综观世界电影史，“声音”在电影场域获得合法身份的路途，其实并不顺畅。如果放低尺度，声音的历史几乎与电影本身同步。当卢米埃尔兄弟的影片于1896年在英国放映时，他们便请来钢琴师在现场为影片即兴演奏流行音乐了。从那以后，随着技术的发展，留声机与唱片逐步取代了钢琴现场演奏这种费力的方式。不久，又出现了专门为影片配写的音乐。管弦乐队由此走进了电影院，并随着影片的放映到处旅行。可见，早期电影并不是完全没有声音的，之所以将其划为世界电影的无声时代，指的是那个时候的声音无论从外部形式还是实质而言都外在于电影，外在于画面，它不可能成为电影叙事可以作艺术利用的有机元素之一，而只是一个地道的配角，不过是为电影的放映起到助兴的作用而已，无法在电影的叙事中占据一席之位。
在无声电影时期，银幕上所有的人物都是一群“会说话的哑巴”。演员的表演与剧情的开展基本上只能依靠表情与形体动作来表达，这就在很大程度上促成了演员表演的戏剧化风格，显得程式而夸张。因此，也可以想见，早期中国电影的戏剧化特征之所以一直摆脱不掉，一方面是中国文化中固有的戏剧意识形态所致，另一方面，也是因为电影发展的阶段性稚嫩所导致的技术手段的贫乏。一旦科技水平发展到足以支持叙事形式日常生活化的解放，至少在演员的表演与剧情的演进上对戏剧的依赖便会相对减弱许多。这也同时印证了电影的物性的强大，它在某种程度上能够反过来决定叙事形式乃至文化意识形态的转移。但是，一旦这种能量达到了某种高度，技术上的过于富足，显然又会促成技术主义的电影风潮，使视听刺激的比重远甚于叙事内涵的传收，在一个绚丽虚幻的外壳下，是精神的极度贫乏与枯萎。这类似于中国传统戏剧后期的情况，技艺层面的过于精致，导致对演员外在技巧的赞美超过了戏剧叙事本身的意识形态传达。
但是，即使存在着这样一种危险，电影作为一种商品，它与生俱来的物性特质却又是不可阻挡的。因此，把有声电影的出现原因首先视为商业利益的追逐，也就不足为奇了。当时濒临破产的美国“华纳公司”冒险拍摄了一部由巴里.摩尔主演的歌剧片《唐璜》，这部准有声片的成功，对继续制作这类影片起了很大的鼓舞作用。《唐璜》高达350万美元的票房纪录很快被华纳公司随后出品的新片《歌痴》打破，这部影片的上映收入达到了500万美元之巨。好莱坞其他公司看到这种辉煌的成就，也开始寻求有声电影的专利权。在利益的驱使下，世界电影又向前迈出了一大步，电影的物性特质再一次为电影的艺术表现力的扩展，提供了巨大的力量源泉。
商业利益的驱动促成了有声电影的兴起。但是，电影的“声音”身份依然受到了诸多来自美学层面的质疑。在有声电影初期，所谓“百分之百的有声片”经常是一些舞台剧片。“百老汇的戏剧导演们常被好莱坞请去摄制一些戏剧影片。观众对影片中的对话和演员非常感兴趣，但技师们对于这种按幕、按场来表现的笨拙方法大表反对。由于摄制这些有声片需要向专利权所有者支付一笔庞大的租金（即所谓‘专利权使用费’），因此人们把拍摄时间尽量缩减，开始时常把音响和形象录在同一影片上，以至蒙太奇的效果受到了限制。另一方面，最早的录音机器必须固定地安装在有隔音设备的沉闷小房间里；结果移动摄影全然消失，使得技术顿时退后了20年。”（[法]萨杜尔：《世界电影史》，徐昭、胡承伟译，中国电影出版社1995年版，第273页。）在这里，因为对“声音”的迁就，好不容易以蒙太奇作为理论支点从戏剧中突围出来的电影艺术似乎又要回归到戏剧的怀抱。因此，“声音”的身份受到了卓别林、金.维多、雷内.克莱尔、茂瑙、普多夫金、爱森斯坦等无声电影艺术大师的贬斥。普多夫金与爱森斯坦还和亚历山大.洛夫一起发表了一篇有名的反对有声片的宣言。他们首先承认无声艺术已经接近尾声，利用声音是人们所希望的，音响能够使电影从字幕和迂回曲折的表现方法中摆脱出来。