“视听语言”这种说法是一种类比，因为视听语言并不能如抽象的文字语言那样具有完善的符号表意系统。但作为一种影像和声音组合叙事、表意的方式，它在一百多年的艺术实践中，也形成了独特的“词汇”、“句法”和“语法”。在《广播影视类“十二五”规划应用型教材：视听语言》中，作者（周振华、高晓虹）详细、系统地探讨了视听语言的形成历史、构成元素、选择与构成原则、连贯叙事的基本构成（包括镜头的剪裁、镜头之间组合的匹配、蒙太奇句子的构成、段落之间的转换）以及叙事的结构、情绪与节奏把控等。