Workstations · Audio

Producción de audio: latencia, single-thread y buffers

Por qué un DAW no se compra por núcleos: cómo el buffer fija un plazo en microsegundos, por qué una cadena de plugins vive en un solo hilo y qué pedir de verdad a la CPU, la interfaz y el equipo.

Un DAW es el único programa de una workstation que trabaja con un plazo. No le basta con terminar: tiene que entregar cada bloque de muestras antes de que la interfaz lo pida, y si llega tarde una sola vez se oye un chasquido. Ese plazo lo fija el tamaño del buffer, se mide en microsegundos y lo tiene que cumplir un solo hilo por cada cadena de pista. Por eso en audio importan cosas que en render o en IA dan igual: la frecuencia sostenida de un núcleo, el driver de la interfaz y que el equipo no baje el reloj ni haga ruido. Los núcleos y los TFLOPS, mucho menos.

Un buffer es un plazo, no una cantidad

La interfaz de audio no envía las muestras de una en una. Las agrupa en bloques (el buffer) y los pasa al driver; el DAW procesa un bloque entero y lo devuelve. Un buffer de 64 muestras a 48 kHz contiene 64 ÷ 48 000 segundos de sonido: 1,33 milisegundos. Esa cifra es a la vez la latencia que añade ese buffer y el tiempo que tiene la CPU para calcular el bloque siguiente. Bajar el buffer reduce la latencia y recorta el plazo en la misma proporción.

Latencia de un buffer

latencia (ms) = muestras del buffer ÷ frecuencia de muestreo (kHz)

64 muestras a 48 kHz: 64 ÷ 48 = 1,33 ms

A 44,1 kHz el mismo buffer dura 1,45 ms; a 96 kHz, 0,67 ms. Subir la frecuencia de muestreo acorta la latencia sin tocar el buffer, pero obliga a procesar el doble de muestras por segundo: cada plugin cuesta el doble de CPU. «Grabar a 96 kHz para tener menos latencia» es una forma cara de conseguir lo que da bajar el buffer de 128 a 64.

  • 44,1 kHz
  • 48 kHz
  • 96 kHz
01020101001k10kBuffer (muestras) (log)Latencia (ms)44,1 kHz48 kHz96 kHz
Latencia de un solo buffer según su tamaño y la frecuencia de muestreo (cálculo con la fórmula anterior; no incluye conversores ni buffers del driver).

Qué latencia es aceptable depende de lo que hagas. Al mezclar, con todo grabado, el buffer puede estar a 1 024 muestras: nadie toca en tiempo real y la CPU respira. Al grabar una voz con efectos en el DAW o tocar un instrumento virtual desde un teclado, el músico oye el retardo entre lo que hace y lo que suena. La referencia física ayuda: el sonido recorre unos 34 centímetros por milisegundo, así que 5 ms equivalen a tocar a metro y medio del altavoz, algo que cualquier músico de escenario tolera sin notarlo. A partir de 10-12 ms de ida y vuelta la mayoría empieza a percibirlo; cerca de 20 ms resulta incómodo. Son cifras de percepción, no una norma.

Ida y vuelta: dónde se esconden los milisegundos

Lo que el músico percibe no es un buffer, sino el viaje completo: del micrófono al conversor analógico-digital, al bus, al buffer de entrada, a la cadena de plugins, al buffer de salida, al conversor digital-analógico y al altavoz. Los buffers cuentan dos veces (entrada y salida), los conversores añaden su retardo de filtrado (del orden de decenas de muestras cada uno, según el chip; los fabricantes serios lo publican en el manual) y muchos drivers meten un «safety buffer» que no aparece en el menú.

InterfazADC + filtroDriverbuffer de entradaDAWcadena de plugins, 1 hilo por pistaDriverbuffer de salidaInterfazDAC + filtroUSB / Thunderbolt64 muestras · 1,33 msplazo: 1 333 µs64 muestras · 1,33 ms
Ruta de una señal en tiempo real. Solo la etapa central es trabajo de la CPU; todo lo demás es latencia que el DAW no puede recortar (fuente: elaboración propia).

Latencia de ida y vuelta (aproximada)

RTL (ms) ≈ 2 × buffer ÷ frecuencia + conversores + safety buffer del driver

128 muestras a 48 kHz: 2 × 2,67 + ≈1 ≈ 6,3 ms

El término de conversores y safety buffer varía con cada interfaz y driver; aquí se toma alrededor de 1 ms como orden de magnitud, no como dato de ningún modelo. El primer término no varía: con el mismo buffer, dos interfaces solo se diferencian en ese resto, y ahí está la distancia entre un driver cuidado y uno genérico.

