... نظر به آنکه هوا جسمی سنگین و متعاقباً (براساس نظام اپیکوری) پیوسته در حال نزول است، اگر تحت فشار بار کلمات قرار بگیرد، لزوماً سریع‌تر نیز نزول خواهد کرد؛ چراکه کلمات خود نیز بدن‌هایی بسیار سنگین و بسیار متراکمند، اگر مبنای قضاوتمان را تأثیر عمیقی قرار دهیم که آنها در ما ایجاد کرده و باقی می‌گذارند. بنابراین باید آنها را از ارتفاع خاصی پرتاب کرد، در غیر این صورت نه می‌توانند جهت درستی بگیرند و نه با نیروی کافی به زمین بیفتند.

سوییفت

می‌خواهم سازوکار صدا در یکی از صحنه‌های آغازین فیلم شاید شیطان روبر برسون (1977) را شرح دهم. صحنه‌ی موردنظر صحنه‌ای است که در آن شارل و دوستانش وارد یک کلیسا شده (پیش از این آنها را دیده‌ایم که در یک گردهمایی سیاسی هو شده و سپس محل را ترک می‌کنند) و بلافاصله درگیر بحثی نسبتاً ملال‌آور می‌شوند ــ وتماشاگر هم همراه آنها ــ و فوراً متوجه می‌شویم که موضوع بحث کلیسای پساشورایی است. این صحنه، یا بهتر بگوییم، این قطعه (چراکه خیلی وقت است که دیگر در فیلم‌های برسون «صحنه»ای وجود ندارد) را چگونه باید از لحاظ صدا توصیف کرد؟

*هیچ چیزی این صحنه را از پیش اعلام نمی‌کند. بیننده به هیچ وجه پیش‌بینی نمی‌کند که اوضاع به چه سمت و سویی پیش می‌رود. سریعاً به میانه‌ی یک مناقشه (زیاده از حد سریع برای کسانی که فیلم را دوست نداشته‌اند) پرتاب می‌شویم و از آنجایی که این مناقشه به همین میانه فروکاسته شده، فوراً غیرطبیعی جلوه می‌کند.

*در این مناقشه هیچ دو طرف مشخصی وجود ندارد. هریک مخالف دیگری‌ است. بهتر است آن را چرخه‌ای از چند نطق انفرادی بنامیم تا یک مناقشه و این نطق‌ها زامبی‌وار و بی‌حس‌و‌حال، اما در عین‌حال برانگیزاننده ایراد می‌شوند. یا چه بسا باید آن را مجموعه‌ پرسش‌های بی‌وقفه‌ای نامید که واکنش یا پاسخی را انتظار نمی‌کشند.

*همه صحبت می‌کنند، اما هر کس تنها یک جمله بر زبان می‌آورد. هر کدام از این جملات توسط نُت بلند و کشدار اُرگ نشان‌گذاری می‌شود. به نظر می‌رسد که شور و حرارتی که کلامِ آنها فاقد آن است، به این تقطیع خشونت‌آمیز منتقل شده باشد. پیش از این در نمای کوتاهی، نیم‌نگاهی به نوازنده‌ی اُرگ داشتیم که پشت ساز خود نشسته و درپوش آن را بر‌می‌داشت.

*به جز این دو صدا، یعنی صدای اُرگ از بالا و صدای مناقشه از پایین و هر یک بی‌توجه به دیگری، صدای سومی هم هست، صدای جاروبرقی که در حال جاروکردن فرشی قرمز است.

چه چیزی این قطعه از فیلم را منسجم نگه می‌دارد؟ نخ پیوستگی و منطقش کجاست؟ نه در روانشناسی فرضی کاراکترها (شارل ظاهراً تصمیم گرفته‌است به این مناقشه بپیوندد) و نه در دراماتیزه کردن آن (او قرار است در آن مداخله کند). این منطق در جای دیگری است، یعنی در این امر که از لحظه‌ای که شارل و دوستانش وارد کلیسا می شوند، گرفتار سازوکارِ صداییِ پیش‌بینی‌ناپذیر و نامتجانسی (مونتاژی از صدای مناقشه، صدای اُرگ، و صدای جاروبرقی) می‌شوند، که عملاً اختیار آنها را به‌دست می‌گیرد. این ناهمگونیِ [صدایی] برسونی شامل سه رکن است: بالا (اُرگ)، پایین (مناقشه) و رکن سومی که تضاد بین بالا و پایین را برهم می‌زند، یعنی امر پیش‌پاافتاده‌ (جاروبرقی). تمام کاری که تازه‌واردها می‌توانند انجام دهند اضافه کردن سروصدای خودشان به این سازوکار صدایی، یا به بیان دقیق‌تر به این آشوبی است که «سوژه»ی حقیقی فیلم است. یا همان‌طور که گدار در اینجا و جای دیگر می‌گوید: صدا از همان ابتدا بیش از حد بلند بوده است.

چیزی متناقض در مورد  شاید شیطان وجود دارد. برسون هیچگاه این‌چنین دغدغه‌ی امروزی بودن نداشته است و در عین حال هرگز هم این‌طور غضبناک و رادیکال تحقیرش نسبت به گفتار را برجسته نساخته است. نه تنها چون گفتار و سخنوری‌ ناگزیر راه به تئاتر می‌برد (تأکید و پاتوس[1]) که به موجب آن «مدل»‌ها به بازیگر و اجراگر تئاتری بدل می‌شوند، بلکه همچنین چون هرگونه گفتاری، از آنجایی که رو به ابتذال (یا بدتر، تهذیب و پرورش‌) دارد، یک فرستنده‌ی [صوتی] را پیش‌فرض می‌گیرد و به باور برسون فرستنده‌ی انسانی یک سازوکارِ صوتیِ ناکامل و مضحک است.

