La musique sous la parole a un titre de métier à la radio et à la télévision — un tapis, un lit sonore — et le nom est la fiche de poste. Un lit, c’est ce sur quoi la voix repose. Ce n’est pas ce que l’on regarde, et à l’instant où il devient ce que l’on écoute, il a échoué à la seule tâche qui lui revenait. Dans une vidéo parlée, le tapis fait trois travaux discrets. Il donne au montage un plancher d’énergie, pour qu’une pause dans le discours ne s’ouvre pas sur le silence et ne rende pas soudain la pièce audible. Il porte la continuité à travers les coupes, pour que deux prises tournées à une heure d’écart donnent l’impression d’une seule séance. Et il règle une température — la même phrase paraît assurée, mélancolique ou urgente selon ce qui se trouve dessous. Le test pour savoir si un tapis a fait son travail n’a rien de glorieux : demandez ensuite à un spectateur de le fredonner. S’il y arrive, la musique faisait concurrence ; s’il se souvient qu’il y avait de la musique mais n’en reproduit pas une mesure, le tapis s’est tenu. Vous n’écrivez pas la partition d’un film. Vous capitonnez une voix.
Ce qui survit sous la parole n’est presque jamais ce qui sonne le mieux tout seul. Les morceaux qui fonctionnent sont clairsemés — peu d’instruments, de l’air entre les notes, des arrangements qui se répètent sans beaucoup se développer, car le développement attire l’attention, et l’attention est le seul budget que la voix ne peut pas partager. Le chant est l’exclusion la plus nette : deux voix qui prononcent des mots différents mettent le système du langage de l’auditeur dans un bras de fer, et même des chœurs lointains ou un échantillon vocal découpé donneront au spectateur le sentiment d’avoir raté quelque chose. Le tempo agit plus subtilement. Un tapis nettement plus rapide que votre rythme naturel de parole vous fait paraître à la traîne de votre propre vidéo, et un tapis qui rampe tire vers le bas l’énergie d’une explication alerte. Inutile d’accorder des battements par minute à des mots par minute ; il faut que la musique donne l’impression de marcher à votre pas. Instrumental, répétitif, patient — les qualités qui rendraient un morceau ennuyeux en soirée sont exactement celles qui le rendent employable sous une voix.
Là où les tapis échouent, c’est rarement une affaire de volume seul ; c’est une affaire de terrain. Une voix parlée habite une bande étroite — son poids se tient dans le grave, à peu près là où se tient un violoncelle, et son intelligibilité, ces consonnes qui permettent de distinguer un mot d’un autre, loge quelques octaves plus haut, dans la zone de présence. Un morceau dont l’activité se concentre sur ce même territoire du milieu se bat avec la voix pour les mêmes mètres carrés, et aucun réglage de fader ne le répare tout à fait : baissé assez pour cesser de masquer, il disparaît ; monté assez pour s’entendre, il brouille les mots. Voilà pourquoi la guitare acoustique grattée, les nappes denses et le piano affairé — l’ordinaire de toutes les banques libres de droits — sont les pires coupables, et pourquoi ils passent l’audition avec tant d’innocence : en solo, ils sonnent chaleureux précisément parce qu’ils sont riches au milieu. Ce qui coexiste avec une voix vit au-dessus et au-dessous d’elle — une ligne de basse, un kick, des charleys, des carillons aériens, quelques notes pincées tout en haut. Choisissez en écoutant le médium pendant que votre propre parole tourne, pas à la sensation que laisse le morceau seul.
Vient ensuite la discipline, qui est surtout une discipline de retenue. Réglez le tapis plus bas que ce qui semble juste — nettement plus bas, car votre oreille, fière d’avoir choisi le morceau, veut l’entendre, et le spectateur n’a aucune loyauté de ce genre. Vérifiez le mixage sur le pire haut-parleur que vous possédez, c’est-à-dire le téléphone dans votre main : les petites membranes exagèrent précisément la collision de médium que vous cherchez à éviter. Gardez le niveau constant sur toute la pièce au lieu de le retoucher scène par scène, car un tapis qui se promène se lit comme une erreur, même quand chaque niveau avait été choisi exprès. Et observez ce qui se passe aux lisières de la parole. Quand vous parlez, la musique doit être loin dessous ; quand vous vous arrêtez vraiment — une fin de section, un regard tenu —, elle doit remonter et porter brièvement la pièce. À la télévision, ce mouvement était le travail d’une personne : un opérateur, la main sur le fader, baissait la musique quand le présentateur inspirait et la laissait revenir dans les creux. D’où la question pratique pour quiconque travaille seul : qui tient le fader ?
Dans Talk2Camera, la réponse est que le geste est automatisé et que le choix reste le vôtre. Vous attachez le morceau et fixez son niveau — une ligne, une décision. Avec le ducking activé, le tapis descend à environ un quart de ce niveau dès que vous parlez, puis remonte dans les vraies pauses, avec des rampes d’environ un tiers de seconde, de sorte que le mouvement est une respiration et non une secousse. Les trous de la longueur d’un souffle, à l’intérieur des phrases, restent baissés — le tapis ne bondit pas entre chaque membre de phrase pour replonger aussitôt, ce pompage qui trahit les mixages automatiques. Seules les pauses assez longues pour être structurelles laissent la musique remonter. Tout cela se produit à l’export, comme le reste de la passe de finition de l’application : l’enregistrement lui-même reste intact, vous pouvez donc réexporter avec un autre morceau, un autre niveau, ou aucun tapis du tout, et la voix — nettoyée au passage par le son studio — est le seul élément qui n’aura plus jamais à être rejoué. Le tapis est un costume. L’enregistrement dessous reste à vous.