2 × buffer a 48 kHz

0204032 muestras1,33 ms64 muestras2,67 ms128 muestras5,33 ms256 muestras10,67 ms512 muestras21,33 ms1 024 muestras42,67 msms
Latencia de ida y vuelta atribuible solo a los dos buffers, a 48 kHz. Conversores y driver añaden un resto fijo que no depende del buffer (cálculo).

Hay un tercer sumando que no aparece en ninguna ficha: la latencia de los plugins. Un limitador con «lookahead» o un ecualizador de fase lineal necesitan ver el futuro de la señal y retrasan su salida; el DAW compensa retrasando todas las demás pistas para mantenerlas alineadas. Con ese tipo de procesadores en el máster, la latencia de monitorización puede dispararse a decenas de milisegundos aunque el buffer esté a 64. Por eso los DAW ofrecen un modo de grabación que puentea esos plugins mientras se graba.

Por qué el DAW es un problema de un solo hilo

Un proyecto con 80 pistas parece la carga paralela perfecta, y en parte lo es: los DAW modernos reparten pistas entre núcleos. Ableton lo describe así en su manual: la carga de instrumentos, efectos y entrada/salida «se distribuye entre los recursos disponibles». Lo que no se puede repartir es lo que hay dentro de una pista. Los plugins de una cadena van en serie por definición (el compresor recibe lo que sale del ecualizador), así que la cadena entera se calcula en un solo hilo. Y una mezcla es un árbol: las pistas van a buses, los buses al máster, y el máster no puede empezar hasta que el último bus termina. El camino más largo de ese árbol, procesado en un núcleo, decide si el buffer llega a tiempo.

Carga del DAW (medidor de CPU)

carga (%) = tiempo de cálculo de un buffer ÷ duración del buffer × 100

64 muestras a 48 kHz: plazo de 1 333 µs; una cadena que tarda 1 000 µs marca el 75 %

Es literalmente lo que hace el medidor de Ableton Live: «calcula el tiempo que necesita para procesar un buffer de audio y lo compara con el tiempo que tarda en reproducirse». Puede superar el 100 %, y entonces hay chasquidos aunque el sistema diga que la CPU está al 30 %: dieciséis núcleos ociosos no aceleran una cadena que va en uno solo. Al doblar el buffer a 128 muestras el plazo pasa a 2 667 µs y la misma cadena baja al 38 %.

De aquí salen las tres propiedades que pide un DAW a una CPU. Primero, rendimiento por hilo: frecuencia e IPC altos, igual que en CAD y por la misma razón. Segundo, latencia de memoria baja: un buffer de 64 muestras son unos kilobytes, así que el trabajo vive en cachés; una L3 grande evita que un plugin espere a la DRAM justo cuando el plazo es de un milisegundo (ver jerarquía de memoria). Tercero, regularidad: el plazo se cumple en el peor caso, no en la media. Un núcleo que boostea a 5,7 GHz y cae a 4 GHz por temperatura, o un planificador que mueve el hilo de audio a un núcleo de eficiencia a mitad de buffer, produce un chasquido aunque el rendimiento medio sea excelente.

64 muestras a 48 kHz = 1 333 µs de plazo, en un solo hilo, sin fallar ni una vez

Los núcleos cuentan en segundo plano: permiten más pistas con la misma latencia. La CPU de audio se elige primero por hilo y después por núcleos. Un procesador de 64 núcleos a 3,2 GHz de base y 350 W es una mala compra para un DAW frente a uno de 16 núcleos a 5,7 GHz que cuesta una quinta parte.

Qué CPU: frecuencia sostenida, no recuento de núcleos

CPU habituales en estaciones de audio: hilos, boost, L3 y consumo (fuente: src/data/cpus.json). Apple no publica frecuencias ni TDP; los 4,5 y 4,6 GHz son mediciones de Geekbench. El 9800X3D lleva 96 MB de L3 por la V-Cache apilada.
EquipoNúcleosHilosBoost (GHz)L3 (MB)TDP (W)Precio (USD)
AMD Ryzen 9 9950X16325,764170649
AMD Ryzen 7 9800X3D8165,296120479
Intel Core Ultra 9 285K24245,736125589
Intel Core Ultra 7 265K20205,530125394
Apple M4 Max (16 núcleos CPU / 40 GPU)16164,5———
Apple M5 Max (18 núcleos CPU / 40 GPU)18184,6———

CPU habituales en estaciones de audio: hilos, boost, L3 y consumo (fuente: src/data/cpus.json). Apple no publica frecuencias ni TDP; los 4,5 y 4,6 GHz son mediciones de Geekbench. El 9800X3D lleva 96 MB de L3 por la V-Cache apilada.

