Il y a deux types de voix : celles qui sont visualisées (celui qui parle apparaît sur l'écran) et les voix acousmatiques (le son provient d'un personnage hors-champ). Le spectateur ne les distingue qu'au fur et à mesure de ce qu'il voit. Il passe d'un plan à un autre en fonction de sa perception visuelle, bien que le son lui-même vienne d'un même lieu. A tout instant, les visages et les corps peuvent se manifester et désacousmatiser la voix (ce qui est impossible à la radio).

La voix acousmatique est en peine d'un lieu où se fixer. Elle est dans l'écran sans y être. Facteur de déséquilibre, de tension, invitation à aller voir, mais aussi à se perdre. Comme l'acousmêtre, elle est à la fois hors-champ et dans l'image.

On pourrait en déduire que l'acousmêtre est une position transitoire, qu'on peut perdre ou regagner à tout instant (mais cela vient contredire l'idée qu'un acousmêtre déjà-vu n'en est plus un).