سلسه‌مراتبی صوتی‌ وجود دارد که در آن گفتار و سخن‌وران پایین‌ترین سطح را اشغال می‌کنند. شارل در مسیر جلجتای جذابش با چندتایی سخن‌ور مواجه می‌شود، از فروشنده‌ی کتابی که در سردابه‌ی کلیسا «موعظه‌ی براندازی» سرمی‌د‌هد گرفته تا دکتر میمِ وصف‌ناپذیر، روانکاو بزرگ. اگر این سخن‌وران (قطعاً) محکوم هستند، به این دلیل است که استدلال‌گرانی بدون طنینند. سخنشان ملال‌انگیز، بی‌رنگ و لعاب، و متکلفانه است. رویکردشان در قبال پول نیز مشابه است: به آن دسته چکی فکر کنید که کتابفروش می‌خواست با آن دختر (آلبرت) را بخرد، یا به کپه‌ای از اسکناس‌ها و چک‌هایی که در کشوی نیمه‌باز میز دکتر میم اجمالاً می‌بینیم. در اسکناس چیزی جامد، زننده و بی‌صدا وجود دارد، چیزی که اگر دوباره به صحنه‌ی «تمثیلی» فیلم نگاهی کنیم، می‌توانیم کامل‌تر به چنگش بیاوریم، صحنه‌ای که ملاقات دوم از کلیسا را نشان می‌دهد. هنگامی که ولنتین تحت شرایطی (او تحت تأثیر مواد است) همراه شارل به کلیسا می‌رود با نمودی از توهین به مقدسات (ولنتین صندوق اعانه را می‌شکند) و وانموده (شارل در گرامافونی مونته‌وردی پخش می‌کند) است که جرنگ جرنگ سکه‌ها و طنین موسیقی، استعاره‌ی طلا/صدای انسان را تحقق می‌بخشد.

استدلال‌گر دیگر میشلِ بوم‌شناس است. او یک فیگور نمونه‌وارِ برسونی است: «بهترین دوست». کسی که گفتارهای اخلاقی و پرورشی سر می‌دهد و معمولاً از نظر جنسی (و نه عشقی) دلخواه قهرمان زن فیلم است، وضعیتی که او از آن بهره می‌برد (مانند ژاک، نقشِ دوست در فیلم جیب‌بر). در شاید شیطان، میشل روی فیلمی در مورد بوم‌شناسی و طرفداری از محیط‌زیست کار می‌کند که می‌بینیم آن را برای گروهی از دوستانش نمایش می‌دهد (یا گویا آنها هم در ساخت فیلم نقشی دارند). برخی از منتقدان این صحنه را به سخره گرفته‌اند، چون آن را گواهی می‌بینند از برسونی سالخورده که حاضر است دست به هر کاری بزند تا تصویر فرضی‌اش‌ از جوانی را باورپذیر جلوه دهد. اما این صحنه می تواند هر چیزی باشد جز ساده. فیلمِ میشل صامت است و او و دوستانش در حالی که فیلم در حال پخش شدن است، گفتار [commentaire] آن را «می‌گویند». این بهترین نمونه‌‌ی چیزی است که پاسکال بونیتزر از آن به عنوان comment-taire [در زبان فرانسه: چطور سکوت کنیم] تعبیر می‌کند: آنها این گفتار را می‌خوانند، آن را تمرین می‌کنند و به‌سختی و مِن‌مِن‌کنان ادا می‌کنند. آنچه می‌بینیم چیزی جز روند ساخت یک صدای روی تصویر[2] نیست.

کیفیت آزاردهنده‌ای در تناوب بین تصاویرِ فیلم درون فیلم (ودر خشونتِ بی‌واسطه‌شان: شستن تانکر نفت، گِل-آبه‌ی قرمز، سلاخی یک بچه فُک) و حرکت دست‌های راویان فیلم وجود دارد، دست‌هایی که چراغ‌قوه‌هایی در اختیار دارند تا کلمات روی کاغذ را که قرار است از رو یا از بر خوانده شوند تشخیص دهند، کلماتی که قرار است بر روی تصاویر چسبانده شوند. این نهایت جسارت برسون است که جوانان خوش‌پوشی را نشان می‌‌دهد که در مواجهه با تصاویر آرمان و هدف خودشان [طرفداری از محیط‌زیست]، تنها می‌توانند با گفتار یکنواخت و بی‌رمقی پاسخ بگویند که از پیش در وجود آنها طنین‌انداز نمی‌شود و مجابشان نمی‌کند. به اندازه‌ی کافی در کایه دو سینما در مورد قابلیت مبهم صدای «روی تصویر» گفته شده است (خواهیم دید که چرا آن را داخل گیومه قرار داده‌ام) که باعث می‌شود از دیدن چیزی که مقابل چشمانمان روی می‌دهد، جا بخوریم: شکاف بین خشونت صامت تصاویر و گفتارِ بی‌روح و بی‌تفاوتِ صدا، بین فریاد خاموش ِ تصاویر تابناک و صدای «مخفی شده» در تاریکی.