Entre los x86, un Ryzen 9 9950X y un Core Ultra 9 285K rondan los 5,7 GHz de boost con 16 y 24 núcleos: sobran para cualquier sesión. La diferencia está en la letra pequeña. El 285K combina 8 núcleos de rendimiento y 16 de eficiencia sin Hyper-Threading; el planificador decide dónde aterriza cada hilo de audio, y algunos DAW y drivers han necesitado ajustes para que una pista crítica no caiga en un E-core. El 9950X tiene 16 núcleos iguales, a cambio de dos chiplets con 32 MB de L3 cada uno. El Ryzen 7 9800X3D es un caso aparte: 8 núcleos, 96 MB de L3 en un solo chiplet y 120 W; para sesiones medias con buffers muy bajos es una opción sobria y silenciosa, porque cuando cada buffer cabe en caché esa L3 importa más de lo que sugiere su ficha.

Las frecuencias de la tabla son máximas de un núcleo. Lo que vive un DAW es la frecuencia sostenida bajo el límite de potencia y temperatura del equipo, y eso depende más de la caja, la refrigeración y la BIOS que del chip. Un portátil delgado con un Core Ultra de 5,5 GHz puede rendir en audio peor que un sobremesa modesto bien refrigerado, porque entra y sale de su límite térmico y cada entrada es un riesgo de chasquido. Los ajustes de energía del sistema van en la misma dirección: en Windows, los perfiles de ahorro y el aparcado de núcleos son la primera causa de chasquidos que no salen en ningún benchmark.

Para comparar no sirven Cinebench ni Geekbench multinúcleo: miden rendimiento medio, no cumplimiento de plazos. La referencia del sector es DAWbench, que cuenta cuántas instancias de un plugin o instrumento aguanta un equipo a cada tamaño de buffer antes de fallar; Scan Pro Audio publica rondas con cada generación de CPU. Pide esa cifra: instancias a 64 y 128 muestras, no puntos.

Interfaz: USB, Thunderbolt y el mito del ancho de banda

El audio es minúsculo para cualquier bus moderno. Un canal a 48 kHz y 24 bits son 1,15 Mbps; treinta y dos canales, unos 37 Mbps. USB 2.0, con 480 Mbps, sobra para una interfaz de estudio grande, y muchas de gama alta siguen usándolo. Thunderbolt 4 mueve 40 Gbps por sentido y Thunderbolt 5, 80 Gbps: mil veces más de lo que cualquier sesión necesita (ver interconexión).

Caudal de una sesión

Mbps = canales × frecuencia (kHz) × bits ÷ 1 000

32 canales a 48 kHz y 24 bits: 32 × 48 × 24 ÷ 1 000 = 36,9 Mbps

Ni siquiera el caso extremo (64 canales a 96 kHz y 32 bits en coma flotante: 196,6 Mbps) llena un USB 2.0. La conversación sobre buses en audio no va de gigabits por segundo.

Thunderbolt 580Gbpspor sentido, spec Intel
USB4 / TB440Gbpspor sentido
USB 2.00,48Gbpsspec USB-IF
Sesión 32 canales0,037Gbps48 kHz · 24 bits

Lo que sí diferencia a las interfaces es cómo llegan los bloques a tiempo. Una interfaz Thunderbolt se presenta al sistema como un dispositivo PCIe: acceso directo a memoria, interrupciones propias y un camino corto hasta el driver. USB va por un controlador compartido con teclados, discos y cámaras, y cada dispositivo compite por el mismo tiempo de bus. Con drivers bien hechos, la ida y vuelta de una buena interfaz USB y una Thunderbolt a igual buffer difiere en fracciones de milisegundo; no hay cifra oficial de esa diferencia y los fabricantes que venden ambas la dan por despreciable. La ventaja real de Thunderbolt es no compartir el bus y poder encadenar varias unidades.

El driver pesa más que el conector. En Windows, ASIO deja que el DAW hable con la interfaz sin pasar por el mezclador del sistema; un driver ASIO de fabricante suele ir estable a 64 muestras donde el genérico necesita 256. En macOS, Core Audio es el único camino y todos lo usan, lo que iguala a las interfaces y explica por qué la misma unidad USB rinde a menudo mejor en un Mac. Y en cualquier sistema, un driver de red, Wi-Fi o GPU que retenga la CPU demasiado tiempo en una interrupción rompe el plazo aunque la interfaz sea perfecta: las herramientas de medición de latencia de DPC existen porque ese fallo es corriente en portátiles de consumo.

