Kamery w telefonach poprawiały się tak szybko, że obraz przestał być problemem już lata temu. Odtwórz jednak niemal dowolne nagranie zrobione w domowym gabinecie, a usłyszysz dokładnie, gdzie powstało. Głos opuszcza Twoje usta jeden jedyny raz, ale do mikrofonu dociera wiele razy: najpierw bezpośrednio, potem ułamek milisekundy później odbity od biurka, potem od okna za Twoimi plecami, potem po kolei od każdej gołej ściany. Te opóźnione kopie nawarstwiają się na oryginał i rozmazują go, a to rozmazanie jest właśnie tym, co słuchacz ma na myśli, kiedy mówi, że wideo brzmi jak łazienka, jak kuchnia albo jak puste mieszkanie. W samym pokoju Twój mózg wycina odbicia tak starannie, że nie jesteś w stanie ich usłyszeć w ogóle — ćwiczy tę sztuczkę przez całe Twoje życie. Mikrofon nie ma takiego montażysty. Nagrywa pokój takim, jaki naprawdę jest, a twarde, równoległe, niczym nieprzysłonięte powierzchnie — czyli większość biurek w większości wynajmowanych mieszkań — składają się na najgorsze pokoje, jakie istnieją.
Drugim problemem jest hałas, którego przestało się słyszeć. Lodówka dwa pokoje dalej, kanał wentylacyjny, ruch uliczny cztery piętra niżej, wentylator tego samego laptopa, który właśnie robi nagranie — razem tworzą podłogę szerokopasmowego szumu i buczenia, którą Twoje uszy odfiltrowały kilka tygodni po wprowadzce. Mikrofon zatrzymuje to wszystko, a potem dokłada jeszcze odrobinę od siebie, bo mała kapsuła potrzebuje wzmocnienia, a wzmocnienie podnosi podłogę razem z głosem. Szerokopasmowy to tutaj słowo klucz. Ten hałas nie jest pojedynczym tonem, który program mógłby wyciąć; to energia rozsmarowana po tych samych częstotliwościach, które zajmuje Twój głos. To nakładanie się tłumaczy, dlaczego agresywne odszumianie tak często wymienia szum na coś gorszego — wodnisty, falujący głos ze zeszlifowanymi spółgłoskami. Hałas i głos są w pliku wymieszane ze sobą, a rozmieszanie nie jest odejmowaniem.
Trzeci problem polega na tym, że się ruszasz. Dźwięk opada stromo wraz z odległością — odchyl się od telefonu trzymanego na długość ramienia, a poziom docierający do mikrofonu potrafi spaść o połowę — a mówiąca głowa nigdy nie jest naprawdę nieruchoma. Odwracasz się, żeby coś pokazać, spuszczasz wzrok na notatki, dryfujesz w stronę okna za jakąś myślą, a nagranie cichutko puchnie i zapada się pod Tobą. Efekt jest na tyle subtelny, że podczas nagrywania prawie nigdy go nie zauważasz — i właśnie dlatego jest taki powszechny. Platformy normalizują głośność między filmami, a nie wewnątrz jednego filmu, więc nic dalej w łańcuchu nie naprawi ujęcia, które błądzi między szeptem a krzykiem. Słuchacze niczego z tego nie zdiagnozują. Po prostu dwa razy w ciągu minuty sięgną po regulację głośności, poczują niejasne zmęczenie, nie wiedząc skąd, i sobie pójdą.
Każdy z tych problemów ma fizyczne rozwiązanie, a fizyczne rozwiązania są żenująco pozbawione blasku. Odbicia umierają w rzeczach miękkich i nieregularnych: w zasłonie, w dywanie, w pełnym regale z książkami, w kanapie, w ubraniach otwartej szafy — dlatego istnieje klisza o nagrywaniu lektora w garderobie i dlatego ona działa. Przysunięcie mikrofonu bliżej ust bije każdy panel akustyczny, jaki można kupić, bo dźwięk bezpośredni rośnie, podczas gdy pokój zostaje tej samej wielkości. Hałas najtaniej usuwa się u źródła: wyłącz lodówkę z prądu na godzinę, nagrywaj, kiedy ulica jest cicha, odsuń telefon od wentylatora laptopa. A nierówne poziomy to jest dokładnie to, po co istnieje zewnętrzny mikrofon przypięty do kołnierza — odległość od ust do kapsuły pozostaje stała, dokądkolwiek wybierze się reszta Ciebie. Obróbka, oceniana uczciwie, jest w tym wszystkim młodszym wspólnikiem. Potrafi przekonująco obniżyć równą podłogę szumu i okiełznać powolne dryfowanie poziomu. Nie potrafi rozmieszać pogłosowego pokoju i nie potrafi skasować hałasu nakładającego się na Twój głos, nie zabierając przy tym kawałka głosu.
W takim właśnie duchu zbudowany jest studyjny dźwięk w Talk2Camera. To jeden przełącznik przy eksporcie, który robi dobrze trzy skromne rzeczy. Filtr górnoprzepustowy zabiera dudnienie, które ruch uliczny i wentylacja zostawiają na samym dole nagrania — energię, którą bardziej się czuje, niż słyszy, i która mąci wszystko powyżej. Delikatna bramka obniża podłogę szumu w przerwach między frazami, żeby pokój przestał oddychać za każdym razem, kiedy Ty oddychasz. A powolny wyrównywacz poziomu ujednolica głos na przestrzeni całego ujęcia, bez pompowania, jakie produkuje szybka kompresja, kiedy rzuca się na każdą sylabę. Wszystko to nakładane jest wyłącznie na eksport. Nagranie, które zrobiłeś, pozostaje nietknięte, więc późniejsze wyłączenie obróbki — albo spróbowanie innego balansu — zawsze zaczyna dokładnie od tego, co usłyszał mikrofon. I nic z tego niczego nie fabrykuje: obróbka przekształca dźwięk, który jest, zamiast wymyślać dźwięk, którego nie ma — i właśnie dlatego na złym nagraniu zawodzi z wdziękiem, a nie w dziwaczny sposób.
Strona nagrywania zasługuje na tę samą uwagę co strona eksportu. Jeśli masz zewnętrzny mikrofon — przypinany lavalier, mikrofon biurkowy, ten wbudowany w słuchawki — aplikacja pozwala Ci wybrać go wprost, zamiast po cichu faworyzować wbudowany, i pokazuje poziom w trakcie nagrywania. Wskaźnik poziomu to skromny instrument, ale odpowiada na jedyne pytanie, które liczy się w momencie nagrywania: czy głos naprawdę dociera i czy dociera wystarczająco głośno, żeby usiąść ponad podłogą szumu? To jest różnica między odkryciem wyczerpanej baterii przed ujęciem a odkryciem jej po. Kolejność działań wygląda więc tak: zmiękcz pokój, ucisz u źródła to, co da się uciszyć, przysuń mikrofon blisko i zostaw go tam, patrz na wskaźnik — a obróbce zostaw ostatnią, najmniejszą część roboty. Studio nigdy nie było tak naprawdę miejscem. Było zbiorem decyzji, a większość z nich mieści się w wynajętym pokoju.