Respuesta rápida: el audio de la mayoría de las cámaras de seguridad se escucha “como grabadora de los 80” porque viene configurado de fábrica con el códec G.711, que muestrea la voz a solo 8,000 veces por segundo. Con eso la cámara no puede grabar nada arriba de 4 kHz, justo donde viven las consonantes que hacen entendible una frase: la S, la T, la K, la CH y la R. La solución casi siempre es cambiar el códec a AAC-LC a 16 kHz: se escucha mucho más claro y ocupa poco disco. Abajo puedes escuchar la prueba con cada códec.
“Rápido el router enruta 8 racks, tres switches reportan errores de red.” Este trabalenguas no es casualidad: lo elegí porque está lleno de R, S, T, K y CH, consonantes “explosivas” que son las primeras que se pierden cuando el audio se comprime mal. La pregunta que me hicieron en un comentario fue: ¿por qué el audio de las cámaras de seguridad se escucha tan mal? Para responderla tomé la ficha técnica de una cámara Hikvision DS-2CD2543G2-LIS2U, grabé la misma frase y la codifiqué con cada uno de los formatos que la cámara permite.
Qué opciones de audio tiene una cámara de seguridad
Las cámaras IP con micrófono integrado (en Hikvision las reconoces por la letra U en el modelo; lo explicamos en nuestra guía de nomenclatura Hikvision) permiten elegir el códec, la frecuencia de muestreo y el bitrate del audio. Esto dice la ficha técnica de la DS-2CD2543G2-LIS2U:
| Parámetro | Opciones en la cámara |
|---|---|
| Códec de audio | G.711 (μ-law / A-law), G.722.1, G.726, MP2L2, PCM, MP3, AAC-LC |
| Bitrate | 64 kbps (G.711) · 16 kbps (G.722.1) · 16 kbps (G.726) · 32 a 192 kbps (MP2L2) · 8 a 320 kbps (MP3) · 16 a 64 kbps (AAC-LC) |
| Frecuencia de muestreo | 8 kHz · 16 kHz · 32 kHz · 48 kHz |
| Micrófono | Arreglo de dos micrófonos integrados, con filtro de ruido ambiental |
Casi siempre la cámara sale de fábrica en G.711 a 8 kHz, el mismo estándar que usa la telefonía desde los años 70. Por eso nadie lo cambia y por eso se escucha como se escucha.
Escucha la prueba: el mismo audio con cada códec
Usa audífonos si puedes. Empieza por la referencia y luego escucha G.711: la diferencia en las S y las T es evidente. Los archivos que reproduces aquí son el audio ya decodificado de cada códec, para que suenen igual en cualquier navegador; el peso indicado es el del archivo comprimido real para 5 segundos de audio.
Audio PCM 48 KHz:
Audio G.711 8 KHz:
¿Notaste la diferencia? Si escuchaste en la bocina del celular, puede que AAC, MP3 y PCM te suenen casi iguales: la bocina misma recorta frecuencias. En audífonos la diferencia de G.711 es clarísima.
Por qué G.711 se escucha “mormado”: el muestreo
Un micrófono digital no graba la onda de sonido completa: toma muestras, como fotos de la onda, muchas veces por segundo. Después la bocina “une los puntos” para reconstruir el sonido. Entre más puntos, más se parece al original.
- 8 kHz = 8,000 muestras por segundo (G.711, G.726).
- 16 kHz = 16,000 muestras por segundo (lo recomendable para voz).
- 48 kHz = 48,000 muestras por segundo (calidad de estudio).
Hay una regla de física que lo explica todo, el teorema de Nyquist: con una frecuencia de muestreo dada solo puedes grabar sonidos de hasta la mitad de esa frecuencia. A 8 kHz, la cámara no puede capturar nada arriba de 4 kHz. Y el problema es que la energía de la S, la F, la CH y la T está justamente entre 4 y 8 kHz. Las vocales se oyen, pero las consonantes que permiten distinguir una palabra de otra desaparecen. Por eso se entiende que alguien habla, pero no qué dice.
En el espectrograma se ve clarísimo. Cada panel es la misma grabación: lo que está en negro es información que el códec ya no guardó.
Profundidad de bits y bitrate: los “pisos” del sonido
El muestreo son los puntos de izquierda a derecha (cuántas veces por segundo). La profundidad de bits son los “pisos” de arriba a abajo: cuántos niveles de volumen distintos puede representar cada punto. Con más pisos, cada punto queda más cerca de su altura real.
- PCM de 16 bits: 65,536 pisos por muestra.
