Rozmowa dwojga prowadzi się prawie sama, bo zawsze wiadomo, czyja kolej. Przy pięciu osobach w pokoju ta oczywistość znika i scena zaczyna potrzebować dyrygenta. Kto mówi, kto milczy i kto pcha rozmowę, staje się decyzją autora.
Zaczyna się od tego, o co idzie gra. Scena grupowa, choćby gadało w niej dziesięć osób, wciąż jest o jednej rzeczy: o decyzji, którą trzeba podjąć, albo o starciu, które musi się rozstrzygnąć. Kręgosłup trzyma gwar w całości. Bez niego autor pisze atmosferę, a widz słucha hałasu i czeka, aż coś się wydarzy. Gwar widz wybaczy, brak stawki nie.
Sidney Lumet w Dwunastu gniewnych ludziach zamknął przysięgłych w jednym dusznym pokoju i przez cały film przetacza rozmowę od głosu do głosu. Chodzi wyłącznie o to, kto kogo przeciągnie na swoją stronę, więc każda kwestia coś przesuwa. Każde odezwanie ma tam swój cel, choćby drobny.
Robert Altman w Nashville poszedł w przeciwną stronę i pozwolił mówić wszystkim naraz. Zdania wchodzą sobie w drogę, ścieżki dźwiękowe nakładają się na siebie, a mimo to zawsze słychać to jedno, co się w danej chwili liczy. Bałagan jest u niego wyreżyserowany co do sekundy, bo mikrofon dostawał osobno prawie każdy aktor.
Marek Piwowski w Rejsie zrobił z takiej sceny komedię. Zebranie na statku obraca się w zbiorowy bełkot, a mimo to każdy głos pozostaje osobny, bo każdy mówi z innego powodu. Kaowiec chce rządzić zebraniem, inżynier Mamoń chce rozmawiać o piosenkach, a reszta chce, żeby to się wreszcie skończyło.
Prowadzenie takiej sceny bierze się zwykle z jednego pragnienia. Ktoś w pokoju chce czegoś najmocniej i to on nadaje rozmowie kierunek, a pozostali krążą wokół niego, przyłączają się albo blokują. Ten głos może się w połowie sceny zmienić i wtedy zmienia się cała jej temperatura. Kiedy nie ma go wcale, kwestie ustawiają się w kolejkę i scena traci kierunek już po drugiej wymianie zdań.
Głosy w takiej scenie muszą być nierówne. Jedni pchają rozmowę do przodu, inni tylko reagują, a ktoś odzywa się jeden raz i przewraca stół. Nierówny bywa też przydział miejsca: dwie osoby dostają po pół strony, trzecia trzy słowa, i to właśnie te trzy słowa zostają w pamięci. Scena zbiorowa nie znosi demokracji, bo równo rozdzielone kwestie słychać natychmiast jako rozdzielnik.
Milczenie w tłumie mówi głośno. Kto się nie odzywa przy ważnym zdaniu i jak wtedy patrzy, potrafi przeważyć całą scenę bez słowa. Scena zbiorowa daje autorowi coś, czego nie da rozmowa we dwoje, czyli publiczność siedzącą wewnątrz sceny. Każde zdanie ma tam świadków, a świadkowie mają miny.
Gwar jest pierwszą pułapką. Wszyscy mówią po równo, nikt nie prowadzi, autor myli liczbę mówiących z dzianiem się, a widz gubi wątek po trzeciej kwestii. Odwrotna wada jest cichsza i wygląda niewinnie. W pokoju stoi pięć osób, rozmawiają dwie, a trzy pozostałe milczą jak meble, więc albo trzeba je stamtąd wyprowadzić, albo dać im wreszcie powód, żeby tam były.
Kto stoi w tym pokoju, musi mieć w toczącej się rozmowie coś do stracenia. Wtedy nawet postać, która przez całą scenę nie powie ani słowa, pracuje na jej wynik. O tym, czy z tłumu głosów zrobi się scena, decyduje ręka, która nim kieruje, a nie liczba otwartych ust.