Лучше будет на втором мониторе отдельный человек в динамике. К этой динамике надо привязывать невербальное сопровождение своего собственного чтения. А отслеживать эту динамику, собственно, периферией.
Ритм песни в целом равномерный. А проявление невербальных сигналов экспрессии есть такое "апериодическое".Иными словами, ритм ты можешь "просчитать" до самого его финала уже заранее. А невербальный сигнал экспрессии невозможно просчитать заранее - когда же он появится.