- G.711: 8 bits por muestra, es decir 256 pisos, repartidos de forma logarítmica (más pisos en volúmenes bajos, donde el oído es más sensible).
El bitrate combina ambas cosas: muestras por segundo × bits por muestra. En G.711: 8,000 × 8 bits = 64 kbps. En PCM a 48 kHz y 16 bits: 48,000 × 16 = 768 kbps, doce veces más.
Los códecs modernos como AAC y MP3 agregan un tercer truco: usan un modelo de cómo escucha el oído humano para eliminar selectivamente lo que casi no percibimos y quedarse con lo importante. Por eso AAC a 32 kbps, con la mitad del bitrate de G.711, suena mucho mejor: muestrea a 16 kHz y gasta los bits donde sí se oyen.
Cuánto espacio ocupa el audio de una cámara de seguridad
Hicimos un audio prueba de sonidos de ráfagas como podrían ser disparos, sonidos que se mueven por distintas frecuencias y sonido de lluvia:
PCM 48 kHz
Referencia: sin compresión · 866 KB
Máxima calidad, máximo espacio
PCM 16 kHz
Sin compresión, banda ancha · 289 KB
G.711 · 8 kHz · 64 kbps
El default de la cámara · 72 KB
Suena “de teléfono”
G.726 · 8 kHz · 16 kbps
Telefonía comprimida · 18 KB
Muy ligero, el más pobre
AAC-LC · 16 kHz · 16 kbps
Compresión moderna, mínimo bitrate · 20 KB
Mejor que G.711 y pesa menos
AAC-LC · 16 kHz · 32 kbps
Nuestra recomendación · 38 KB
Sonido claro a costo bajo
AAC-LC · 16 kHz · 64 kbps
Más calidad, mismo peso que G.711 · 80 KB
Mejor relación calidad/espacio
MP3 · 16 kHz · 32 kbps
Popular, pero con reservas · 37 KB
Similar a AAC; cuidado con sonidos breves
MP2L2 · 16 kHz · 64 kbps
Códec de radiodifusión · 73 KB
Correcto, menos eficiente que AAC
Esta es la parte que casi nadie calcula. El peso real de ésta prueba de 9.2 segundos y lo que significa grabando las 24 horas, por cámara:
| Códec | Bitrate | Peso de la prueba (9.2 s) | Por día, por cámara | Por mes (30 días) |
|---|---|---|---|---|
| PCM 48 kHz 24 bits estéreo (grabación de estudio) | 2,304 kbps | 2.5 MB | ≈ 24.9 GB | ≈ 746 GB |
| PCM 48 kHz 16 bits mono | 768 kbps | 866 KB | ≈ 8.3 GB | ≈ 249 GB |
| PCM 16 kHz | 256 kbps | 289 KB | ≈ 2.8 GB | ≈ 83 GB |
| G.711 (8 kHz) | 64 kbps | 72 KB | ≈ 691 MB | ≈ 21 GB |
| AAC-LC 64 kbps | 64 kbps | 80 KB | ≈ 691 MB | ≈ 21 GB |
| MP2L2 64 kbps | 64 kbps | 73 KB | ≈ 691 MB | ≈ 21 GB |
| AAC-LC 32 kbps | 32 kbps | 38 KB | ≈ 346 MB | ≈ 10 GB |
| MP3 32 kbps | 32 kbps | 37 KB | ≈ 346 MB | ≈ 10 GB |
| AAC-LC 16 kbps | 16 kbps | 20 KB | ≈ 173 MB | ≈ 5 GB |
| G.726 16 kbps | 16 kbps | 18 KB | ≈ 173 MB | ≈ 5 GB |
Para ponerlo en perspectiva: una cámara de 4 MP en H.265 a unos 4 Mbps ocupa alrededor de 43 GB al día solo de video. Con G.711 o AAC el audio suma apenas entre 1 % y 2 % más. Con PCM a 48 kHz suma casi 20 %. Multiplica por el número de cámaras y los días de retención y verás por qué conviene decidirlo desde el diseño. Si estás dimensionando discos y red, te sirve nuestra guía de consumo de ancho de banda de cámaras IP y la de nomenclatura de NVR Hikvision para elegir un grabador con los discos suficientes.
MP3 vs AAC: ¿cuál conviene para videovigilancia?
