Au cinéma, le vococentrisme humain prend des formes particulièrement exacerbées. L'audition y est hiérarchisée. Dans tout magma sonore (aussi violent, guerrier ou informel soit-il), il faut que nous puissions localiser et identifier une voix, un semblant de voix ou un substitut de voix - sans quoi nous sommes perdus ou nous nous lassons rapidement. Selon la formulation de Michel Chion, "la présence d'une voix humaine structure l'espace qui la contient". En ce sens la notion de bande-son globale est trompeuse.

Les normes techniques et esthétiques du cinéma classique sont conçues pour mettre en valeur la voix et l'intelligibilité du dialogue. Il faut compenser l'absence de repères "binauraux" [notre capacité à localiser un son dans l'espace grâce à l'écart entre nos deux oreilles] en renforçant artificiellement la voix et son texte, et en réduisant les autres bruits.

On privilégie la voix parmi les sons, de même qu'on privilégie le visage parmi les images. On axe le son sur l'écoute, de même qu'on cadre la caméra sur le visage.