Światło i dźwięk to zjawiska falowe, ale dźwięk przenosi energię mechaniczną, a światło elektromagnetyczną. Światło ma właściwie stałą prędkość rozchodzenia się w różnych środowiskach, a najlepiej rozchodzi się w próżni. Dźwięk w próżni nie rozchodzi się, a prędkość jego rozchodzenia się w różnych środowiskach jest różna, zmienia się też zależnie od różnych czynników np. temperatury, czy ciśnienia.

Różnice w prędkości rozchodzenia się światła (300 tys. km/s) i dźwięku (340 m/s przy temp. 15°C) w powietrzu są ogromne. Złożoność zjawiska fal świetlnych wykazał I. Newton, ale dopiero w XX w. udało się zgłębić ich naturę. Pierwszy próbował zmierzyć prędkość światła w powietrzu Galileusz. Po raz pierwszy zmierzył ją w 1673 r. Duńczyk O.C. Rømer (215 000 km/s). Kolejne pomiary to: w 1735 r. Anglik J. Bradley (303 000 km/s), w 1849 r. Francuz – A.H.L. Fizeau (299 860 ± 80km/s). W 1907 r. za bardzo dokładny pomiar prędkości światła (299 910 ± 50km/s) Nagrodę Nobla otrzymał A.A. Michelson. 

Prędkość światła maleje wraz ze wzrostem gęstości ośrodka w którym się rozchodzi. W powietrzu jest to 290 798 684 m/s, w wodzie 224 844 343 m/s, a w szkle 197 863 022 m/s. W ośrodkach materialnych fala elektromagnetyczna jest w pewnym stopniu lub w całości pochłaniana. Ulega też rozpraszaniu (lepiej widoczne przy falach długich), jeżeli struktura ośrodka nie jest jednolita.

Prędkość fal elektromagnetycznych w próżni to 299 792 458 m/s, co daje w przybliżeniu 1080 mln km/h. Dla wszystkich fal elektromagnetycznych w każdym środowisku prędkość rozchodzenia się jest podobna, więc dla uproszczenia mówimy, że wynosi ok. 300 tys. m/s. Stwierdził to eksperymentalnie H. Hertz. Nazywamy ją prędkością światła i oznaczamy, jako c. Jest to wartość wymyślona przez A. Einsteina i wykorzystana jest w podstawowym dla teorii względności równaniu: E = mc2.

Fala świetlna jest w powietrzu 800 tys. razy szybsza od fali dźwiękowej. 

Dźwięk z dużej odległości dociera do nas znacznie później niż obraz. Samolot odrzutowy, porusza się tak szybko, że dźwięk za nim nie nadąża. Gdy obserwowana sytuacja, rozgrywa się w znacznej odległości, zawsze będzie w dźwięku opóźniona w stosunku do obrazu:  

• Odległość 340 m = 1 s = 24 kl
• Opóźnienie 1 kl = 340 m : 24 kl = co 14,2 m

Jest to problem dużych kin. Film synchroniczny w pierwszych rzędach kina wykazuje kilka klatek asynchronu w ostatnim rzędzie.

Tablica wrażeń wzrokowych zawiera 560 mln bitów/0,1 s. Ucho rozróżnia 300 tys. dźwięków, a do znakomitej prezentacji wystarcza 1 mln bitów/s. Światło przetwarzane jest na impulsy nerwowe w powolnym procesie chemicznym, dźwięk przekazywany jest mechanicznie i bardzo szybko.

Rozdzielczość czasowa słuchu jest dużo lepsza niż rozdzielczość czasowa wzroku. Obraz kinowy zmienia się 24 x/s, a jednak odbieramy go jako ciągły. 24 uderzenia/s są przez nas odbierane, jako osobne zjawiska, a nie jeden dźwięk. Tak będzie nawet wtedy, gdy zwiększymy prędkość stukania czterokrotnie. Słuch zauważa przerwy pomiędzy sygnałami o czasie 1 ms. Wzrok potrzebuje 30 ms., aby zauważyć.

