La música bajo un vídeo hablado fracasa de una forma concreta y previsible. Eliges una pista, ajustas su volumen para que la intro se sienta viva, y exportas — y el vídeo terminado es una pelea. No porque la música sea mala, sino porque un nivel constante es la forma equivocada para el habla. Una voz no es constante: sube hacia un remate, cae al final de la frase, desaparece del todo mientras respiras. Una cama musical sostenida a una sola altura es demasiado fuerte cuando hablas bajo y demasiado floja en el momento en que callas, así que el oído del espectador renegocia sin descanso a qué sonido seguir. Peor aún: la voz y la música viven en el mismo sitio. Los instrumentos que hacen cálida una pista — guitarras, teclados, cuerdas, casi todas las voces cantadas — ocupan las mismas pocas octavas que el habla humana; las dos cosas no se apilan, se enmascaran. Bajar la pista entera no lo arregla; solo traslada la pelea a un volumen más bajo, y las pausas ahora se sienten vacías en vez de musicadas. El problema no es el nivel. Es que el nivel nunca cambia.
La radio y la televisión resolvieron esto hace décadas, con una mano sobre un fader. Escucha con atención cualquier documental bien hecho: la música nunca está a un solo volumen. Alguien en la mesa la acompaña — bien abajo bajo la primera palabra del habla, sostenida ahí mientras la voz continúa, devuelta arriba en las pausas que de verdad son pausas, las que separan secciones y no palabras. El oyente jamás nota los movimientos, y ahí está el oficio: las rampas son lo bastante lentas para ser invisibles, una fracción de segundo de deslizamiento y no un chasquido. El efecto es exactamente lo que promete el nombre inglés — la música se agacha, ducks, como se agacha una persona de pie entre tú y un escenario cuando empieza la función. Lo que el oyente experimenta no es «la música bajó», sino «la voz importa». Bien hecho, el ducking no es un truco técnico sino una declaración de prioridad, emitida de continuo, sesenta veces por vídeo, sin un solo pensamiento consciente del público. Hecho a mano, también es una tarde de trabajo por vídeo — y para eso existe la automatización.
La automatización hecha de forma tosca tiene su propio modo de fallo, y tiene nombre: bombeo. Un ducker ingenuo sigue la voz demasiado al pie de la letra. Cada hueco en el habla, por pequeño que sea, se lee como silencio, así que la música se infla entre tus palabras y se desploma en la sílaba siguiente — arriba, abajo, arriba, abajo, al compás de tu respiración. La pista deja de ser una cama y se convierte en un latido, y el oyente, que no sabría decirte qué está mal, sabe que algo lo está. El arreglo es una distinción que la versión tosca se salta: no todos los huecos son pausas. El espacio entre dos palabras no es una pausa; tampoco el instante en que tomas aire a mitad de frase. Una pausa de verdad — el final de una idea, una frontera de sección, el segundo de silencio deliberado antes de un argumento — es lo bastante larga para que el regreso de la música signifique algo. La regla que separa el buen ducking del bombeo es, por tanto, fácil de enunciar: los huecos más cortos que una respiración deben seguir atenuados. Solo cuando el silencio es lo bastante largo para ser intencionado puede la cama volver a subir.
El editor de Talk2Camera lleva esa regla incorporada. Pon una pista de música bajo la edición, activa el ducking, y la mezcla se conduce sola: mientras hablas, la música baja a más o menos un cuarto del nivel que le fijaste, y en las pausas reales vuelve a subir, con rampas de aproximadamente un tercio de segundo para que los movimientos se deslicen en vez de chasquear. Los huecos más cortos que una respiración se quedan atenuados, así que la cama nunca bombea al ritmo de tu fraseo. Qué cuenta como «mientras hablas» sale de la propia toma: en iPhone, de la transcripción de la toma; en Android, del análisis del propio audio de la toma — lo que significa que funciona incluso si grabaste sin guion y no hay texto en el que apoyarse. Y como todo lo que vive en la cadena de exportación, es una decisión y no un compromiso: la grabación original queda intacta, así que puedes exportar con ducking para el tutorial, sin él para el corte de tráiler, o cambiar la música entera, todo desde la misma toma.
Las decisiones restantes son tuyas, y son musicales más que técnicas. Ajusta el nivel de la pista para las pausas, no para el habla — del habla se encarga el ducking; el nivel que eliges es el que el espectador oye cuando dejas de hablar, y ahí es donde una cama demasiado fuerte se delata. Prefiere música que pueda permitirse ser fondo: instrumental antes que cantada, porque una segunda voz bajo la tuya es el enmascaramiento en su peor versión; estable antes que dramática, porque una pista llena de crescendos pelea contra el trabajo honesto del ducker con efectos teatrales propios. Después escucha el resultado una vez con los ojos cerrados. Si puedes seguir cada palabra sin esfuerzo y aun así notas, en las pausas, que el vídeo tiene un clima, la mezcla está bien. Si notas la música mientras hablas, está demasiado alta en su nivel fijado; si las pausas se sienten vacías, demasiado baja. Una pasada de esa prueba suele bastar — lo cual, junto a una tarde de fader acompañado a mano, es el argumento entero.