MP3 y AAC son los códecs con mejor relación calidad/espacio. En mi prueba, a 32 kbps pesaron prácticamente lo mismo. Hay un argumento técnico contra MP3 en videovigilancia: con sonidos muy breves e intensos (un golpe, un vidrio que se rompe, un disparo), los códecs perceptuales pueden generar pre-eco, un pequeño “fantasma” del sonido justo antes de que ocurra. AAC maneja mejor estos sonidos porque cambia a bloques de análisis más cortos cuando detecta un golpe. En mi experimento con ráfagas, lluvia y truenos la diferencia fue mínima, pero si el audio puede llegar a usarse como evidencia, AAC es la opción más prudente.
¿Qué códec de audio usar en tu cámara? Nuestra recomendación
| Si lo que necesitas es… | Usa | Por qué |
|---|---|---|
| Saber si hubo ruido o voces, con poca claridad de lo que se dice | G.711 o G.726 | Mínimo espacio; suficiente para alertas |
| Entender conversaciones en recepción, caja o acceso | AAC-LC 16 kHz a 32 kbps | Voz clara a la mitad del costo de G.711 |
| La mejor calidad sin disparar el disco | AAC-LC 16 kHz a 64 kbps | Mismo espacio que G.711, calidad muy superior |
| Audio con valor forense o pericial | PCM 16 a 48 kHz | Sin compresión: lo más parecido a lo que ocurrió |
Antes de cambiarlo, confirma que tu grabador (NVR) o software de video reproduzca el códec que elijas; algunos equipos antiguos solo reproducen G.711 o G.726.
Cómo cambiar el códec de audio en una cámara Hikvision
- Entra a la cámara desde el navegador e inicia sesión.
- Ve a Configuración → Video/Audio → Video y en Tipo de video selecciona Video y audio (si queda en “Video”, no se graba sonido).
- En la pestaña Audio, cambia Codificación de audio a AAC, la frecuencia de muestreo a 16 kHz y el bitrate a 32 kbps.
- Selecciona la entrada MicIn (micrófono integrado) o LineIn si usas un micrófono externo, y ajusta el volumen de entrada.
- Activa el filtro de ruido ambiental si la cámara está cerca de máquinas, ventiladores o tráfico.
- Guarda y verifica en el NVR que el canal también esté grabando video y audio.
¿Es legal grabar audio con cámaras de seguridad en México?
Esto es lo primero que deberías revisar antes de activar el micrófono. Grabar video en áreas comunes de tu negocio es habitual, pero el audio de conversaciones entra en terreno más delicado: la Constitución protege la inviolabilidad de las comunicaciones privadas, y la voz es un dato personal sujeto a la Ley Federal de Protección de Datos Personales en Posesión de los Particulares.
- Avisa con letreros visibles que el área se graba con video y audio, y menciónalo en tu aviso de privacidad.
- Limita el audio a zonas donde tenga un propósito claro (recepción, caja, accesos), nunca baños, vestidores ni áreas de descanso.
- Define quién tiene acceso a las grabaciones y cuánto tiempo se conservan.
- Si es un centro de trabajo, considéralo también en tu reglamento interior y con tus colaboradores.
No somos abogados: si tienes dudas sobre tu caso, consúltalo con tu asesor legal antes de activar el audio.
Conclusión
El audio de las cámaras de seguridad no se escucha mal porque el micrófono sea malo: se escucha mal porque casi todas salen de fábrica en G.711 a 8 kHz, un estándar de telefonía que tira a la basura todo lo que está arriba de 4 kHz. Cambiarlo a AAC-LC a 16 kHz es un ajuste de dos minutos que hace la voz entendible y, a 32 kbps, ocupa incluso menos disco. Y si el audio tiene valor como evidencia, PCM es la opción, sabiendo que cuesta entre 3 y 8 GB al día por cámara.
¿Necesitas cámaras con audio para tu empresa?
En ITA Tech diseñamos sistemas de videovigilancia IP considerando desde el inicio el audio, el almacenamiento y la normativa: qué cámaras llevan micrófono, con qué códec, cuántos días de retención y cuántos discos necesitas. Instalamos en CDMX y el Estado de México. Conoce nuestro servicio de CCTV IP y control de acceso
Preguntas frecuentes sobre el audio en cámaras de seguridad
Podría interesarte también
#itatech2022 #itatech2024 #itatech2025 #premiosbitdeoro2025 2024 access point antenas Cableado estructurado caja de publicidad Canalizacion caricaturas cartelera digital cctv ciberseguridad Cisco comparativa control de acceso cámaras de seguridad cámaras ip digital signage ethernet Evéniment firewall grandstream Hikvision ingenieria inspiración musica PoE punto de acceso redes seguridad seguridad informática señalización digital sonicwall switch Telefonía IP ubiquiti unboxing unifi videovigilancia voz y datos wifi wifi 6 wireless