Il sarto, il manichino e la voce artificiale

Una volta il cliente veniva in studio. O tu andavi da lui. Si beveva un caffè, qualcuno diceva che il testo era definitivo, cinque minuti dopo si cambiava il testo e cominciava il lavoro.

C'era il regista. C'era il cliente. C'era quello dell'agenzia che magari non parlava per mezz'ora e poi diceva: «La seconda mi piaceva di più.» Quale seconda non era sempre chiarissimo. Però eravamo tutti lì. Oggi arriva una mail. Dentro c'è un link. Dentro il link c'è un video. Dentro il video c'è una voce generata dall'intelligenza artificiale. E tu devi capire cosa volevano dire. Il progresso ha eliminato moltissimi passaggi inutili. Ha eliminato anche alcune persone.

Il manichino parla

La reference che avevo ricevuto non era male. Ed è proprio questo il problema. Se fosse stata evidentemente sbagliata sarebbe stato facile. «Va bene, ho capito cosa volete, adesso facciamolo funzionare.» Invece funzionava. Aveva un ritmo. Aveva una cadenza. Aveva stabilito quanto doveva durare una frase e dove doveva cadere quella dopo. Non necessariamente perché avesse capito il testo. Anzi. In alcuni punti il senso sembrava essere rimasto fuori dalla porta. Ma le misure c'erano. Mi sono trovato nella situazione abbastanza curiosa di un sarto al quale arriva un vestito già cucito su un manichino. Il cliente dice: «Lo voglio così.» Tu provi a spiegare che una persona ha spalle, schiena, modo di camminare. Ma ormai il metro è stato preso sul manichino. Quindi inizi da lì.

L'intelligenza artificiale non aveva capito niente

Una frase diceva: «Guardati intorno. In un mondo che sgomita per apparire, la tua ambizione è un'altra.» Qui io vedevo qualcosa. “Guardati intorno” non è semplicemente la prima riga. È un invito. Deve succedere qualcosa. Poi arriva il mondo che sgomita per apparire. Poi: “la tua ambizione è un'altra.” C'è una piccola costruzione. Domanda, spazio, risposta. La reference artificiale invece possedeva soprattutto il ritmo. Era stata usata probabilmente per dare una forma temporale al video. Perfettamente legittimo. Solo che a quel punto il montaggio cominciava a dipendere da una voce che non aveva necessariamente interpretato il testo. E quindi accade la cosa buffa. Chiamano un essere umano perché dia senso alla voce. Ma l'essere umano deve restare dentro le misure stabilite dalla voce che il senso non ce l'aveva. È una forma molto moderna di libertà.

Il feedback senza persona

Faccio le prime versioni. Le mando. Aspetto. Arriva una mail. “Meglio la versione 2.” Bene. “Non male la versione 4.” Benissimo. Sto vivendo un trionfo. Quando qualcuno ti scrive “non male”, il problema è capire quale sia il complemento sottinteso. Non male rispetto alle altre? Non male per essere lunedì? Non male considerando che sei tu? In una sessione live avrei detto: «Cos'è che ti piace della due?» Risposta immediata. «L'attacco. Ma chiudi un po' di più la fine.» Perfetto. Fatto. Invece la mail trasforma ogni frase in un menù al ristorante: “Vorremmo un crescendo.” Quanto? “Più incisivo.” Dove? “Un po' più flat.” Flat rispetto a cosa? "poco sale, sa, per la pressione!"

Cominci a ricostruire l'ordinazione e a immaginarti il cliente dalle impronte lasciate in un documento elettronico. Non è necessariamente un cattivo sistema. È semplicemente un altro mestiere. Immaginare l'umano che sta dall'altra parte, intuire le sua reazioni perché non puoi sentirle nell'aria, nelle esitazioni delle parole, nel tono della voce. In una sessione dal vivo di persona oppure on line, filtrano le sensazioni. L'istinto annusa l'aria. Ma ottenere risposte da un foglio, magari riscritto più volte, è pura archeologia, devi indovinare, fare la prova del carbonio 14 e ipotizzare basandoti sull'esperienza, sui dati recenti, sulla media dei risultati attesi, sul ginocchio che ti fa male e cambia il tempo.

Per questo rompo sempre le palle con le sessioni live

Ogni volta che un cliente mi manda correzioni del genere io propongo: «Se vuoi facciamo una sessione.» Ci mettiamo lì. Mi dici cosa vuoi. Io lo faccio. Tu dici no. Lo rifaccio. Dici sì. Fine. Cinque minuti. E ogni volta che lo propongo mi sembra la cosa più logica al mondo. Ma... ma... durante questa registrazione, mi è venuto un dubbio. Magari non gliene frega niente. Non in senso offensivo. Proprio nel senso più semplice possibile. Per il cliente questa voce è una delle moltissime cose che deve risolvere. Ha una campagna. Un montaggio. Un cliente sopra di lui. Una consegna. Un media plan. Una riunione fra venti minuti. Magari ascolta le mie quattro take mentre mangia un panino, risponde a WhatsApp e guarda una presentazione. Due. No. Quattro. Non male. Questa più secca. Invia. E continua la giornata.

