從人對世界的感知方式來說，視聽合一的感知方式是最自然而真實的，因為整個世界就存在于特定的時空之中，其中有各種事物和人物以造型的要素通過人的視覺而被感知，同時它們以各種方式的運動訴諸人的聽覺而展現(xiàn)自己以聲音要素所呈現(xiàn)的狀態(tài)，造型和聲音這兩種要素因此成為人類感知對象之存在方式的最敏感而可靠的來源，而它們自身則共同塑造了事物和人物存在的原始本真狀態(tài)，還原這種原始本真狀態(tài)就成為人類發(fā)明媒介工具以來的不懈追求。

自20世紀60年代開始，隨著小型化攝影機、高感光膠片和便攜式錄音機的技術(shù)成熟，視聽同步的還原某種現(xiàn)實情景的夢想已經(jīng)實現(xiàn)，而這種視聽同步的拍攝方法就成為紀錄片新的美學要求一—聲畫同步，從而給人以逼真的現(xiàn)場實錄的感受，因為它跨越了二戰(zhàn)以前經(jīng)典紀錄片時代由于技術(shù)的局限而無法完成的任務(wù)，而一旦有了這種技術(shù)能力，人們總是希望紀錄片對真實情景的再現(xiàn)越充分越好。這種觀影的要求，正是基于人類感知世界的自然方式——視聽同步——之上的，而影像真實感的基本前提就是聲畫同步地記錄現(xiàn)實。

正因為如此，對聲音的充分再現(xiàn)成為紀錄片，尤其是紀實類影片的真實感的重要組成部分。沒有現(xiàn)場聲音，或現(xiàn)場聲音薄弱或失真的影像，總是給人以抽象、單薄、不真實的感覺，因為它把現(xiàn)實之組成部分之一的要素抽空了，人的感覺便無法定位，因此會感覺不真實。用其他要素，如音樂、解說詞來填充，則完全是另一種感覺，畫面成為主觀意念的注解，可以為不同的音樂和解說詞所調(diào)用，但那種現(xiàn)場記錄的真實原生態(tài)的感覺便失去了。

正因為聲音在還原現(xiàn)實情景時有如此的重要性，則在現(xiàn)場拍攝時就要懷有充分的聲音意識，在拍攝前要做好各種準備工作，在拍攝中則要針對各種不同的聲音采用不同的設(shè)備和方法，盡可能忠實地記錄人物和現(xiàn)場的各種聲音，從而給人以真實自然的感覺。