در اینجا ما با ناتوانی گفتارهای انسانی (و صداهایی که حامل آنها هستند) برای تاب‌آوردنِ خشونت جهان روبرو هستیم. بدبینی برسون آن‌قدرها هم موضوع جدیدی نیست، فقط در شاید شیطان، این بدبینی صرفاً عریان‌تر است. روشن است که مسئله این نیست که شارل دنبال چه می‌گردد (جستجویش) یا چه فکری می‌کند (عقایدش). مهم نیست که با نهضت بوم‌شناسی یا با رژیم غذایی ماکروبیوتیکی مخالف است یا نه. مناقشه بر سر نظرات همواره در برابر پیش‌زمینه‌‌ و سازوکار صداییِ کرکننده‌ای صورت می‌گیرد (فریادها در سردابه، درختانی که قطع می‌شوند)؛ صداهایی با دسیبل بالا. صدا همیشه زیاد از حد شدید است. و اگر میشل از چشمان شارل می‌افتد، به این دلیل نیست که بریدن درختان (که شارل با آن موافق است) با عقاید بوم‌شناختی او تناقض دارد، بلکه به این دلیل است که صدای مهیبی که درختان در حال افتادن ایجاد می‌کنند تمام مناقشه را از پیش بی‌معنا می‌سازد، چرا که غیرقابل شنیدن است.

این هم از «ماتریالیسم» برسون: تا آنجایی که به گفتار مربوط است، این گوش است و نه مغز که تصمیم می‌گیرد. صدا(ی انسان) تنها یک نویز است، آن هم یکی از ضعیف‌ترین گونه‌هایش و آنچه شارل می‌خواهد این نیست که متقاعد شود (زیرا او از فضیلت خودش مطمئن است) یا اینکه متقاعد کند (از آنجایی که آماده است تقریباً هرچه شد بگوید تا فقط آخرین کلام از آنِ او باشد)، بلکه می‌خواهد مغلوب شود و در منطق بدن‌های صدادار، او تنها به وسیله‌ی نویزی بلندتر از همه‌ی نویزها می‌تواند مغلوب شود: یک گلوله در آب و سپس در پشت گردن.

بنابراین، با اینکه شاید مأیوس‌کننده به نظر برسد، باید این پرسش را از سر بیرون کرد که آیا شارل نمادی از «جوانان امروز» از دید مؤلف فیلم است یا نه. این‌طور نیست که توجه برسون تازه در کهنسالی به جوانان جلب شده باشد؛ جوانی همیشه تنها سوژه‌ی موردعلاقه‌ی او بوده است. «مدلِ» برسونی هرگز بیشتر از سی سال ندارد. بهتر است شارل را به مثابه‌ یک بدن صدادار در میان دیگر بدن‌ها مطالعه کنیم ـ یک مورد انتخابی.

در اصل، شارل تنها به یک چیز اهمیت می‌دهد: صاحب کلامِ آخر بودن ـ اما نه با منشِ سخنگوی چرب‌زبانی که روشنفکرانه در گفتگوها پیروز می‌شود، بلکه بیشتر با منش یک طوطی. در میان سروصدای ماشین‌های عنان از کف‌داده او مالک کلامِ آخر است تنها به این خاطر که هرگز صاحب کلامِ اول نیست. او بهترین نمونه‌ی قابل مقایسه با الهه‌ی کوچک (نیمف) اِکو است، کسی که اووید[3] در موردش این چنین می‌گوید: «نمی‌تواند اول از همه صحبت کند| نمی‌تواند وقتی با او حرف می‌زنند ساکت بماند| و تنها کلمات آخرِ صدایی که به‌ گوشش خورده را تکرار می‌کند.»

قهرمان ـ الهه‌ی برسونی که یک فرستنده دریافت‌کننده‌ی ضعیف است - تنها وقتی می‌تواند در برابر این صدای بیش از حد شدید مقاومت کند که همچون آن کلیسای کاملاً خالی، یک معبر ناب و یک جعبه‌ی صوتی باشد. در نطق غرا و متظاهرانه‌اش با دکتر میم، تمام آنچه شارل می‌تواند انجام دهد این است که فهرستی از «هراس»های تمدن مدرن را از روی برگه‌ای که از مجله‌ای جدا کرده است با صدای خشن یک آدم خودپسند و برافروخته بخواند. تنها می‌تواند تکرار کند. زندگی برای شارل (پیش از آنکه حق مرگش را با ولتنین آرام معامله کند) آن است که این جهانی که صداهایش برای او زیادی بلند است را، بدون گفتار، بدون آنکه حتی دهانش را باز کند، خودبه‌خود به طنین درآورد و با هیاهوی آن همراه شود. این شکلی سنتی از مقاومت است. بچه‌مدرسه‌ای‌ها با این موضوع آشنا هستند: با دهان بسته‌ همهمه ‌کردن. البته با نوعی نوستالژی مذهبی هم مرتبط است: در قرون وسطا، عبارات موسیقی‌ای را که تنها با یک دم ادا می‌شدند را neume می‌نامیدند ـ بدون باز کردن دهان. چراکه اگر دهان باز می‌شد، چه چیز می‌توانست وارد آن شود؟ شاید شیطان.

