Techniquement, le cinéma est dualiste. Il dissocie le corps de la voix, et tente de réparer cette dissociation en synchronisant le mouvement des lèvres et l'articulation des mots, car ces mouvements sont tout ce qu'on peut voir de l'émission vocale, le reste étant intérieur ou invisible. Pour supporter la croyance, on se contente généralement de cette synchronisation temporelle (qui n'est qu'un trucage), car l'incohérence spatiale entre ce que l'on voit et ce que l'on entend est plus facilement acceptée. On accepte par exemple des personnages éloignés et des voix proches - même si le cas inverse, personnage proche et voix éloignée, semble plus bizarre.

On se permet aujourd'hui toutes les fantaisies de repérage du son dans l'espace (p122), ce qui confirme que la voix n'est accrochée à un corps que conventionnellement, et que des signes codés intermittents suffisent à nous garantir cet accrochage.

La possibilité de localiser une voix n'importe où dans l'espace (ou presque) est un des fondements de l'espace vocal. Alors que le point de fuite visuel est fixe, la voix peut être affectée de mouvements, d'incohérences, de logiques propres. Quand l'espace se soumet à la logique de la voix, alors il y a espace vocal.