Dans le cinéma parlant, on oublie facilement la voix (sa tonalité, sa sonorité, son timbre) pour aller droit au mot. On a tendance à la confondre avec la parole et les significations qu'elle véhicule - comme si la voix n'était faite que pour être oubliée, comme si la bande-son était un bloc dont tous les éléments étaient à mettre sur le même plan. Mais la perception humaine ne fonctionne pas de cette façon. Elle est vococentriste. Ce qu'entend le spectateur est analysé en fonction de ce qu'il voit, c'est-à-dire d'abord de la personne qui parle. La perception est aiguillée soit dans le champ (voix synchrone), soit hors-champ (voix-off, musique).

Par provocation, Michel Chion affirme : Il n'y a pas de bande-son. C'est l'image qui commande la répartition de l'audition entre les sons. Mais inversement, si l'on déplace ou si l'on ôte certains sons, l'image n'apparaît plus la même.

La grève (Eisensein, 1925).