Ruido, RAM y disco: lo que importa y lo que no

Un estudio graba con micrófonos, y el equipo está en la misma habitación. Un ventilador de GPU a 2 000 rpm entra en la toma de voz. La estación de audio ideal es, en orden, silenciosa, estable y rápida: caja grande con ventiladores lentos, CPU con límite de potencia razonable (los 120 W del 9800X3D o los 170 W del 9950X se refrigeran en silencio; 350 W, no) y sin GPU discreta, o con una pasiva.

La GPU no hace nada en un DAW. Ninguna cadena de plugins de uso general corre en CUDA ni en Metal; la gráfica integrada mueve las ventanas de los plugins sin esfuerzo. Los TFLOPS y la VRAM de las páginas de render o IA no aplican aquí. La excepción son las cajas DSP de algunos fabricantes de plugins, que descargan sus propios procesadores en chips dedicados: una decisión de ecosistema, no de hardware de PC.

La RAM y el disco entran por las bibliotecas de muestras. Un instrumento muestreado no carga sus gigabytes enteros: mantiene en memoria el principio de cada nota y lee el resto del disco cuando la nota suena. Cuantas más notas y capas cargadas, más RAM; cuantas más suenan a la vez, más lecturas aleatorias pequeñas al SSD. Es una carga de latencia de acceso, no de caudal: cualquier NVMe la cubre; un disco duro, no. Para una sesión de mezcla con plugins, 32 GB sobran. Para orquesta virtual con varias bibliotecas abiertas, 64 GB es la cifra cómoda y 128 GB deja de ser exótica. RAM para lo que suena a la vez, SSD para lo que podría sonar.

Lo que debes recordar

  • Un buffer es un plazo: 64 muestras a 48 kHz son 1,33 ms de latencia y 1 333 µs para calcular el bloque siguiente. Bajar el buffer reduce ambas cosas a la vez.
  • La latencia percibida es de ida y vuelta: dos buffers más conversores, safety buffer del driver y plugins con lookahead. A 128 muestras y 48 kHz ronda los 6-7 ms.
  • Una cadena de plugins va en un solo hilo y el máster espera al bus más lento. El medidor de CPU del DAW mide tiempo de cálculo frente a duración del buffer, no ocupación de núcleos.
  • La CPU se elige por rendimiento sostenido por hilo, L3 y estabilidad de reloj; después por núcleos. Apple Silicon destaca por regularidad y por Core Audio, no por frecuencia.
  • El bus da igual (una sesión de 32 canales son 37 Mbps); el driver, no. GPU irrelevante; RAM y NVMe solo por bibliotecas de muestras.

Para mirar en una ficha técnica

  • Latencia de la interfaz: pide la de ida y vuelta a 48 kHz con 64 y 128 muestras, medida en bucle. Trampa: «menos de 1 ms» de un solo sentido a 192 kHz.
  • CPU, «boost hasta X GHz»: es un núcleo y un instante. Cuenta la frecuencia que aguanta con el límite de potencia del equipo. Trampa: un portátil fino con el mismo chip que un sobremesa no rinde igual en audio.
  • Núcleos e hilos: sirven para más pistas, no para bajar el buffer. Trampa: un chip de 64 núcleos a 3,2 GHz de base para un DAW.
  • Driver: ASIO propio del fabricante en Windows; Core Audio en macOS. Trampa: interfaces que dependen de un driver genérico o de clase.
  • Ruido y potencia: TDP y refrigeración deciden si el equipo puede estar en la sala de grabación. Trampa: la GPU de gama alta que nunca usarás y que se oye en cada toma.

Fuentes

  1. Ableton — Live 12 Reference Manual, «Computer Audio Resources and Strategies» — distribución de la carga entre núcleos y definición del medidor de CPU (tiempo de cálculo de un buffer frente a su duración).
  2. Scan Pro Audio — DAWbench, rondas de pruebas de CPU — metodología de referencia del sector (instancias de plugins e instrumentos por tamaño de buffer); ronda de Core Ultra 200 y 9800X3D de noviembre de 2024. No se citan cifras concretas porque no se han verificado en esta edición.
  3. Datasets del sitio: src/data/cpus.json (núcleos, boost, L3, TDP y notas de cada CPU) y src/data/interconnects.json (Thunderbolt 4/5 y USB4: ancho de banda por sentido y notas sobre latencia).

Escribe para buscar en artículos, herramientas y glosario. Esc para cerrar.