de IA ni redistribuimos audio de terceros.
- Agrupamos las pistas según los géneros de vídeos de IA publicados en YouTube y las elegimos a partir de cómo se crea cada tipo y del sonido que necesita.
- Los nombres y versiones de las herramientas y la presencia o ausencia de audio se basan en hechos verificables en agosto de 2026. Las especificaciones cambian, así que consulte la fuente oficial de cada herramienta para obtener la información más reciente.
- Todo puede descargarse para uso comercial sin necesidad de atribución.
Cómo se hacen los vídeos de IA en 2026
El proceso se divide en dos grandes capas. Una ejecuta ComfyUI en una GPU local: Wan 2.2, potente en movimientos amplios y trabajo de cámara (la versión 5B funciona con menos VRAM); HunyuanVideo 1.5, para imagen real, anime y 3DCG; y LTX-2.5, que admite audio sincronizado y multishot nativo (una sola generación produce varios planos conectados manteniendo personajes e iluminación). La otra es la capa de nube/API, donde MiniMax, Kling, Runway, Luma, Veo de Google y Seedance de ByteDance generan, a partir de texto o una imagen, planos de pocos segundos a decenas de segundos.
El modelo de vídeo Hailuo 2.3 de MiniMax (octubre de 2025) destaca en el movimiento de cuerpo completo, la representación física y las expresiones sutiles, y también admite estilos de anime, pintura con tinta y gráficos de videojuegos. MiniMax H3, publicado el 31 de julio de 2026, es un modelo distinto que genera hasta 15 segundos en 2K con audio estéreo junto al vídeo y conserva personajes y estilo a partir de imágenes, vídeo y audio de referencia. Como orientación: Wan / HunyuanVideo para controlar con detalle el estilo y los personajes en local; Hailuo 2.3 para velocidad y física; y MiniMax H3, LTX-2.5 o Veo para crear también el audio en una sola pasada.
Los modelos silenciosos conviven con los que también generan audio
El tratamiento del audio se divide en tres tipos. (1) Solo vídeo: la generación estándar de Wan 2.2, HunyuanVideo 1.5, Hailuo 2.3, Runway Gen-4.5, Luma y Pika. (2) Vídeo impulsado por audio existente: Wan 2.2-S2V (sincroniza la boca y la interpretación con el audio, pero no crea el sonido). (3) Vídeo y audio generados al mismo tiempo: MiniMax H3, LTX-2.5, Google Veo 3.1, Kling 3.0 y ByteDance Seedance 2.5. Todas las herramientas del grupo (1) ofrecen por separado una función del tipo «Add Audio» para añadir sonido después de generar el vídeo. Esto demuestra por sí mismo que la producción de vídeo sigue necesitando una fase posterior de sonido. Sora de OpenAI sí incluía audio, pero su versión web y su aplicación finalizaron el 26 de abril de 2026, y la API está prevista para finalizar el 24 de septiembre de 2026.
«Puede generar audio» no significa «no necesita BGM». Veo 3.1 y MiniMax H3 pueden generar incluso música. Aun así se coloca un BGM por separado, no porque no puedan crearlo, sino por dos motivos: (1) cada plano dura solo de unos segundos a unas decenas de segundos y, al unir varios, el estilo musical, el volumen y la melodía no mantienen la continuidad; (2) conservar diálogo, ambiente, efectos y BGM en pistas separadas permite sustituir después solo el BGM o bajarlo únicamente durante la narración. Ahí reside directamente el valor de un BGM externo como el de arcalune.
El orden real para poner sonido a un vídeo silencioso
En la práctica, el trabajo suele seguir este orden: generar los planos → elegir los que se usarán → colocar un BGM que recorra toda la pieza → añadir ambiente en cada escena (lluvia, olas, ruido de una habitación, etc.) → sincronizar foley con el movimiento de personas y objetos (pasos, roce de ropa, impactos) → colocar un efecto corto en cada transición de pantalla → bajar el volumen del BGM solo en los tramos con narración o canto. La clave es poner primero el BGM como base y añadir al final los efectos como puntos concretos.
Para exportar el audio junto con el vídeo en ComfyUI, prepare una entrada de audio en el nodo Video Combine del complemento VideoHelperSuite y conecte un nodo que cargue el archivo de música (no es un nodo estándar, por lo que hay que instalarlo). También puede superponer el audio después en un editor de vídeo. En ambos casos, puede descargar las pistas de esta página y utilizarlas tal como están.