تارهای صوتی می‌توانند در غیاب هر گونه جریان هوایی و تحت تأثیر صرفِ محرک‌های عصبی به ارتعاش در آیند. ـ مولونگه و پورتمن

بنابراین لازم است لحظه‌ای گریزی بزنیم به بررسی صدا(ی انسان). در اصطلاح لکانی، صدا(ی انسان) یک ابژه‌ی «a»، و یکی از ابژه‌های جزئی‌اش دهان است. اما صدا(ی انسان) منحصراً در دهان تولید نمی‎شود. همیشه از جایی خیلی عمیق‌تر و پایین‌تر سرچشمه می‌گیرد. صدا(ی انسان) کل بدن را درگیر می‌کند.

آنچه صدای سینمایی را متمایز می‌کند این است که این صدا می‌تواند یک همزاد بصری داشته باشد، مانند سایه‌ای که آن را طعمه‌ی خود کرده باشد. به نظر نمی‌رسد که صدا هیچ‌وقت به اندازه‌ی زمانی که بیرون می‌آید و از میان پیچ و خط لب‌ها از بدن خارج می‌شود، محسوس‌ و به چنگ‌آوردنی باشد. این مجاز مرسل بسیار مهم است: آنچه دیده می‌شود (لب‌های جنبان، دهان باز، زبان و دندان‌ها) واقعیتِ آنچه که هم‌زمان شنیده می‌شود را توجیه و تصدیق می‌کند. برای انتساب یک بدن به یک صدا جز اطمینان حاصل کردن از این همزاد بصری راه دیگری وجود ندارد: این همزاد بصری است که در مورد واقعیتِ آنچه ذاتاً نادیدنی باقی می‌ماند، داوری می‌کند. سینمای صامت از این مجاز مرسل تغذیه کرده است (نه دودی بدون آتش، نه لب جنبانی بدون صدا)، مجاز مرسلی که به استعاره بدل شد (زیرا این میان‌نویس‌ها بودند که جای صدا را گرفتند). همان‌طور که آن ماری میویل در اوضاع چطوره؟(1978) می‌گوید، نگاه است که هدایت می‌کند. با کمک نگاه است که وقتی فیلمی بد همگام [سینک] یا دوبله شده‌باشد از مغایرت بین تصویر و صدا شکایت می‌کنیم. اما برای اینکه این اعتراض‌ کاملاً معنادار باشد، باید ببینیم که آیا می‌توانیم تشخیص بدهیم که یک پا یا یک کمر[4] بد همگام شده یا خیر. مسلماً این پرسش از زمان برسون به بعد مطرح می‌شود، چراکه وی یکی از اولین کسانی بود که بدن‌ چند تکه‌یِ [مدل‌هایش] را تبدیل به سایه‌ی صدا(ی انسان) و همزاد بصری آن کرد.

برسون در یادداشت‌هایی در باب سینماتوگرافی می‌نویسد: «دوبله‌کردن امری خام‌دستانه و ساده‌لوحانه است. صداهایی غیرواقعی، ناهماهنگ با حرکت لب‌ها و ناهمگام با شش‌ها و قلب، صداهایی که از دهان‌های اشتباه بیرون آمده‌اند.» برسون یکی از آن فیلمسازانی است (و همینطور ژاک تاتی) که همواره بر نوعی رئالیسم صدا اصرار داشته‌اند و در این زمینه بر بسیاری از فیلمسازان نوآور موج نوی فرانسه تأثیر عمیقی گذاشت. در عین حال، باید توجه داشت که او نه تنها از لب‌ها و دهان بلکه از شش‌ها و قلب نیز می‌گوید. اگرچه او بر رئالیسم اصرار می‌‌ورزیده، اما هرگز وسواس ضبط مستقیم صدا را نداشته است؛ در عوض، او بر پساهمگام‌سازی خیلی دقیقِ حاشیه‌هایِ (صوتی و تصویری) به دقت ترکیب و هماهنگ شده سرسختانه پافشاری می‌کرد. چرا؟ دقیقاً به این علت که او بین صدا و دهان خط تمایزی می‌کشید. اگر به دهان نگاه کنیم، به آسانی و بدون هیچ تلاشی می‌بینیم که چیزی دارد گفته می‌شود. اما صدا کل بدن را درگیر می‌کند، از جمله قلب و شش‌ها را که قابل رؤیت نیستند.

برای اینکه این مسیر را بیشتر دنبال کنیم، لازم است نسبت به اصطلاح‌هایی همچون «صدای روی تصویر» و از این قبیل محتاط باشیم، که همگی با هم بسیار به امر دیداری وابسته هستند و به خودی خود مخفیانه استیلای چشم را وسعت می‌بخشند، به همراه پیامدی ناگزیر: مثله کردن گوش ( سینما پیش از هر چیز مجموعه‌ای از تصاویر است، تصویری که «چشم را تسخیر می‌کند» و نگاهی که هدایت می‌کند و غیره.) پیدایش تکنیک‌های ضبط مستقیم صدا (گزارش‌های تلویزیونی، مستندهای قوم‌نگارانه، سینمای مبارزاتی) و هذیان‌های مرتبط با بی‌واسطگیِ جدایی‌ناپذیرِ امر دیداری-شنیداری (ژان روش و ژان‌ماری استروب درست درک نشده و فوراً کپی‌برداری شدند)، موجب تقلیل فضای صوتی به فضای دیداری شد، و فضای دیداری بود که به فضای صوتی صحت و اعتبار می‌بخشید و آن را تضمین می‌کرد. با وجود این، این دو فضا در حقیقت نامتجانس هستند. مکان‌ها و زمان‌های اتصال یا انفصال این دو فضا توصیف و واژگان دقیق‌تری را می‌طلبند.

