Una frase, sei persone e un decimo di secondo

«Ehi, ma ho approvato io queste ferie, eh?». Una sola battuta, tre secondi netti a video e una sessione internazionale con agenzia, fonica estera e cliente in ascolto. Dietro l'apparente spontaneità di uno spot da quindici secondi c'è un lavoro maniacale fatto di riferimenti linguistici, ritmo recitativo e battaglie al millisecondo sul sync labiale.

La battuta era una sola, lapidaria:

«Ehi, ma ho approvato io queste ferie, eh?»

Fine.

Non un monologo di Shakespeare, non un discorso alle Nazioni Unite, nemmeno le istruzioni di montaggio di una libreria svedese. Una frase.

Eppure, attorno a quei tre secondi di audio c’era un intero ecosistema in collegamento: una fonica all'estero che tagliava le tracce in tempo reale, un regista, l'agenzia, il cliente finale, una video-reference, una guida recitata in inglese, la traccia del narratore italiano già registrata e, dall'altra parte del microfono, io nel mio studio.

Benvenuti nel mondo della pubblicità.

---

Prima ancora di lavorare, riconosci una voce

La sessione per me è iniziata qualche minuto prima di accendere il microfono. Ascoltando la traccia del narratore italiano già montata sulla traccia guida, mi è scattato il classico tarlo professionale: «Questa voce la conosco».

Dopo decenni passati in cuffia tra provini, spot e turni di registrazione, sviluppi una deformazione quasi automatica: riconosci le persone da una rotacizzazione, dal modo in cui appoggiano una sillaba o da come scivolano via da una consonante. Ci ho messo un attimo, poi il nome è affiorato: Michele Mariotti. Un collega stimato, sentito mille volte.

Non è un superpotere particolarmente utile nella vita di tutti i giorni — non ti fa trovare parcheggio e non ti sconta le bollette —, ma racconta una verità fondamentale del nostro mestiere: una voce non è mai soltanto un timbro. È un insieme di abitudini, pause, scelte istintive e micro-gesti che la rendono riconoscibile quasi quanto una faccia.

Poi la sessione è partita davvero, e il tempo per giocare a «indovina lo speaker» è finito all'istante.

---

Il copione volante e il rodaggio dei primi minuti

Nel lavoro quotidiano in solitaria c’è il lusso di avere un testo stampato o impaginato con calma: una comodità borghese a cui ci si affeziona in fretta. In una live session remota internazionale, invece, si naviga a vista.

Inizialmente c’era soprattutto il video. Il testo si recuperava guardando cosa succedeva dall'altra parte dello schermo: Pages aperto da una parte, Google Meet per vedersi, la DAW attiva per registrare e persone collegate da paesi diversi. La classica mattinata di produzione globale in cui tutti sanno esattamente cosa fare, tranne nei primi cinque minuti di inevitabile rodaggio.

Nel frattempo io scaldavo la frase: «Ehi, ma ho approvato io queste ferie?», cercando di darle una prima forma credibile.

---

Direzione di regia: la persona al posto dell'aggettivo

Poi è arrivata l'indicazione del regista. Il personaggio — un uomo che spunta dall'acqua a bordo piscina — doveva risultare leggermente fastidioso. Non cattivo, non una caricatura grottesca. Piuttosto una specifica tipologia umana: il collega dell'ufficio risorse umane che si materializza all'improvviso accanto alla tua scrivania per domandarti con un sorrisetto: «Hai mandato il modulo per la richiesta?».

Ecco. Questa è una direzione formidabile.

Il problema delle indicazioni generiche come "fammelo più simpatico", "più ironico" o "più naturale" è che contengono così tanto spazio vuoto da poterci parcheggiare un autobus. Chiederti invece di interpretare "il rompiscatole dell'HR che vuole sapere se hai compilato il modulo" genera immediatamente una persona in carne e ossa. Ed è infinitamente più facile interpretare un essere umano che rincorrere un aggettivo astratto.

Quando una regia funziona, non descrive come modulare la voce: descrive chi sei.

---

La trappola del riferimento inglese

Esisteva già la versione originale inglese dello spot. Il gioco, quindi, non consisteva nell'inventare da zero il personaggio, ma nel restare nello stesso universo narrativo. L'attore originale aveva una risatina iniziale, un'emissione aperta, quasi sguaiata, e quell'attacco caratteristico: «Hey…».

Davanti a una reference, la tentazione più comune è fare il calco. Ed è quasi sempre la via più rapida per ottenere una brutta copia di qualcosa che nella lingua di partenza funzionava a meraviglia. L'italiano ha un altro ritmo, altre consonanti, altre durate sillabiche e, soprattutto, un'altra maniera di sembrare spontaneo.

Il riferimento serve, ma serve come la fotografia sul menu del ristorante: ti fa capire cosa deve arrivare al tavolo, ma non significa che devi mangiare la fotografia.

