As câmeras dos celulares melhoraram tão depressa que a imagem deixou de ser o problema há anos. Mesmo assim, reproduza quase qualquer gravação feita em um escritório doméstico e você ouve exatamente onde ela foi feita. A voz sai da sua boca uma única vez, mas chega ao microfone muitas vezes: direta, depois uma fração de milissegundo mais tarde refletida na mesa, depois na janela atrás de você, depois em cada parede nua, uma por vez. Essas cópias atrasadas se empilham sobre o original e o borram, e esse borrão é o que um ouvinte quer dizer quando comenta que um vídeo soa como banheiro, como cozinha ou como apartamento vazio. Dentro do próprio cômodo, o seu cérebro apaga as reflexões com tanto capricho que você não consegue ouvi-las de jeito nenhum — ele treina esse truque desde que você nasceu. O microfone não tem esse editor. Ele grava o cômodo como ele realmente é, e superfícies duras, paralelas e sem enfeite — ou seja, a maioria das mesas na maioria dos apartamentos alugados — formam os piores cômodos que existem.
O segundo problema é o ruído que você parou de notar. Uma geladeira a dois cômodos de distância, um duto de ventilação, o trânsito quatro andares abaixo, o cooler do próprio notebook que está fazendo a gravação — juntos eles formam um piso de chiado e zumbido de banda larga que os seus ouvidos filtraram poucas semanas depois da mudança. O microfone guarda tudo isso, e ainda acrescenta um pouco do dele, porque uma cápsula pequena precisa de ganho, e o ganho amplifica o piso junto com a voz. Banda larga é a palavra que importa. Esse ruído não é um tom único que um software possa recortar; é energia espalhada pelas mesmas frequências que a sua voz ocupa. Essa sobreposição explica por que a remoção agressiva de ruído troca tantas vezes o chiado por algo pior — uma voz aquosa, trêmula, com as consoantes lixadas. O ruído e a voz estão misturados dentro do arquivo, e desmisturar não é subtrair.
O terceiro problema é que você se mexe. O som cai depressa com a distância — incline-se para trás de um celular a um braço de distância e o nível que chega ao microfone pode cair pela metade — e uma pessoa falando para a câmera nunca está de fato parada. Você se vira para apontar alguma coisa, baixa os olhos para as anotações, deriva em direção à janela no meio de uma ideia, e a gravação incha e afunda em silêncio embaixo de você. O efeito é sutil o bastante para você quase nunca notar enquanto grava, e é exatamente por isso que ele é tão comum. As plataformas normalizam o volume entre vídeos, não dentro deles, então nada rio abaixo conserta um take que vagueia entre o murmúrio e o grito. Os ouvintes não vão diagnosticar nada disso. Vão apenas esticar a mão para o controle de volume duas vezes em um minuto, sentir um cansaço vago sem saber de onde vem, e ir embora.
Cada problema tem um conserto físico, e os consertos físicos são de uma falta de glamour quase constrangedora. As reflexões morrem nas coisas macias e irregulares: uma cortina, um tapete, uma estante cheia, um sofá, as roupas de um armário aberto — é por isso que existe o clichê de gravar locução dentro do guarda-roupa, e é por isso que ele funciona. Aproximar o microfone da boca vence qualquer painel acústico que você pudesse comprar, porque o som direto cresce enquanto o cômodo continua do mesmo tamanho. O ruído sai mais barato removido na fonte: tire a geladeira da tomada por uma hora, grave quando a rua está quieta, afaste o celular do cooler do notebook. E níveis desiguais são exatamente a razão de ser de um microfone externo preso na gola — a distância entre a boca e a cápsula fica fixa, para onde quer que vá o resto de você. O processamento, avaliado com honestidade, é o sócio menor de tudo isso. Ele consegue abaixar um piso constante e domar derivas lentas de nível de forma convincente. Ele não consegue desmisturar um cômodo reverberante, e não consegue apagar um ruído que se sobrepõe à sua voz sem levar um pedaço da voz junto.
É com esse espírito que o som de estúdio do Talk2Camera foi construído. É um único interruptor na exportação, e ele faz bem três coisas modestas. Um filtro passa-altas tira o ronco que o trânsito e a ventilação deixam lá embaixo em uma gravação — energia que se sente mais do que se ouve, e que embaça tudo o que está acima. Um gate suave abaixa o piso nos espaços entre as frases, para que o cômodo pare de respirar toda vez que você respira. E um nivelador lento empareja a voz ao longo do take, sem o bombeamento que a compressão rápida produz quando se atira sobre cada sílaba. Tudo isso se aplica apenas à exportação. A gravação que você fez permanece intocada, então desligar o processamento mais tarde — ou tentar outro equilíbrio — parte sempre exatamente do que o microfone ouviu. E nada disso fabrica coisa alguma: o processamento remodela o som que está lá em vez de inventar o som que não está, e é por isso que, diante de uma gravação ruim, ele falha com elegância em vez de falhar de um jeito estranho.
O lado da gravação merece a mesma atenção que o lado da exportação. Se você tem um microfone externo — um lapela de prender, um microfone de mesa, o dos seus fones —, o app deixa você selecioná-lo explicitamente em vez de preferir em silêncio o embutido, e mede o nível enquanto você grava. Um medidor é um instrumento humilde, mas responde à única pergunta que importa na hora de gravar: a voz está mesmo chegando, e está chegando alta o bastante para se sentar acima do piso de ruído? Essa é a diferença entre descobrir uma pilha morta antes do take e descobri-la depois. A ordem das operações, portanto: amoleça o cômodo, silencie na fonte o que puder ser silenciado, aproxime o microfone e mantenha-o ali, fique de olho no medidor — e deixe o processamento fazer a última e menor parte do trabalho. Um estúdio nunca foi de verdade um lugar. Era um conjunto de decisões, e a maior parte delas cabe em um quarto alugado.