L'écoute visuelle est celle dans laquelle nous fixons du regard ce que nous écoutons (c'est ce qu'on a tendance à faire par une sorte de réflexe, car voir le visage de celui qui parle facilite la compréhension). Elle est concurrencée par l'écoute acousmatique, de plus en plus courante car de multiples appareillages dissocient le sonore du visuel (avant ces appareillages, la voix acousmatique dominait la vie rituelle ou religieuse).

Reconstituer l'écoute visuelle (dite "synchrone", ou "in") au cinéma est techniquement plus difficile à réaliser que l'écoute acousmatique. Il faut faire croire à une simultanéité apparente du visuel et de l'auditif, alors que les appareillages les ont souvent dissociés (il est plus facile de situer la voix hors-champ que de synchroniser la bande-son avec l'image). Mais si l'écoute était toujours visuelle, les films seraient lourds, statiques, trop pleins. Le réalisateur navigue entre les deux, il joue du visuel et de l'acousmatique, il passe d'un type de présence à un autre.