در وهله‌ی اول، همواره خطر ارائه‌دادن واژگانی که ربط و موضوعیتشان اساساً فنی است وجود دارد. این مسئله را در ارتباط با عبارت «تصاویر و صداها» مشاهده‌ کرده‌ایم، عبارتی که پس از آنکه گدار آن را برای اولین بار استفاده کرد آنقدر به کار رفت که دیگر تمام معنای ویژه‌ی خود را از دست داد. برای چه کسی فیلمْ خود را در قالب تصاویر و صداها نمایش می‌دهد؟ برای شخصی که آن را می‌سازد و شخصی که آن را واسازی می‌کند، یا برای تکنسین و یا برای نشانه‌شناس، اما نه برای کسی که آن را می‌بیند. زمانی که صحبت درباره‌ی «تصاویر و صداها» حرف آخر در ماتریالیسم شد (اگرچه برای گدار این «واو عطف» است که جالب بوده)، کم‌کم معلوم شد که با این واژه‌ها دشوار می‌توان در مورد جایگاه تماشاگر و سازوکاری که وی درگیرش می‌شود، صحبت کرد. مسئله می‌بایست از زاویه‌ی دیگری مورد توجه قرار می‌گرفت، یعنی از لحاظ نگاه (که نه چشم است و نه تصویر) و صدا(ی انسان) (که نه دهان است، و نه صدا) و همچنین از لحاظ رانه‌ها (رانه‌ی نظربازی: نگاه کردن با دیدن یکی نیست، همان طور که گوش دادن با شنیدن یکی نیست).

از حیث تصاویر، بی‌شک تمایز بین رخدادهای درون و بیرون از صحنه برای نوشتن فیلمنامه یا وضع دکوپاژی تکنیکی به درد می‌خورد، اما به اندازه‌ی کافی برای دسته‌بندی و وضعِ تئوری‌ای برای اشیای ناپیدا کافی نیست. چرا که انواع گوناگونی از رخدادهای خارج از صحنه وجود دارند. برخی از اشیاء برای همیشه ناپیدا هستند (یا به این علت که قابل نشان دادن نیستند ـ مانند دوربینی که نمی‌تواند از خودش در حال فیلم گرفتنِ صحنه‌ای فیلم بگیرد ـ یا به این علت که تابو هستند، مثلاً تصویر محمد پیامبر)، در حالی که برخی اشیاء به طور موقتی خارج از دید هستند، از این‌رو در معرض نوسانِ معروفِ میان حضور و غیاب می‌باشند که اگر بخواهیم استعاره‌ی فروید را به کار ببریم یعنی همان «Fort Da»[5]. این اشیاء مستعد بازگشتی ابدی هستند که به وحشت و یا آسودگی تماشاگر می‌انجامد. صِرف خارج از قاب بودنْ این اشیاء را هم‌ردیف یکدیگر قرار نمی‌دهد.

همان تمایزِ بین داخل صحنه و خارج از صحنه که از پیش در بحث در مورد امر دیداری هم واجد ابهام و شبهه است، روی‌هم‌رفته برای تحلیل صداها(ی انسان) بیش از اندازه خام است. به طور کلی، اصطلاح صدای روی تصویر به صدای گویندگان خارج از تصویر اشاره دارد. اما این امر در واقع به تمایز بین صدایی که همگام می‌شود و صدایی که همگام نمی‌شود بستگی دارد: صدا‌(ی انسان) به بدلِ بصری‌اش فروکاسته می‌شود، که خود نیز به ترکیب‌بندی و شکل لب‌ها فروکاسته می‌شود. پس صدای روی تصویر با غیابی در تصویر معنا می‌شود. من رویکرد متقابلی را به خدمت می‌گیرم: صداها(ی انسان) باید به جلوه‌هایشان در یا بر تصویر ارجاع داده شوند.