---

Il peso specifico di una battuta di tre secondi

Durante la sessione è emersa un'osservazione molto lucida da parte della produzione: quella singola battuta conteneva, di fatto, tutto il personaggio.

In uno spot da quindici secondi non ci sono altre scene per raddrizzare il tiro. L'attore entra nell'inquadratura, dice la battuta ed esce. Se sbagli l'intenzione o il carattere nei primi due secondi, hai compromesso l'intera scena. Nella pubblicità vige questa regola spietata: più una parte è minuscola, più viene spontaneo considerarla semplice. In realtà è l'esatto contrario. In trenta secondi hai poco spazio per correggere; in tre secondi non ne hai affatto.

---

La guerra con la bocca e il decimo di secondo

La lettura funzionava, il tono piaceva, la risatina finale era a fuoco. Chiunque non faccia questo lavoro penserebbe: «Perfetto, abbiamo finito».

E invece è iniziata la fase più chirurgica: la sincronizzazione labiale.

L'uomo nel video apriva la bocca, e noi dovevamo fare i conti con la disciplina spietata del sync. La mia voce partiva un filo prima, poi un filo dopo. Poi sembrava allineata, poi subentrava il dubbio sulla latenza della connessione: «Sposta l'audio a sinistra. No, troppo. Torna a destra. Un po' indietro. Adesso? No, aspetta, rimetti in play». A un certo punto stavamo discutendo seriamente del momento esatto in cui un tizio sullo schermo iniziava a muovere le labbra.

Poi è comparso il vero protagonista della discussione: 0,1 secondi.

Un decimo. Una frazione temporale che nella vita reale non riusciremmo nemmeno a scandire. Eppure sul video si percepisce. O meglio: il pubblico non sentirà mai che l'attore audio anticipa di cento millisecondi l'apertura labiale; il pubblico si limiterà a provare una sensazione indefinita e pensare: «Mah». Quel «mah» è il nemico giurato di chi lavora nell'audiovisivo. Il mestiere tecnico consiste, per la quasi totalità, nell'eliminare i «mah».

---

Tempo matematico contro tempo percepito

C'era un'altra questione fondamentale. Subito dopo la mia battuta partiva immediatamente il narratore istituzionale. A livello di timeline potevamo incastrare tutto a filo, ma all'ascolto mancava qualcosa: un respiro.

La produzione verificava la versione inglese per misurare quanto fosse stretta la pausa originale. Ma c'è una distinzione su cui vale sempre la pena insistere: il tempo matematico e il tempo percepito non sono la stessa cosa.

Puoi allineare due eventi audio alla distanza teoricamente perfetta e ottenere comunque una sequenza che suona strozzata. Una pausa non serve solo a separare due waveform dentro una traccia: serve a dare allo spettatore il tempo di far concludere un pensiero prima che ne cominci un altro. Naturalmente devi fare i conti con il formato dei quindici secondi: il respiro è sacro, ma anche il piano media ha le sue esigenze inderogabili.

---

La nobile nevrosi del retake

A quel punto avevamo una registrazione ottima. Funzionava, era perfettamente sincronizzata, piaceva al cliente. Avremmo potuto chiudere la sessione.

E invece è scattata la classica proposta: «Finché siamo qui, facciamone un'altra».

È una delle nevrosi più sane e produttive del mestiere. Hai una take solida in cassaforte, ma ti domandi se non sia possibile tirarne fuori una ancora più brillante. A volte ci riesci; altre volte la take successiva è peggiore; altre volte ancora scopri che quella buona era proprio la prima, e hai impiegato dieci minuti per certificarlo scientificamente. Anche questa è esperienza: non significa fare sempre meglio al tentativo successivo, ma saper riconoscere la take giusta nel momento esatto in cui la riascolti.

---

L'arte di rendere invisibile l'artificio

Alla fine siamo tornati alla battuta iniziale:

«Ehi, ma ho approvato io queste ferie, eh?»

Pochi secondi. Per realizzarli come si deve abbiamo mobilitato sei persone attorno a questioni di carattere del personaggio, ritmo linguistico, risatina, sincrono labiale, pause di respiro e frazioni di decimi di secondo.

Dall'esterno questa parte del lavoro non si vede mai. Quando uno spot funziona davvero, nessuno deve accorgersi dell'impalcatura: il personaggio apre la bocca, la voce esce spontanea, strappa un sorriso, entra il narratore, compare il gelato. Tutto sembra naturale, ovvio, inevitabile. Come se fosse sempre stato così.

Per ottenere quella naturalezza, sei persone possono passare mezz'ora a discutere di un decimo di secondo. È un mestiere strano. Ma almeno il gelato era buono.

---

Guarda il video

La registrazione dal vivo della sessione di voiceover e della sincronizzazione: Live session nello spot in piscina: una frase, sei persone e un decimo di secondo

▶Riproduci