Silencios: por qué las palabras marcan la duración

Cada render ya registraba, escena por escena, cuánto duraba la imagen y cuánto la narración. Nada sumaba las dos cosas. Cuando lo hicimos, dos anuncios destacaron: 13,0 segundos de silencio en 31,1, y 8,0 en 28,5. Una escena mantenía su imagen 8,6 segundos con 3,4 segundos de palabras.

El espectador lo nota al instante. La voz ha terminado su idea, la imagen sigue, y la atención se va. Así que el primer trabajo era sencillo: medirlo en cada vídeo y avisar cuando un vídeo se queda callado.

El primer aviso saltó en nuestro propio vídeo de portada en inglés, que tiene ritmo de principio a fin. Antes de tocar nada, medimos las pausas de todos los vídeos de nuestra web. Más o menos un segundo por escena, casi en todas. El tiempo de narración solo contaba la voz continua, así que la respiración entre dos frases parecía silencio cuando simplemente era hablar.

Así que el aviso cambió de objetivo. Ahora señala la escena que se queda mucho más allá de sus palabras, con sus segundos mudos, porque ese es el defecto real: una imagen que sigue en pantalla cuando la voz ya ha pasado a otra cosa. Queda una comprobación de todo el vídeo como red de seguridad, con un umbral mucho más bajo y redactada como un vídeo que se arrastra, y las dos nunca saltan juntas. Un aviso debe ser lo bastante raro como para que actúes cada vez.

La siguiente lección llegó de las animaciones, los vídeos que escribes tú. No tenían duración objetivo, así que un anuncio de 87 segundos cabía cómodamente en los límites del producto cuando el encargo pedía treinta. Añadimos un objetivo y vimos enseguida que no podía cumplirse como en un vídeo de una web. Quien escribe elige las palabras, y las palabras son la duración. Estirar la imagen solo crearía el silencio que acabábamos de aprender a detectar.

Así que un objetivo que el guion no puede cumplir se rechaza ahora antes de gastar nada, con las cuentas a la vista:

• el presupuesto de palabras para esa duración, en ese idioma y ese tono;
• el número real de palabras del guion;
• cuántas palabras quitar o añadir.

La misma idea guía los storyboards escritos a mano. Nuestro ajustador de duración se aparta cuando las palabras las escribió una persona, como debe ser, y el informe te dice ahora exactamente cuántas palabras recortar para llegar a tu duración.

Dos informes parecían hablar de una voz inestable. Cinco renders de la misma voz medían entre 131 y 153 palabras por minuto, lo que sugería que el sintetizador variaba. No era así. Nuestro ritmo dividía las palabras por la pista de voz menos una pausa estimada en cada unión de escenas, y en vídeos reales las pausas reales eran de cuatro a cinco veces más largas que la estimación. La cifra se movía con la puntuación; la voz, no. El ritmo estable, la suma del habla medida, ya estaba en el informe, así que ahora lo devolvemos y decimos cuál usar para planificar.

El segundo informe describía un sonido que se desfasaba de la imagen. En realidad era la imagen la que se paraba. Un clip generado tiene una duración fija, y una escena más larga congelaba su último fotograma mientras la voz seguía. Ahora el final del clip se reproduce con naturalidad en lugar de congelarse, y el clip entero nunca se ralentiza, porque eso pondría a las personas a cámara lenta de forma visible.

En conjunto, un vídeo narrado es ahora honesto con su propio tiempo:

• te avisa cuando una de sus escenas dura demasiado, y cuánto;
• te dice cuántas palabras recortar cuando una duración no es alcanzable;
• nunca cobra una duración que no puede entregar.

El hábito detrás de todo esto es medir el hueco antes de elegir un umbral, y preguntarse qué magnitud causa de verdad el efecto. Aquí siempre fueron las palabras. Esta forma de pensar está detrás de cómo se hacen los vídeos.