Oko odbiera światło, jako całość, czyli wszystkie częstotliwości mieszają się. Słuch rozdziela częstotliwości. Słyszymy selektywnie. Jednocześnie:

• bezradny jest wzrok, jeżeli między nami a przedmiotem obserwowanym ktoś postawi przegrodę. Taką przegrodę fale dźwiękowe ominą bez trudu dzięki zdolności przenikania przez różnorodne materiały, a także zjawisku uginania się fali dźwiękowej, które pozwoli przegrodę ominąć. Jest to niedogodność na planie filmowym, ale pole do pomysłów na dźwięk z offu, np. u sąsiadów trwa impreza, pod dom podjechał samochód itp… Dźwięk może sam opowiadać historie, lub wyrażać pojęcia abstrakcyjne

• bezradny jest słuch, jeżeli z tego samego kierunku dochodzą dźwięki o tej samej częstotliwości. Będą wzajemnie się maskować i nie sposób ich uchem rozdzielić, nawet jeżeli wzrok dobrze widzi oba źródła dźwięku, ale dzięki temu słyszymy orkiestrę, a nie pojedynczych muzyków.

Wady wzroku możemy łatwo i skutecznie zniwelować stosując soczewki korekcyjne lub poddając się operacji. Poprawa wzroku jest też możliwa metodami operacyjnymi. Aparaty słuchowe są wciąż niedoskonałe, złożoność naszego słyszenia okazuje się dużo większa niż naszego widzenia. 

Wzrokiem możemy ustawić ostrość, a więc wybrać przedmiot, który szczególnie obserwujemy. W pewnym zakresie taką samą operację może zrobić słuch, np. wychwytując z hałasu rozmowę. Zdecydowanie lepiej będziemy jednak rozumieli jej treść, jeżeli będziemy widzieli usta rozmówcy. W filmie często stosuje się zabieg rozpoczynania sceny np. w fabryce głośnym hałasem, który w trakcie trwania dialogu ulega niepostrzeżenie wyciszeniu. Taką samą operację wykonuje w naturze nasz słuch.

Naturalną cechą naszego widzenia jest montaż, a więc przenoszenie wzroku lub ostrości na różne przedmioty, oglądanie na zmianę planów ogólnych i detali, odwracanie się (zmiana pola widzenia), przemieszczanie się (zmiana punktu widzenia). W naszej wyobraźni jesteśmy przyzwyczajeni do szybkich zmian zarówno wątków, jak i sposobów widzenia spraw. Tak samo zachowuje się wspomagana montażem kamera filmowa. Nasze pole widzenia w przybliżeniu odpowiada płaszczyźnie ekranu. 

Znacznie lepiej orientujemy się w płaszczyźnie poziomej. Szerokość naszego pola widzenia jest znacznie większa od wysokości. Pod tym względem różnimy się np. od ryb i ptaków, które świetnie orientują się we wszystkich płaszczyznach. Nasze możliwości optyczne w pionie są ograniczone. Dobrze określamy odległość, a gorzej wysokość. Taki sam odcinek w poziomie jest niewielki, a w pionie bardzo duży. Natomiast kolory w filmie, w dużym stopniu odtwarzają to, co widzimy w rzeczywistości.

Dla dźwięku naturalne jest obserwowanie całej przestrzeni z możliwością skupiania uwagi na poszczególnych elementach. W przypadku zmiany pola lub punktu obserwacji, zmiany w dźwięku następują płynnie i dotyczą tylko pewnych elementów. Lepiej orientujemy się w poziomie niż w pionie i z różną precyzją zależnie od punktu w otaczającym nas kole. Gwałtowną zmianę dźwięku uzasadnia nagłe wydarzenie lub radykalna zmiana miejsca pobytu. W filmie jest to przejście do następnej sceny.

Film monofoniczny zarówno przez punktowość dźwięku (jeden głośnik umieszczony centralnie za ekranem), jak i z uwagi na ogromne ograniczenia dynamiki (35 dB) bardzo był od rzeczywistości niezwykle daleko. Obecnie stosowane systemy Dolby Stereo SR, Dolby Digital, czy wreszcie Dolby Digital EX wprowadziły element przestrzenności dźwięku i poprawiły zakres odtwarzanej dynamiki. Dźwięk filmowy ciągle nie jest odzwierciedleniem naturalnych wrażeń słuchowych, choć odtwarza rzeczywistość coraz lepiej.