Io invece vorrei convocare tutti in una stanza e discutere della seconda sillaba di “ambizione”. Forse il problema sono io.

Il sarto non pretende che tu rimanga in negozio

Se vai da un sarto, all'inizio prende le misure. Poi te ne vai. Non rimani accanto alla macchina da cucire a dirgli: «Interessante quella cucitura.» Gli hai detto cosa vuoi. Lui lavora. Torni. Provi il vestito. Se c'è qualcosa da correggere, corregge. Perché nel voiceover dovrebbe essere necessariamente diverso? Io continuo a pensare che la sessione live produca spesso un risultato migliore. La comunicazione è immediata. Puoi capire un'intenzione mentre nasce. Puoi proporre qualcosa che nessuno aveva previsto. Puoi accorgerti che una frase scritta in un certo modo non funziona e cambiarla prima di produrre dodici versioni sbagliate. Tutto vero. Ma c'è anche una parte meno nobile. A me piace che ci siano. Mi piace il cliente. Mi piace il regista. Mi piace fare una cosa, sentire una reazione e farne immediatamente un'altra. Sono un esibizionista. Dopo tanti anni sarebbe abbastanza ridicolo scoprirlo adesso. Lo so e basta.

Forse non vogliono un artista

C'è una parola che nel nostro mestiere usiamo volentieri: interpretazione. È una bella parola. Ci mette dalla parte dell'artista. Io interpreto. Propongo. Costruisco il personaggio. Cerco il sottotesto. Tutto vero. Ma ogni tanto il cliente non vuole essere accompagnato in un viaggio creativo. Vuole il file. Possibilmente giusto. Possibilmente oggi. E qui cominciano i problemi dell'ego. Perché se il cliente mi manda: il testo; una reference; quattro indicazioni; una durata; ... e io sono in grado di consegnargli esattamente quello che serve, forse ho fatto bene il mio mestiere. Anche se nessuno mi ha visto farlo.

Auto-dirigersi non significa fare quello che ti pare

La parte difficile arriva quando devo trasformare “più crescente”, “più flat” e “chiudi la battuta” in una registrazione. A quel punto non c'è nessuno a dirigermi. Devo farlo io. E qui c'è una distinzione importante.

Auto-dirigersi non vuol dire: «Io sono l'artista, quindi faccio come sento.» È quasi il contrario. Vuol dire diventare temporaneamente anche il tizio dall'altra parte del vetro. Ascoltare quello che stai facendo senza innamorartene. Capire dove hai ignorato un'indicazione. Chiederti perché hai fatto una pausa. Perché sei salito. Perché hai sottolineato una parola. Se la risposta è: «Perché mi piace», non è necessariamente una buona risposta.

Quattro pezzi, non quattro interpretazioni

A un certo punto ho smesso di pensare allo spot come a una cosa unica: l'ho diviso. Primo blocco: “Guardati intorno…” Secondo. “È la libertà di cambiare idea…” Terzo. “306 cavalli, ibrido con doppio motore elettrico, trazione integrale intelligente.” Quarto. “Questa libertà ha un nome…”

Ogni blocco aveva un lavoro diverso. Il primo poteva essere interpretato. Il secondo doveva crescere. Il terzo doveva essere più asciutto, quasi elenco. Il quarto doveva chiudere. Quindi ho fatto diverse versioni per ogni pezzo. Non per scaricare sul cliente venticinque file e dirgli: «Scegli tu.» Quella non è libertà. È delega. Se mandi tutto quello che hai registrato, stai chiedendo al cliente di fare una parte del lavoro che dovresti fare tu. La selezione viene prima. Io devo scegliere le alternative che hanno un senso. Poi lui può scegliere fra quelle.

Perché tanto monteranno tutto a pezzi

Qui c'è un'altra piccola ferita all'ego dello speaker. Tu immagini una bella interpretazione. Un arco. Una partenza. Una crescita. Una chiusura. Tutto collegato. Poi il montatore prende l'attacco della take 2, il centro della 4, la scheda tecnica della 1 e la chiusura della 3. Ed è giusto così. Perché il prodotto finale non è la mia interpretazione. È lo spot. Questo cambia anche il modo di registrare. Le parti devono poter vivere separatamente. Gli attacchi devono essere puliti. Le chiuse devono essere utilizzabili. I respiri non devono rendere impossibile un taglio. Le intenzioni devono essere coerenti abbastanza da poter essere montate insieme. Il mio meraviglioso arco interpretativo esiste soprattutto nella mia testa. Il montatore ha una timeline.

