Đầu bên kia đang nhìn một căn phòng, nhưng không biết ai vừa lên tiếng. Cái giá thầm lặng của một camera đứng yên

Trong một cuộc họp trực tuyến, mất khả năng nhìn rõ ai đang nói không chỉ là chuyện hình ảnh. Đó là mất đi một nửa của giao tiếp, và phần lớn không ai nhận ra mình đang mất nó.

Hãy đặt mình vào vị trí một người đang dự họp từ xa. Trên màn hình của bạn là một khung hình rộng, quay toàn cảnh một phòng họp phía đầu cầu bên kia. Bạn thấy một cái bàn dài, và quanh nó là bảy tám người ngồi, mỗi người chỉ nhỏ bằng một đốt ngón tay trên màn hình của bạn.

Rồi một giọng nói cất lên. Một ý kiến quan trọng, có lẽ là một câu hỏi dành cho bạn. Nhưng bạn không biết nó đến từ ai. Bạn nhìn khắp cái khung hình rộng ấy, cố đoán xem miệng của ai đang mấp máy, người nào vừa hơi nhô người về phía trước. Đến lúc bạn định vị được thì câu nói đã trôi qua, và bạn đã bỏ lỡ nửa đầu của nó vì còn mải đi tìm cái mặt.

Đây là một trải nghiệm nhỏ, quen thuộc, và bị xem nhẹ đến mức gần như vô hình. Nhưng nó đang lấy đi của cuộc họp một thứ lớn hơn nhiều so với vẻ ngoài của nó.

Chúng ta giao tiếp bằng khuôn mặt nhiều hơn ta tưởng

Khi hai người nói chuyện trực tiếp, phần lớn ý nghĩa không nằm ở từ ngữ. Nó nằm ở khuôn mặt. Một cái nhíu mày cho biết người kia đang hoài nghi. Một nụ cười khẽ nói rằng họ đang đùa. Một khoảnh khắc ngập ngừng trên gương mặt báo hiệu họ chưa bị thuyết phục, dù lời nói có vẻ đồng ý. Chúng ta đọc những tín hiệu này liên tục, tự động, và chúng ta dựa vào chúng để hiểu nhau thật sự chứ không chỉ nghe câu chữ.

Một camera đứng yên quay toàn cảnh đã lặng lẽ tước đi toàn bộ lớp thông tin đó của người ở đầu cầu xa. Họ nghe được lời, nhưng không đọc được mặt. Người đang nói chỉ còn là một chấm nhỏ vô danh trong một khung hình rộng. Và một cuộc họp mà một bên không đọc được biểu cảm của bên kia là một cuộc họp bị bịt mất một mắt, dù không ai gọi tên được cảm giác thiếu hụt ấy.

Hệ quả tích lũy còn tệ hơn từng khoảnh khắc lẻ: người ở xa dần thấy mình như khán giả xem một sân khấu từ hàng ghế cuối, thay vì một người tham dự ngang hàng. Họ ngại chen vào, ngại hỏi lại, vì họ luôn chậm một nhịp trong việc biết chuyện gì đang diễn ra và ai đang nói. Dần dần, những đầu cầu ở xa im lặng hơn, đóng góp ít hơn, và cuộc họp vô tình trở thành cuộc họp của những người ngồi trong phòng, với vài khán giả câm lặng ở xa.

Cái mà một hệ thống tốt làm, mà một camera đơn lẻ không làm được

Điều thú vị là vấn đề này đã có lời giải, và lời giải không nằm ở việc mua một camera có độ phân giải cao hơn. Một camera sắc nét quay toàn cảnh vẫn chỉ cho bạn một chấm nhỏ rất nét. Lời giải nằm ở chỗ khác: ở việc camera biết ai đang nói và chủ động hướng về người đó.

Trong một hệ thống được thiết kế đúng, hình ảnh và âm thanh không phải hai thế giới tách rời. Chúng nói chuyện với nhau. Khi một người bắt đầu nói, chính hệ thu âm thanh nhận ra tiếng nói đang đến từ hướng nào, và nó mách cho camera biết cần nhìn về đâu. Camera khi đó tự động lấy nét vào đúng người đang phát biểu, đưa khuôn mặt họ lại gần, để người ở đầu cầu xa thấy rõ ai đang nói và đọc được biểu cảm của họ, đúng như thể đang ngồi đối diện. Khi người khác lên tiếng, khung hình lại chuyển sang họ. Cuộc trò chuyện ở xa được trả lại nhịp điệu tự nhiên của một cuộc trò chuyện thật.

Mấu chốt nằm ở chữ phối hợp: camera một mình không đủ thông minh để biết ai đang nói, và micro một mình thì không có hình. Chỉ khi hai hệ được ghép lại và thiết kế để cùng làm việc, thì cái camera mới thôi đứng yên vô cảm và bắt đầu kể đúng câu chuyện cho người ở xa. Đây không phải là tính năng của một món đồ, mà là kết quả của một cách tích hợp.

Cái nhìn mang về

Một camera đứng yên quay toàn cảnh trông có vẻ vô hại. Nó vẫn cho ra hình ảnh, phòng vẫn hiện lên màn hình, không có gì hỏng rõ ràng. Nhưng cái nó âm thầm lấy đi là khả năng của người ở xa được nhìn thấy đồng nghiệp của mình như những con người có biểu cảm, thay vì những chấm nhỏ vô danh. Và trong một thế giới mà ngày càng nhiều quyết định quan trọng được đưa ra với một nửa số người ngồi ở đầu cầu xa, đó là một mất mát đắt hơn nhiều so với vẻ ngoài của nó.

Trả lại cho người ở xa cái quyền được nhìn rõ ai đang nói cần nhiều hơn một chiếc camera tốt. Nó cần một đơn vị thiết kế hệ thống sao cho hình và tiếng phối hợp với nhau, biết ghép khả năng định hướng của âm thanh với khả năng lấy nét của camera, và tinh chỉnh tất cả cho đúng hình dạng thật của căn phòng bạn. Đó là khác biệt giữa việc mua một camera và việc có một cuộc họp nơi mọi người, dù ngồi trong phòng hay cách nửa vòng trái đất, đều được nhìn thấy và được tham gia ngang nhau. Nếu các đầu cầu ở xa của bạn đang dần im lặng, có thể vấn đề không phải là họ không có gì để nói, mà là họ đã mệt vì không bao giờ biết chắc ai đang nói. Và đó là một điều có thể sửa được.