Referencias
Los formatos con los que se construyen los vídeos de IA en YouTube
Los vídeos explicativos y documentales faceless se crean en este orden: guion → voz sintética → vídeo o imágenes de IA → subtítulos, con un BGM ligero que no interfiera con la voz. Los cortos cinematográficos y tráilers generan planos a partir de un storyboard e imágenes de referencia, y después se construyen con música incidental, foley, impactos y sonidos ascendentes de tráiler (las obras proyectadas en festivales de cine de IA son el ejemplo representativo). Los Shorts, memes y montajes que se apoyan en el ritmo añaden un BGM ágil y efectos de transición o impacto a un gag de 5 a 15 segundos.
Los videoclips de IA fijan primero la canción terminada, generan muchos clips cortos por cada compás y los editan siguiendo el pulso; no utilizan el audio propio del modelo y mantienen la canción original como audio principal. Los anuncios de producto y películas de marca generan planos usando imágenes del producto y logotipos como referencias, y después añaden narración, un sonido de logotipo y un BGM corto. AI ASMR genera imágenes y sonidos de cortar, triturar o verter materiales inexistentes, sustituye las partes que suenan extrañas por sonidos reales de materiales y vuelve a editar el resultado en formato largo. Los vídeos de ambiente y para trabajar repiten o prolongan clips cortos y colocan por separado un BGM largo y sonidos ambientales. Las secciones siguientes muestran qué sonidos de arcalune encajan con cada formato.
Referencias
Cortos cinematográficos, películas de IA y tráilers
Se generan planos a partir de un storyboard e imágenes de referencia y después se editan como una sola pieza. Una música incidental continua, acompañada de foley, impactos y sonidos ascendentes propios de un tráiler.
- 1
壮大でドラマティックな劇伴
Música incidental grandiosa y dramática para mantener de fondo en planos que deben sentirse como una película o un tráiler. Incluso un corto hecho con planos de pocos segundos cobra unidad como obra cuando una misma pieza lo recorre de principio a fin.
Úsala paraPelículas y cortos con IA, Tráileres, Aperturas
Estos sonidos de arcalune
- 2
緊張と暗さの劇伴
Música incidental más oscura que crea inquietud y tensión. Para escenas de suspense en una película de IA o para la pausa contenida justo antes de un cambio de plano en un tráiler.
Úsala paraSuspenso, Tensión de tráiler, Escenas tensas
Estos sonidos de arcalune
- 3
予告編の一撃と上昇音
Un impacto único para rematar un tráiler y un sonido ascendente que aumenta la expectación. Colocados en la aparición de un título o en un cambio de plano, hacen que el momento destacado tenga más fuerza.
Úsala paraAparición de título, Cambios de plano, Acentos de clímax
Estos sonidos de arcalune
Vídeos explicativos, documentales y vídeos faceless
Se construyen en este orden: guion, voz sintética, vídeo o imágenes de IA y subtítulos. La voz es la protagonista, por lo que se coloca un BGM ligero que no la tape.
- 4
ナレーションを邪魔しないBGM
BGM sereno, con pocos elementos y protagonismo del piano. En vídeos explicativos y documentales con narración de voz sintética (vídeos faceless), puede mantenerse de fondo sin tapar la voz.
Úsala paraExplicativos y docs, Vídeos faceless, Bajo narración
Estos sonidos de arcalune
Videoclips de IA y visualizadores
Primero se fija la canción terminada, se generan muchos clips cortos por compás y se editan siguiendo el pulso. La canción es el audio principal, por lo que se añaden efectos de transición.
- 5
曲に合わせる転換の効果音
Un videoclip de IA ya tiene la canción terminada como audio principal, así que se añaden efectos de transición, no más BGM. Whooshes limpios y un impacto único para hacerlos coincidir con el pulso o con las pausas de la letra.
Úsala paraGolpes y cortes de letra, Transiciones visuales, Visualizadores
Estos sonidos de arcalune
- ¡Whoosh! 10:03
- Silbato ascendente (alejarse) 20:02
- Bum 20:02
Vídeos de ambiente, para trabajar y fondos en bucle
Un clip corto de IA se repite o prolonga para convertirlo en un vídeo largo. Se combina un BGM apto para una reproducción prolongada con sonidos ambientales como lluvia u olas.