Trecentosei cavalli

Poi arriva la scheda tecnica. «306 cavalli, ibrido con doppio motore elettrico, trazione integrale intelligente.» Il cliente la vuole più flat. Meno enfatica. Tre elementi ben separati. Giusto. Però “flat” non significa morto. Trecentosei cavalli sono comunque trecentosei cavalli. È difficile non visualizzare almeno per un secondo trecentosei equini chiusi dentro una concessionaria. Probabilmente non aiuta l'interpretazione. Però aiuta me. La scheda tecnica è la conseguenza della promessa precedente. Hai parlato di libertà. Adesso mi dici con cosa la costruisci. Quindi il tono scende. Diventa concreto. Ma non può trasformarsi nella lettura dell'etichetta energetica di un frigorifero. È qui che una voce umana può ancora fare qualcosa che la reference non aveva fatto. Collegare le parti. Dare una ragione al ritmo.

E l'intelligenza artificiale?

A questo punto sarebbe molto facile concludere: «Vedete? L'AI rovina tutto.» Ma non sarebbe quello che è successo. La voce artificiale è stata utile. Ha permesso di costruire un riferimento. Ha dato una durata. Ha probabilmente consentito al cliente e al montatore di ragionare sullo spot prima ancora che io arrivassi. Il problema non è lo strumento. Il problema comincia quando il provvisorio diventa lo standard. Quando ci abituiamo così tanto alla cadenza della reference da iniziare a considerarla quella corretta. Non perché sia migliore. Perché l'abbiamo sentita prima. L'orecchio è un animale abitudinario. La prima versione che ascolti abbastanza volte comincia lentamente a diventare “come deve essere”. Succede con una demo musicale. Succede con un montaggio provvisorio. Adesso succede anche con una voce sintetica.

Le balle di fieno non hanno tempo per la pippa più grande del mondo

A un certo punto durante il lavoro mi sono reso conto che stavo costruendo una teoria gigantesca intorno a una situazione piuttosto semplice. Il cliente aveva mandato delle indicazioni. Io dovevo registrarle. Fine. Fuori metaforicamente rotolavano le balle di fieno. Il mondo continuava a girare senza particolare interesse per la mia crisi sul ruolo dell'artista nell'epoca dell'intelligenza artificiale. E questa è forse la parte che mi è servita di più. Perché è facilissimo trasformare ogni cambiamento del mestiere in una questione esistenziale.

Una volta il cliente veniva in studio. Ora manda WeTransfer. Una volta dirigeva personalmente. Ora scrive “più flat”. Una volta il riferimento era un altro speaker. Ora può essere una voce generata. Sono cambiamenti reali. Alcuni mi piacciono. Altri meno. Ma forse non tutti richiedono un funerale.

Il cliente non deve assistere al lavoro perché il lavoro abbia valore

Continuo a preferire le sessioni live. Non ho cambiato idea. Sono più veloci quando la direzione è complessa. Sono più creative. E soprattutto mi diverto di più. Ma “mi diverto di più” e “il risultato è necessariamente migliore” non sono la stessa frase.

Questo lavoro è nato dentro gli studi. Adesso molto spesso avviene fra persone che non si vedono mai. Non significa necessariamente che sia diventato peggiore. Significa che una parte della responsabilità che una volta apparteneva alla stanza è finita dentro lo studio del singolo professionista. Prima qualcuno ti dirigeva. Adesso devi spesso interpretare anche le indicazioni. Prima qualcuno selezionava. Adesso devi mandare materiale già sensato. Prima il confronto avveniva mentre lavoravi. Adesso può arrivare sei ore dopo dentro una mail di tre righe. È meno romantico. Ma richiede forse più autonomia.

Alla fine ho seguito la strada

Nel video a un certo punto dico una cosa che all'inizio non mi piace affatto: devo seguire la strada che mi hanno dato. Perché istintivamente vorrei cercarne una migliore. Più naturale. Più mia. Più sensata. Poi però capisco che il lavoro non consiste necessariamente nel convincere il cliente che la mia strada sia quella giusta. Consiste anche nel capire bene la sua. E percorrerla con gli strumenti che ho, magari correggendo una curva, mettendo un po' di senso dove la reference aveva soltanto ritmo. Facendo respirare una parola. Separando tre elementi. Chiudendo davvero l'ultima battuta. Non è resa all'AI. È mestiere che entra in gioco come sempre dove serve perché il mondo continua a girare e non ti chiede dove vuoi andare, ti ci porta.

L'intelligenza artificiale aveva preso le misure del vestito. Io dovevo farci entrare una persona. Possibilmente senza lamentarmi troppo del fatto che nessuno fosse venuto in sartoria a guardarmi cucire.

---

Guarda il video

Guarda su YouTube.

▶Riproduci