On peut utiliser le terme de voix-off pour désigner toutes les sortes de voix acousmatiques (celles que, au cinéma, on entend sans les voir). Ces voix sont placées hors-corps (soit temporairement, soit définitivement invisibles), mais elles ne fonctionnent pas toutes de la même façon :

- ce peut être un narrateur classique, un montreur d'images extérieur ou en retrait de l'action : la voix du commentateur ou du bonimenteur, du conférencier qui raconte un événement, ou encore du père ou de la mère parlant à l'enfant sur ses genoux. Ce peut aussi être la voix d'un autre, d'un tiers. Il est important que, par son écho, sa réverbération, elle soit ressentie comme distante et 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. Cet objet extérieur est dissociée de l'image que le spectateur peut voir.

- 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. Sans réverbération ni 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.

La splendeur des Amberson, Orson Welles, 1946.

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.