از اصطلاح صدای روی تصویر به دقت و ظرافت استفاده خواهم کرد تا صدا(ی انسان) خارج از صحنه را شرح دهم که همواره به طور موازی با توالی تصاویر پیش می‌رود و هرگز آن را قطع نمی‌کند. برای مثال، در مستندی در مورد ماهی‌های ساردین، صدای روی تصویر می‌تواند هرچه می‌خواهد بگوید (تفاوتی نمی‌کند اگر ماهی‌های ساردین را توصیف کند یا اینکه در موردشان دروغ ببافد)؛ بدون هیچ تأثیر قابل اندازه‌گیری روی خود ماهی‌ها. این صدا که بعداً بر روی تصویر سوپرایمپوز و بر آن سوار شده، صرفاً یک پدیده‌ی فرازبانی است. تنها بیننده را مخاطب قرار می‌دهد (هم به عنوان گفته [énoncé] و هم گفتن [énonciation])، مخاطبی که با او هم‌دست و هم‌پیمان می‌شود تا تصویر را نادیده بگیرد. زیرا تصویر که تنها به عنوان دستاویزی برای وصلت گفتار راوی و تماشاگر به خدمت گرفته شده، و در وضعیتی اسرارآمیز و هراسناک رها شده، به نوعی دازاین دست می‌یابد-معنای منفرجه (معنای سومِ بارت) ـ که (به‌شکلی منحرفانه) می‌توان به‌طور ناشناس از آن لذت برد. برای دیدن این وضعیت، صدای تلویزیون خود را ببندید و به تصاویری که به حال خود وانهاده شده‌اند، نگاه کنید. در این مورد صدای روی تصویر می‌تواند تأثیری مبتنی بر اعمال زور داشته باشد. اگر در مورد ماهی‌های ساردین بگویم که «این حیوانات گروتسک، متأثر از جبر و اضطرار برای خودکشی، به سوی تور ماهیگیر می‌شتابند و به زندگی‌شان به مسخره‌ترین روش قابل تصور پایان می‌دهند»، این شرح نه ماهی‌های ساردین بلکه نگاه تماشاگر به آنها را آلوده می‌سازد، تماشاگری که مجبور است به‌نحوی با ناهمخوانی آشکار بین آنچه می‌بیند و می‌شنود، سر کند. صدای روی تصویری که چیزی را به تصویر زورچپان می‌کند، نگاه را مرعوب می‌کند و در تنگنا قرار می‌دهد، یکی از روش‌های اصلیِ پروپاگاندا در سینماست.

این همان سطحی است که در آن فیلمسازی مانند گدار عمل می‌کند: می‌توان آن را «درجه‌ی صفرِ صدای روی تصویر» بنامیم. در درس‌هایی از چیزها (1976) (بخش دوم فیلم شش ضربدر دو، زیر و زبر رسانه‌ها)، ورود ناگهانی نمایی از یک بازار (ورودی که به همان اندازه‌ خشونت‌بار نیز هست چرا که مانند تمام تصاویر گدار کاملاً غیرقابل‌پیش‌بینی است) بلافاصله از سوی صدای روی تصویر «آتش‌سوزی» نام می‌گیرد[6]. این نه تنها تا اندازه‌ای با نوعی بازی با کلمات[7] بلکه همچنین به‌واسطه‌ی نوعی قافیه‌ بین ورود ناگهانی تصویر و عمل گفتنِ [énonciation] واژه‌ی مذکور توجیه می‌شود: بنابراین کلمه‌ی «آتش‌سوزی»، با عطف به ماسبق، خشونت ناشی از ظهور ناگهانی تصویر را برجسته می‌سازد. می‌توان مورد مشابهی را در اینجا و جای دیگر در سکانس «چطور یک خط مونتاژ ترتیب دهیم» دید. با هر تصویر جدید، صدای گدار به طور مبهم و خفه این کلمات را تکرار می‌کند: «بسیار خب، اینجوری، به این صورت...ولی همینطور هم به این صورت ...». این صدا در رابطه با «یک به یکِ» تصاویر همان نقشی را ایفا می‌کند که گیومه در یک متن نسبت به کلماتی که دربرشان می‌گیرد، بازی می‌کند: تأکید و در عین حال فاصله‌گذاری.

صدای روی تصویر نقطه‌ی کانونی تمام قدرت‌هاست، تمام اختیارات، تمام حذفیات. در همین رابطه، میان آوای هند مارگاریت دوراس (1975)، مستندی در مورد ماهی‌های ساردین، یک فیلم موقعیت‌گرا و فیلم پروپاگاندای چینی‌ای که مرجع آن بوده است، اندک تفاوتی وجود دارد: قرارداد با بیننده (اغوا، پداگوژی، عوام‌فریبی) بستگی به زورِ تصویر دارد. در اینجا، ظرفیت نامحدودی برای اعمال قدرت وجود دارد. برای صدای روی تصویر، تنها راه فرار از این حلقه‌ی معیوب آن است که خطر کند و این کار را در مقام صدا انجام دهد: با تکثیرشدن (دیگر نه یک صدا بلکه چندین صدا و نه یک امر مسلم بلکه چندین معما وجود داشته باشد) و تکینه‌شدن. و بدین ترتیب، از «سیاست‌ مؤلف» به سمت نوعی «سیاست‌ صدا» می‌رویم ـ صداهای تکین، بی‌مانند (گدار، دوراس و از مدت‌ها پیش برسون). انتقام رادیو از سینما، انتقام ژیگا ورتوف از سرگئی آیزنشتاین، انتقام صدای ساده از دیالوگ ساختگی و انتقام جنس زن از جنس مرد.

