On peut utiliser le terme de voix-off pour désigner toutes les voix acousmatiques (les voix sans corps). Mais toutes ne fonctionnent pas de la même façon :

- s'il s'agit d'un narrateur classique, un montreur d'images, il reste extérieur à l'action (en retrait). Il raconte un événement. C'est la voix traditionnelle du commentateur ou du bonimenteur, du conférencier. C'est aussi le père ou la mère parlant à l'enfant sur leurs genoux. C'est la voix d'un autre, d'un tiers. Son écho, sa réverbération sont des indices de distanciation. Elle est englobée dans l'espace environnant. Un sujet nous parle, sa voix est filtrée comme celle d'un téléphone, réduite aux éléments de sens. Elle résonne dans le lieu où l'orateur se fait entendre. On peut la saisir comme un objet extérieur. L'image est extérieure à cette voix.

- s'il s'agit de ce que Michel Chion appelle une voix-je, elle s'implique dans l'image et nous force à nous identifier à elle par son type de proximité, par son timbre. Elle s'engage et nous compromet dans l'image. Elle résonne comme s'il s'agissait de notre propre voix, de manière intime, sans aucune distance. Elle n'a pas de réverbération ni d'écho. Elle est englobante, insinuante, insaisissable. On la perçoit comme un corps dans l'espace. Nous la ressentons dans notre corps, sa respiration, ses râles, ses soupirs. Elle vampirise le spectateur, elle l'absorbe. L'image est intérieure à la voix. Elle suscite un mimétisme auditif. Le point de vue est entièrement créé par le son : point ultime de la voix qui est presque pré-vocal.

A ces deux types de voix-off, on peut associer deux types de rapports entre la voix et l'image :

- un rapport rhétorique, discursif, qui reste extérieur,

- ce que nous appelons l'espace vocal où l'immixtion de la voix dans l'image est telle que les deux dimensions se confondent et nous attirent dans un continuum.