画面とサウンドのリズムロック——すべてのカットはビートや台詞のポップに正確に落ちる。構造的だ：眼が耳に従う。
撮影現場、特に編集において、映像と音声が単に並行するのではなく、絡み合って初めて映画は真に機能します。コヒージョンとは、この構造的なまとまりを意味します。つまり、すべてのカットを、あるビートに乗るように配置することです。それはドラムのヒット音、セリフ中のドアの閉まる音、返答前の息遣いかもしれません。観客はそれを意識しませんが、映画が呼吸していると感じます。これがうまくいかないと、映像がどんなに良くても、すべてが緩慢か、あるいはせわしなく見えてしまいます。
実際には、これは単に映像のリズムだけで編集するのではないということです。音を聞くのです。ボイスオーバーの挿入に合わせてカットする、音楽のキックに合わせてカットする――それは装飾ではなく、素材の内的な論理です。私はしばしば、映像的には非論理的に見えるカットをしましたが、音声が乗ると完璧に収まりました。その理由は、人間の知覚機構は耳に従うからです。ビートは注意を引きつけ、映像のカットがちょうどそこに当たると、観客はそれを飛躍としてではなく、必然性として体験します。これが、コヒージョンと純粋なリズミカルなモンタージュを区別する点です――後者は遊び心があったり、連想的であったりしますが、コヒージョンは構造的に目的志向的です。
実際には、編集ではまず音声と音楽を配置し、ビートをマークしてから映像を編集します。逆ではありません。先に編集してから音声を後から追加すると、映像と音声が異なる言語を話すという不一致が生じやすくなります。良いコヒージョンには、相互依存性が必要です。セリフのカットは、新しい人物の息遣いの始まりに合わせ、その前ではありません。アクションのカットは、物理的な接触の瞬間とサウンドインパクトの瞬間に同時に落ちます。これは芸術ではなく、職人技です――そして、それは映画の質を決定します。
コヒージョンのエラーは、先行上映で即座にわかります。観客は、カットと音声が非同期に機能しているため、落ち着きがなくなります。脳にマイクロラグが生じ――観客は無意識のうちに、来ないはずの何かを待っています。これが、ストーリーが弱くても機能する映画との違いです。それらはコヒージョンを持っています。そして、これは本から学ぶものではなく、同じ映像を異なる音声レイヤーで20回編集することで学ぶものです。