Hay una asimetría extraña en lo que los espectadores perdonan. Un enfoque ligeramente blando, una pared beige, un plano un punto demasiado oscuro — nada de eso espanta a nadie, y los comentarios jamás lo mencionan. El sonido es distinto. Nadie vuelve a ver un vídeo porque el audio estuviera limpio, pero todo el mundo se va cuando no lo está, y casi nadie sabe decir por qué. La razón es que la mala imagen es un juicio estético mientras que el mal sonido es una experiencia física: el oído del oyente realiza un trabajo continuo e inconsciente para extraer una voz de lo que la rodea, y una grabación sin tratar hace ese trabajo más duro con cada segundo que pasa. El espectador no piensa la palabra retumbo ni nota el ruido de fondo. Siente dos minutos de esfuerzo leve, los registra como aburrimiento, y se marcha. Por eso el audio es el minuto de mayor palanca de cualquier exportación: decide el tiempo de visionado, y nunca cobra ni el mérito ni la culpa.
El primer fallo es el retumbo — la capa grave debajo de una voz, puesta ahí por el tráfico de tres calles más allá, por el aire acondicionado, por la nevera al otro lado de la pared, por la mesa sobre la que descansa el teléfono. En el altavoz de un teléfono es casi inaudible, y justo por eso sobrevive a la revisión; en auriculares o en un coche es más una presión que un sonido. Hace dos tipos de daño. Se come el margen de nivel, de modo que toda la exportación queda más baja de lo que podría, y cada etapa posterior — el procesado de la plataforma, el volumen del oyente — parte de una posición peor. Y trabaja directamente sobre quien escucha: una banda grave continua bajo el habla es algo que el oído intenta clasificar como significativo una y otra vez sin conseguirlo, una pequeña pregunta sin resolver planteada sesenta veces por segundo. Nadie la oye conscientemente. Todos la mezclan inconscientemente en su impresión del vídeo, donde aflora como esto suena amateur, no sé por qué — y el no sé por qué hace todo el trabajo.
El segundo fallo vive en los huecos. Entre frase y frase, cuando la voz se detiene, la habitación sube: siseo, calle, el ventilador del ordenador, todo lo que el micrófono ignoraba educadamente mientras hablabas. La grabación respira — voz, fondo, voz, fondo — y el oído del oyente, construido para rastrear exactamente ese tipo de cambio, lo rastrea. Cada hueco es una pequeña revelación: se oye la habitación en la que la persona está sentada de verdad, luego otra vez la persona, luego la habitación. A lo largo de dos minutos ese ritmo se convierte en una señal propia, una segunda presencia que respira detrás de la voz — y es exactamente la diferencia que el oído registra entre un vídeo producido y uno meramente grabado. Lo cruel es que cuanto más baja se vuelve tu entrega — el aparte íntimo, la pausa sostenida para el efecto — más fuerte es la revelación, porque las pausas son precisamente el escenario donde actúa el fondo. Los mejores instintos dramáticos de un orador son los mejores momentos del ruido de fondo.
El tercer fallo es la deriva. Las voces no mantienen el nivel: empiezas una sección con fuerza y te vas apagando, te reclinas para pensar y vuelves más cerca, ganas confianza y subes. A lo largo de una sola toma el nivel vagabundea más de lo que creerías, y el oyente lo paga de la forma más literal posible — pilotando su control de volumen, o esforzándose en los tramos bajos después de ajustar el volumen para los altos. Cada frase conseguida con esfuerzo es una pequeña salida; cada mano que va al volumen, una más grande. La deriva es además el fallo que las plataformas castigan más directamente, porque los feeds se escuchan con auriculares en trenes y altavoces de teléfono en cocinas, entornos sin ninguna reserva dinámica. El arreglo tradicional es un compresor, y el resultado tradicional del principiante es el bombeo — el nivel apretando y soltando audiblemente con cada frase, que cambia un problema honesto por un artefacto evidente. Lo que una voz necesita es más lento y más suave: una mano apoyada en el fader, no una pinza.
Talk2Camera pliega los tres arreglos en un solo interruptor de exportación llamado Studio sound. Un filtro paso alto quita el retumbo por debajo de la voz. Una puerta suave baja el fondo en los huecos entre frases — lo baja, no lo silencia, porque un hueco de nada digital suena peor que una habitación tranquila. Un nivelador lento empareja la deriva como lo haría un técnico llevando el fader, y los tres están afinados para que nada bombee: el procesado aspira a ser inatribuible, sonido que sencillamente es mejor sin anunciar qué le ha pasado. Las tomas con dos presentadores conservan un carril de audio por persona, cada uno con su nivel independiente, de modo que un invitado bajo y un anfitrión que llena la sala dejan de ser un único compromiso sin arreglo. Y todo ello se aplica solo a la exportación. La grabación de debajo queda intacta — la misma toma puede salir sin tratar mañana, o con otras decisiones el mes que viene, porque el archivo en el que actuaste nunca es el archivo que se procesa.
El hábito que hace funcionar todo esto cuesta un minuto: antes de publicar, escucha una vez en el peor altavoz que tengas — el teléfono, sostenido con el brazo estirado, en una cocina. Los problemas de imagen se esconden en pantallas pequeñas; los de sonido se esconden en buenos auriculares, y el altavoz del teléfono es donde la exportación va a vivir de verdad. Lo que buscas al escuchar no es calidad sino esfuerzo: ¿cuesta algo seguir la voz? Si cuesta, los espectadores pagarán ese esfuerzo con su atención, facturado en silencio, y saldarán la cuenta yéndose antes. La asimetría del principio también corre en sentido contrario, y esa es la parte alentadora: como nadie nota el sonido, nadie lo acredita — y un vídeo hablado que se escucha sin esfuerzo sencillamente sienta mejor que su competencia, de una manera que ni el espectador ni la competencia saben nombrar. La imagen recoge los cumplidos. El audio recoge el tiempo de visionado.