Il n'y a pas de son en général (comme on le croit souvent au cinéma où l'on parle de bande-son); il y a les voix, et tout le reste. La présence d'une voix humaine hiérarchise la perception autour d'elle. L'auditeur cherche à localiser et identifier la voix, à en extraire le sens.

L'écoute humaine étant vococentriste, le cinéma l'est aussi, qu'il soit parlant ou non. C'est un réflexe tellement naturel que tout est fait pour favoriser la voix et le texte qu'elle porte. On la renforce artificiellement, on l'isole du bruit environnant, on compense l'absence d'orientation auditive.

La question peut se poser de savoir si cette proposition se vérifie seulement à notre époque, celle du phonocentrisme, ou si elle vaut pour toute époque.