Zaskakująco duża część pracy nad wideo to nie mówienie do kamery, lecz mówienie pod nią: narracja nad nagraniem ekranu, lektor pod b-roll, poradnik, w którym obrazy niosą obraz, a Twój głos niesie argument. Instrument to ten sam telefon i większość rzemiosła przenosi się nietknięta — minus światło, które nagle nie ma żadnego znaczenia. Zostają dźwięk i sposób czytania. Mikrofon na szerokość dłoni od ust. Tempo czytania pod kogoś, kto słucha — wolniejsze, niż wydaje się naturalne przy czytaniu. I scenariusz przed Tobą, który nie szeleści jak papier i nie błądzi jak na wpół zapamiętany konspekt. Lektor nagrany przy okazji, do telefonu leżącego po drugiej stronie biurka, to najczęstszy sposób, w jaki skądinąd dopracowane wideo zdradza, ile kosztowało.
Pokój znaczy więcej niż mikrofon. Twarde, równoległe powierzchnie dają nagraniom z telefonu ten pudełkowy, pogłosowy dźwięk, którego żadne ustawienie potem nie usunie. Miękkie rzeczy to naprawiają: mów w stronę kołdry, nagrywaj w szafie między wiszącymi ubraniami, wybierz najmniejszy pokój z wykładziną — bliżej miękkiego, dalej od szkła. Potem trzymaj odległość. Szerokość dłoni od ust do mikrofonu, utrzymana stale, robi więcej niż wybór mikrofonu; dryfowanie bliżej i dalej między zdaniami słychać jako głos, który tyje i chudnie. Jeśli spółgłoski strzelają, mów w poprzek mikrofonu, a nie w niego. Nic z tego nic nie kosztuje i wszystko z tego zostaje z Tobą przy każdym kolejnym nagraniu lektora.
Talk2Camera nagrywa ujęcia samego dźwięku: tylko audio, z tym samym teleprompterem przed Tobą i tym samym zachowaniem pauzy — czas pauzy jest wyłączany z pliku, zamiast nagrywać się jako martwa cisza. Gdy narracja jest gotowa, dołącz ją do montażu jako ścieżkę dźwiękową, umieszczoną tam, gdzie chcesz — podgląd i eksport obie ją honorują. Dźwięk ujęcia i dołączona ścieżka mają po linii poziomu, którą przeciągasz wzdłuż wykresu fali — tak, jak działa mikser, a nie suwak — a słupki przerysowują się na ustawionej wysokości: muzyka ściągnięta pod narrację wygląda na cichszą i tak też brzmi. Podłożenie podkładu pod lektora to jeden ruch, nie projekt.
Surowe audio nigdy nie opuszcza telefonu. Ujęcie to plik na Twoim urządzeniu, nie sesja na czyimś serwerze: rozpoznawanie stojące za podążaniem telepromptera za głosem działa na urządzeniu, a jedyne, co wychodzi na zewnątrz, to eksport, który udostępniasz z własnej decyzji. Przy narracji liczy się to częściej, niż się sądzi, bo lektor tak często dotyczy rzeczy jeszcze niepublicznych — produktu przed premierą, kursu klienta, wideoeseju na materiale licencjonowanym pod warunkami. Znika też praktyczny podatek: nie ma uploadu, na który trzeba czekać. W chwili, gdy przestajesz czytać, ujęcie leży obok montażu, gotowe, by pójść pod spód.