Zwischen Seh- und Hörerlebnis bestehen zwei fundamentale Unterschiede. Diese Unterschiede finden sich in den Dimensionen Raum und Zeit. In zeitlicher Hinsicht ist unser Blick vorerst immer auf einen Augenblick gerichtet, ein Ab-Bild an einem bestimmten Punkt der Zeitlinie. Dem Augenblick entspricht hingegen im Akustischen nichts - Hören braucht notwendigerweise einen zeitlichen Verlauf, um Erkennen zu ermöglichen. Erst das Dauern eines Tons oder eine Folge von Geräuschen gibt dem Rezipienten einen Eindruck.

Der zweite große Unterschied liegt in der Raumwahrnehmung von Hören und Sehen. Für das Auge findet jede optische Kontaktaufnahme im sogenannten Gesichtsfeld statt. Das Gesichtsfeld ist dabei ein eher flacher Ausschnitt des Raums. Dagegen passiert das Hören immer gleich in allen Richtungen des Raums, und liefert uns ohne jede Bewegung einen Gesamteindruck der Umgebung. Der Blick muß erst bewegt werden, um Räumlichkeit zu erfahren.

Andererseits aber basiert das "Lesen" und "Verstehen" von Tönen auf den selben gedächtnispsychologischen Vorgängen wie bei Bildern. Es genügen Tonfragmente, Wörter, ikonische oder wirkliche Abbilder um uns in die Lage zu versetzten zu hören, was im Moment gar nicht real existent ist.

Genau wie bei Bildern läßt sich auch mit Tönen Raum suggerieren ( Stereo, DolbySuround, ... ). Durch diese Gemeinsamkeiten lassen sich mit Tönen Relationen zu anderen Sinneseindrücken herstellen, wie im speziellen Fall zu Bildern. Bei solchen Verbindungen können reale Objekte mit visuellem und akustischen Codes (Sonification) versehen werden und damit ihr Eindruck, beziehungsweise ihr Informationsgehalt, erweitert werden.