Każdy scenariusz jest napisany kamerą obiektywną, dopóki autor czegoś do niego nie dołoży. Format nie umie wejść do cudzej głowy, więc narrator behawioralny jest na ekranie stanem domyślnym, a nie wyborem stylistycznym.
W prozie ten sam tryb trzeba wybrać świadomie. Narrator rejestruje wyłącznie to, co zobaczyłby i usłyszał obcy człowiek stojący w rogu pokoju. Piszesz, że kobieta ścisnęła szklankę, i nigdy, że poczuła strach. Uczucie nie zostaje nazwane ani razu, a czytelnik musi je wyczytać z dłoni, z pauzy i z tego, co postać zrobiła zaraz potem.
W scenariuszu ma to bardzo praktyczny skutek. Zdania w didaskaliach o tym, że bohater jest zdenerwowany, nie da się sfilmować i aktor zostaje bez żadnej instrukcji. Zdanie o tym, że bohater po raz trzeci poprawia mankiet, da się zagrać i zobaczyć. Różnicę między tymi dwoma zapisami widać w scenariuszu od pierwszej strony.
Kamera subiektywna zanurza nas w percepcji jednej osoby — ta stoi w równej odległości od wszystkich. Trzecia osoba ograniczona daje wnętrze jednej głowy, wszechwiedza wszystkich, a tutaj nie ma go dla nikogo. Najbliżej stoi narrator świadek, tyle że świadek jest kimś konkretnym, ma własny głos i własne uprzedzenia, a kamera obiektywna nie ma żadnej persony.
Alain Robbe-Grillet w Żaluzji doprowadził chwyt do granicy. Powieść z uporem opisuje przedmioty, odległości i rozkład pomieszczeń na plantacji, a o zazdrości nie pada w niej ani jedno słowo. Czytelnik wyciąga ją z tego, co wraca w opisie po raz kolejny, i z miejsca, z którego ktoś na te rzeczy patrzy. Sam wybór tego, co zostaje opisane, okazuje się wyznaniem.
Chantal Akerman w Jeanne Dielman zbudowała z tej zasady przeszło trzy godziny filmu. Kamera stoi nieruchomo i patrzy, jak wdowa obiera ziemniaki, ściele łóżko i zmywa naczynia w porządku powtarzanym co do minuty. Nikt niczego nie tłumaczy, a kiedy w rutynie pojawia się drobne pęknięcie, widownia czuje je mocniej niż większość ekranowych katastrof.
Robert Gliński w Cześć Tereska trzyma tę samą dyscyplinę przez cały film. Kamera obserwuje dziewczynę z blokowiska, notuje jej wybory i milczy o nich, a osuwanie się bohaterki odczytujemy z zachowania, nie z komentarza. Surowa, prawie dokumentalna faktura tego obrazu bierze się właśnie z odmowy tłumaczenia.
Powierzchnia musi być zaprojektowana, bo sama z siebie nic nie znaczy. Autor ma wiedzieć dokładnie, czego każda postać chce i co czuje, nawet jeśli nie napisze tego ani razu. Wtedy dobiera gest, przedmiot i sąsiedztwo scen tak, żeby wnętrze dało się z nich odczytać. Bez tej pracy zostaje lista czynności w rodzaju „wszedł, usiadł, zapalił”, z której nie wynika nic.
Milczenie tego narratora działa tylko wtedy, gdy coś zakrywa. Kiedy autor sam nie wie, co siedzi pod powierzchnią, chłód zamienia się we mgłę i widownia przestaje szukać, bo wyczuwa, że nie ma czego. Najlepsze sceny behawioralne są przeładowane od spodu, a na wierzchu zostawiają jeden ruch ręki.