- 6
長時間流すアンビエント
Piezas ambientales más largas y de contornos suaves. En vídeos de trabajo o de ambiente que convierten un clip de IA de pocos segundos en una pieza larga mediante bucles o extensiones, ofrecen una base que no fatiga durante una reproducción prolongada.
Úsala paraFondo largo, Ambiente, Bucles de fondo
Estos sonidos de arcalune
- 7
雨と波の環境音
Ambientes de lluvia y olas. Superpuestos a un bucle sin sonido, aportan una sensación de presencia que la imagen por sí sola no puede transmitir.
Úsala paraEscenas de lluvia y olas, Metraje en bucle, Ambiente de base
Shorts, memes y vídeos rítmicos
Un gag de 5 a 15 segundos o un montaje de clips enlazados. Funciona con un BGM de ritmo ágil combinado con efectos que rematan las transiciones y las ocurrencias finales.
- 8
テンポの良い短尺BGM
BGM luminoso, ligero y con impulso hacia delante. Encaja con facilidad en Shorts que se apoyan en el ritmo, como un gag de 5 a 15 segundos o un montaje de clips enlazados.
Úsala paraShorts y verticales, Montajes, Cortes rítmicos
Estos sonidos de arcalune
- 9
切り替えと衝撃の効果音
Un destello para el cambio de plano, un impacto único y un whoosh limpio. Colocados en una transición o en el remate de un vídeo rítmico o un meme, ajustan el ritmo de la visualización.
Úsala paraTransiciones, Remates y memes, Acentos de impacto
Estos sonidos de arcalune
- CORTE DE FLASH 010:02
- Bum 30:02
- ¡Whoosh! 30:03
AI ASMR y vídeos de texturas
Se generan imágenes y sonidos de cortar, triturar o verter materiales que no existen, y las partes que suenan extrañas se sustituyen por sonidos reales de materiales. Aquí los efectos son los protagonistas.
- 10
質感・フォーリーの効果音
Tijeras cortando, agua corriendo y cristal rompiéndose. En AI ASMR y vídeos de texturas, sirven para sustituir las partes donde el sonido propio del clip generado resulta extraño por un sonido de material claro y definido. Son una parte del foley que ofrece arcalune.
Úsala paraASMR con IA, Acentos de textura, Reemplazo de sonido material
Estos sonidos de arcalune
- TIJERAS 010:10
- GRIFO 010:11
- Cristal roto 10:02
Por mucho que avance la imagen de los vídeos de IA, decidir qué música se coloca en cada punto y con qué efecto se remata cada momento sigue siendo una tarea humana. Elija en las secciones por género el sonido que mejor se ajuste a su vídeo.
La página de cada pista enlaza con otras canciones y efectos de la misma familia. Cuando necesite una duración o un ambiente distintos, búsquelos desde allí.
Preguntas frecuentes
- ¿Los vídeos de IA no generan también audio? ¿Sigue siendo necesario el BGM?
Depende del modelo. La generación estándar de Wan en ComfyUI, HunyuanVideo, Runway, Luma y Pika no produce sonido, por lo que el audio se añade después. Veo 3.1, MiniMax H3, Kling 3, LTX-2.5 y Seedance también generan audio, incluida música. Sin embargo, cada plano dura solo de unos segundos a unas decenas de segundos y, en el vídeo final montado, el estilo musical y el volumen no mantienen la continuidad. Lo habitual es colocar por separado un BGM continuo durante la edición final y mantenerlo disponible para sustituirlo después.
- ¿Cómo añado música a un vídeo silencioso creado en ComfyUI?
Prepare una entrada de audio en el nodo Video Combine del complemento VideoHelperSuite y conecte un nodo que cargue el archivo de música para exportarlos juntos (no es un nodo estándar, por lo que debe instalarlo primero). También puede superponer la música después en un editor de vídeo. Descargue y utilice las pistas de esta página.
- ¿Puedo utilizarlos en vídeos monetizados o anuncios?
Sí. Todos los BGM y efectos de sonido de arcalune pueden descargarse para uso comercial sin necesidad de atribución. Tenga en cuenta que la posibilidad de utilizar comercialmente las imágenes generadas por IA depende de las condiciones de la herramienta empleada, por lo que debe comprobarlo en la fuente oficial de cada herramienta.