视听语言的最小单位是镜头，镜头与镜头的组合是需要艺术修养的；文字语言的最小单位是单词回，单词与单词的组合也是使用者文字语言艺术修养的体现。文字语言的单词，是人类约定俗成的象征符号，这一点不需要文字语言的使用者加入自己的审美眼光；而视听语言中答的镜头是千变万化的，并非固定不变的。
视听语言就是利用视听刺激的合理安排向受众传播某种信息的一种感性语言，包括影像、声音、剪辑等方面内容。语言，必然有语法，这便是我们所熟知的各种镜头调度的方法和各种音乐运用的技巧。
视听语言包括狭义的视听语言和广义的视听语言。所谓狭义，就是镜头与镜头之间的组合；所谓广义，还要包含了镜头里表现的内容，有人物、行为、环境和对白，即电影的剧作结构，又称蒙太奇思维。