در مقابل، از اصطلاح «صدایِ درون تصویر[8]» استفاده خواهم کرد تا به صدایی اشاره کنم که در تصویر مداخله می‌کند، با آن می‌آمیزد و به واسطه‌ی یک بدل دیداری تأثیر مادی بر آن دارد. در حالی که تفسیر من در مورد ماهی‌های ساردین این موجودات بیچاره و به‌گِل‌نشسته را در دازاینشان به عنوان ماهی‌های ساردین به حال خود رها می‌کند، اگر در حین یک گزارش زنده از کسی سؤالی بپرسم، صدای من اثر کاملاً متفاوتی می‌گذارد. حتی اگر این سوال از خارج از قاب بیان شود، صدای من به یکباره و ناگهانی به درون تصویر وارد می‌شود، به یک چهره، به یک بدن برخورد می‌کند و موجب آشکار شدنِ یک واکنش یا پاسخِ گذرا یا ماندگار روی این چهره و روی این بدن می‌شود. بیننده می‌تواند با آشفتگی ایجاد شده در فردی که آن را دریافت کرده خشونت گفته‌ی مرا اندازه‌گیری کند، به همان سیاق که کسی گلوله یا توپی را (یا هر ابژه‌ی «a» کوچک دیگر) از بغل یا از روبرو بگیرد. این همان تکنیکی است که یوریس ایونس و مارسولین لوریدان در فیلم چطور یوکونگ کوه‌ها را جابه‌جا کرد (1976) به کار گرفتند. این تکنیک را می‌توان در فیلم‌های وحشت و سینمای «سوبژکتیو» (فیلم‌های رابرت مونتگومری) نیز یافت. همچنین می‌توان این را در تکنیک نسبتاً ازمُدافتاده‌‌‌ای دید که صدایی پرسش‌های آشنایی را برای کاراکترهای یک فیلم مطرح می‌کند، کاراکترهایی که کنش‌شان را تا زمانی‌که به آن پاسخ بدهند، متوقف می‌کنند. برای مثال رویکرد پدرمآبانه‌ی ساشا گیتری نسبت به «مخلوقات»‌ش را در نظر بگیرید، یا همدستیِ بین راوی و کاراکترها در فیلم‌هایی همچون میان آسمان و زمین از صلاح ابوسیف و خوش آمدی، آقای مارشال از لوئیس برلانگا.

صدایِ «درون تصویر» نقطه‌ی کانونی یک فرم متفاوت اما در عین حال سهمگین از قدرت است. آنچه به عنوان ظهورِ حقیقت ارائه می‌شود ممکن است صرفاً محصولِ رنجِ موش آزمایشگاهی باشد که وادارش کرده‌اند همانطور که بیننده نگاهش می‌کند به پرسش‌ها پاسخ دهد. دست‌کم دو نوع دیگر از صدا(ی انسان) وجود دارد: آنهایی که «درون» تصویر شنیده می‌شوند، چه از طریق دهان («صدایِ به بیرون[9]») و چه از طریق کل بدن («صدایِ از میان[10]»)

صدایِ «به بیرون» اساساً صدایی است که از دهان خارج می‌شود. پرتاب می‌شود، ول می‌شود و بیرون انداخته می‌شود: یکی از چیزهای گوناگونی که از بدن دفع می‌شود (همچون نگاه، خون، استفراغ، اسپرم و غیره). ما با صدایِ به بیرون ماهیت خودِ تصویر سینماتوگرافی را لمس می‌کنیم: که در عین مسطح بودن، توهمِ عمق می‌دهد. هم صدای روی تصویر و هم صدای درون تصویر از یک فضای خیالی نشئت می‌گیرند (که موقعیتشان بسته به نوع وسیله‌ی نمایش، پیکربندی سالن نمایش، موقعیت بلندگوها و مکان تماشاگر تغییر می‌کند). در مقابل، صدایِ به بیرون از یک فضای توهمی نشئت می‌گیرد، از یک حقه. این صدا از یک بدن فیلم شده بیرون می‌آید، که یک نوع بدنِ مسئله‌دار است، یک سطح کاذب و یک عمق کاذب. ظرفی است با یک کفه‌ی کاذب، اصلاً بدون هیچ کفه‌ای، که اشیاء را به سخاوتمندی تاکتیسمِ [بازکنش] باستر کیتون که هنگ نظامی را قِی می‌کند، بیرون می‌ریزد (و بنابراین آن‌ها را رؤیت‌پذیر می‌سازد). این بدن فیلم‌شده در تصویر پادگان‌های فیلم پلیس‌ها (1922) یا در تصویر کلیسا در فیلم هفت شانس (1925) دیده می‌شود.

صدایِ به بیرون شکلی از هرزه‌نگاری است به این معنا که لحظه‌ی خروج را بت‌واره می‌کند (لب‌های ستاره‌های فیلم، مانند زمانیکه در فیلم بی‌آبرو، مارلنه دیتریش در پیشگاه جوخه‌ی آتش رژ لب خود را تجدید می‌کند). به طور مشابه، فیلم‌های هرزه‌نگار سراسر بر نمایش ارگاسم از نقطه‌ی دید مرد که رؤیت‌پذیرترین نقطه است، تمرکز دارند. صدایِ به بیرون باعث شکل‌گرفتن «تئاتر مادی» می‌شود چون‌که برای هر استعاره‌ی مذهبی اصلی مهم است (گذر از درون به بیرون همراه با دگردیسی). به‌چنگ‌آوردن لحظه‌ی گسیلِ صدا(ی انسان) به‌چنگ‌آوردن لحظه‌ای است که ابژه‌ی a از ابژه‌ی جزئی جدا می‌شود. سینمای هرزه‌نگاری انکاری است بر این جدایی، که تهدید می‌کند ابژه‌ی a را به هزینه‌ی بی‌حاصل (اتلاف)، و ابژه‌ی جزئی را به جایگاهش به مثابه‌ ارگاسم (گوشت) فروبکاهد. همچنین تلاش می‌کند تا آنجا که ممکن است فِتیشیسمِ یک ارگاسم را که فقط می‌تواند تا بی‌نهایت با ارگاسمی دیگر جایگزین شود، حفظ کند ـ اجبار دائمی امر رؤیت‌پذیر. همانطور که پاسکال بروکنر و آلن فینکل‌کروت به خوبی آن را تعبیر می‌کنند: «قلمرو شفاف انزال ‌منی». نوعی هرزه‌نگاری صدا(ی‌انسان) وجود دارد که به هر شکلی با هرزه‌نگاری اندام‌جنسی قابل قیاس است (سوءاستفاده‌ از مصاحبه‌ها، دهان‌های رهبران سیاسی و غیره). افراد زیرکی هم بوده‌اند که داستانهایی با این مضمون بافته‌اند (همچون سایه‌ی فرشتگان دانیل اشمیت که در آن فاحشه‌ای پول می‌گیرد تا گوش دهد، و یا  اندام جنسی‌‌ای که حرف می‌زند که در آن واژن زنی اشتهای سیری‌ناپذیرش را بیان می‌کند.)

