Desde la perspectiva del lenguaje audiovisual en el conocimiento de los mecanismos que estructuran la narración audiovisual no se separa a la sonografía y la audiografía como objetos de estudio diferente, porque el ser humano usa códigos distintos para interpretar flujos de información de orígenes diferentes pero para hacer eso no altera en absoluto su base perceptiva.
No importa de donde provenga la información, de un medio de comunicación o de otro ser humano, el receptor sigue escuchando con el mismo sistema auditivo y sigue mirando con el mismo sistema visual. Lo que varía es el tipo de empaquetamiento informativo en función del medio utilizado, pero jamás cambia el sistema de reconocimiento de formas del público receptor.
Con respecto a la imagen el texto sonoro puede cumplir las mismas funciones de anclaje, relevo o contraposición que veíamos en el texto escrito.
Los textos sonoros normalmente realizan la función de anclaje, sirven para hacer de guía en la interpretación del público: seleccionan unos significados y desechan otros. Los textos sonoros son los que habitualmente realizan la función de relevo, pues acompañan a la imagen y le dan vida, son transmitidos en compañía de ella y en consonancia con ella para formar un lenguaje audiovisual.
Una de las principales razones por las que se incluyen diálogos en lugar de texto escritos es para que el público no tenga que leer en la pantalla más de lo estrictamente necesario. La conjunción del sonido propio de medios audiovisuales como el cine, el video y la televisión puede ser un factor motivador frente a la combinación de imagen y texto escrito que tiende a asociarse.
Las narraciones, diálogos y comentarios junto con la música constituyen los componentes sonoros fundamentales del lenguaje audiovisual. Existen también sonidos varios de ruidos, efectos especiales, etc. de muy corta duración para asociar a transiciones, movimientos de objetos, etc.
En cuanto a las relaciones del sonido con el texto escrito, es habitual que exista una redundancia para facilitar la comprensión.
La incorporación plena del sonido dentro del lenguaje audiovisual contribuye con la imagen a dar una sensación de realidad, a recrear una situación, un ambiente, un estado de ánimo, una emoción.
Mientras que los sonidos ambientales y el diálogo tienen como principal función la representación de una realidad, la música que se incluye en el documento audiovisual en muchos casos no se supone parte de la realidad representada, sino de la representación, y suele tener como función implicar mental y emocionalmente al espectador en la situación representada. Puede fácilmente comprobarse la importancia de la música ambiental o de fondo en la construcción del mensaje seleccionando una serie de imágenes (fijas y/o en movimiento) y combinándolas con músicas diversas. Veremos cómo, en cada caso, y dependiendo de la música, que es lo único que cambia, se sugieren interpretaciones distintas de las imágenes, aun cuando éstas no sean muy abstractas ni polisémicas.
Cuando la música es parte de la escena suele verse la fuente que la produce y suele utilizarse para informarnos de los gustos de alguno de los personajes, y de la época y el lugar donde se sitúa la acción. Es muy habitual en cine pasar de la reproducción de una música determinada como algo que ocurre en una escena a utilizar esa música para ambientarlas.