و در آخر، صدایِ «از میان»، که صدایی است که از درون تصویر، ولی بیرون از منظره‌ی دهان، گسیل می‌شود. گونه‌های خاصی از قاب‌بندی که در آن کاراکترها از پشتِ سر، از بغل، از سه رخ یا از پشت یک وسیله، از پشت یک پاراوان، مبلمان، پشت یک نفر دیگر یا از پشت نوعی مانع فیلم‌برداری می‌شوند، باعث می‌شود که صدا از دهان جدا گردد. وضعیت صدایِ از میان، مبهم و معماگونه است، چرا که بدل دیداری آن بدن با همه‌ی رازآمیزی و ابهامش است، بدنی بیان‌گرانه، بدنی کامل یا تکه‌تکه. می‌دانیم که به دلایل اقتصادی، فیلمسازان تنگدست کاراکترهای درحال صحبت را اغلب از پشتِ‌ِسر فیلم‌برداری می‌کردند تا از روبه‌رو. البته که این پشت‌ها و کمرها «واقعی» نیستند.  برای برسون (و همچنین استروب) کل مسئله منتقل کردن تأثیرِ فیلم‌برداری از روبرو به بخش زمخت و بی‌شکلی از بدن است. فیلمسازی مدرن (در واقع یعنی از برسون به بعد) بدن‌های از پشتِ‌ِسر فیلم‌برداری‌شده‌ی فراوانی را به نمایش گذاشته است (حتی گاهی‌اوقات به روش‌های اغواکننده و تحریک‌آمیز). مستقیم و غیرمستقیم، اینجا و جای دیگر. متأخرترینِ (و به همان اندازه رازآمیزترینِ) این نماهای از پشتِ‌ِسر متعلق به آن ماری میویل در اوضاع چطوره؟ می‌باشد.

«شیطان درون دهانش می‌پرد» شیطانی را به دهانی نپرانید. «تمام شوهران زشت‌اند.» انبوهی از شوهران زشت را نشان ندهید. ـ برسون، یادداشت‌هایی در باب سینماتوگرافی

با کلامی در مورد «صدای برسونی» معروف که یک یا دو نسل از تماشاچیان را هم برافروخته و هم مسحور کرد این نوشته را به پایان می‌برم. زنگ این صدا به نفرتی نسبت داده شده که برسون از تئاتر داشت. تعداد اندکی از منتقدان این را به عنوان ادای‌ دینِ اذعان‌نشده‌ی برسون به طبقه‌ای (بورژوازی بزرگ) می‌پنداشتند که او بچه‌هایشان را بت‌واره می‌کند، به‌شرطی که لباسِ اشراف‌زاده‎های جوان و تنزل‌‌رتبه‌یافته‌ای را بر تن آنها کند که در داستان‌هایی داستایوسکی‌وار اسیر شده‌اند. همه‌ی این نقطه‌نظرات صحیح هستند. اما این را هم باید اضافه کرد که صدای برسونی صدایی است که به کمترین حدِ گشودگی دهان نیازمند است، که منظره‌ی گسیل و انتشار صدا را تا آنجا که ممکن است محدود و یا مشروط می‌کند.

به راستی در شاید شیطان انفصالی رادیکال از صدا و دهان وجود دارد. از یک سو، صدا کل بدن، سازها و ماشین‌ها را درگیر می‌کند (و به طور نمونه، در عنوان این جستار، می‌توان استعاره‌ای از دستگاه آوایی را دید: اُرگ هوا را بیرون می‌دهد (بازدم) و جاروبرقی هوا را تو می‌کشد (دم)). اسمِ‌شب برسون شاید این باشد: در پی اینکه صدا از کجا می‌آید نباش، دنبال منبع قابل‌رؤیت آنچه می‌شنوی نگرد. به این منظور، بعد از نشان دادن اینکه چگونه صداها به نویزها فروکاسته می‌شوند، برسون نشان می‌دهد که نویزها چگونه به صدا بدل می‌شوند (و شارل همه‌ی آن صداها را می‌شنود، با این تفاوت که او ژان دارک نیست، و صداها به او هیچ نمی‌گویند). از سوی دیگر، او دهان را از منظر کارکردش به عنوان روزنه یا سوراخ می‌بیند و از منظر ژوییسانس صاحبش ـ دهان به مثابه‌ ابزارِ ژوییسانسِ شیطان.

http://home.earthlink.net/~steevee/organ.html