可是他们也断定：“仿照戏剧的形式，把一个拍成的场景加上台词的做法，将毁灭导演艺术，因为这种台词的增添必然要和主要由各分离的场面结合在一起而组成的整个剧情，发生抵触。”这段话在肯定声音合法性的同时，其实刻意提醒的是一条铁的原则：蒙太奇才是电影艺术最本质的东西。这一原则使他们认为声音的作用只是与“可看见的画面”形成一种“管弦乐式的对位法”，并把它当做一种“独立于形象之外的因素”。（[法]萨杜尔：《世界电影史》，徐昭、胡承伟译，中国电影出版社1995年版，第273页。）另外一个重要的早期电影理论家爱因汉姆甚至认为，对白的介入将会给电影带来巨大的“伤害”，它将缩小电影相对于戏剧更广大的世界，默片时代的无声形态可以使人与人、人与物之间很好地融合在一起，而对白的介入将使人与环境重新对立起来，也意味着讲话人的呆板的形象将代替行动人的丰富形象，使可感的动作陷于瘫痪。他还从人的美学冲动和艺术的特性出发来解释他的观点：“最基本的美学冲动之一来自人类渴望躲开自然界扰人耳目的复杂性，因而努力用最简单的形式来描绘使人眼花缭乱的现实，正由于这个原因，任何一种能靠它本身的力量创造出完美作品的表现手段，总是拒绝同另一种手段结合起来。”（[德]爱因汉姆：《电影作为艺术》，邵牧君译，中国电影出版社1981年版，第165页。）他认为仅靠默片的表情和动作就能完美地表现现实，而声音对电影的进入则是多余的，将破坏电影已然形成的叙事美学。
而在电影史学家萨杜尔看来，当普多夫金与爱森斯坦的宣言发表之时，他们所借以批判的对象并不算真正的有声影片。他甚至认为电影史学界普遍公认的首部有声影片《爵士歌王》实际上还只是一部无声影片，只是在片中插入了几段道白和歌唱而已（中国的《歌女红牡丹》受到这部影片的巨大影响，无论情节设置还是叙事方式、技术手段都与此雷同）。而他所认定的第一部“百分之百的有声”影片应该是直到1929年才产生的美国影片《纽约之光》。在他看来，美国之所以迟迟不拍有声片，与其说是技术上的原因，倒不如说是由于商业上的考虑。因为“声音”与画面不同，它是一种明显带有国别与民族差异的东西，如果将某一种完全不被理解与接受的“声音”强加给异域的观看群体，其商业效果将可想而知。因此，全部有对白的影片将妨碍好莱坞影片在国外的销路。譬如，欧洲作为美国影片主要的出口地，知识分子一向以对口语和书面语精益求精的审美方式为荣，这也造成了他们对电影有声化的抵制。“巴黎在第一次上映美国对白片时，观众就喊叫道：‘用法国话讲吧！’在伦敦，观众对这种影片中的可笑而几乎为广大英国观众听不懂的美国佬腔调，也报之以嘘声”。（[法]萨杜尔：《世界电影史》，徐昭、胡承伟译，中国电影出版社1995年版，第273页。）在日本，有声片也遭到了“辩士”们的强烈抵制。所谓“辩士”，是日本独有的一种电影职业，他们在放映现场向观众解说默片的动作，以此获得高额的报酬。但有声电影的出现，使他们一下子失去了赖以谋生的手段，其合法性突然遭到了根本上的质疑。起初，他们试图用更大的“声音”掩盖影片的对话，或者强迫电影院经理关闭声音设备，最后竟开始采用恫吓、雇佣打手入室砸场等方式将关于“发声权”的争夺推向了暴力的层面。虽然类似这样激烈的“声音”争夺战最终都阻挡不住有声电影的全面胜利，但是，不同国家的观众希望能够在银幕上听见有国别与民族认同感的声音的要求却是强烈而迫切的。于是，在美国影片产量减少的同时，那些在无声电影时代被好莱坞影片所侵入的国家又恢复了影片的生产。然而，好莱坞显然不想放弃电影作为一种产品所带来的巨大商业利益，其结果必然是要重新建构属于自己的霸权工业体系，以扼杀各国民族电影的复兴，于是便想到了利用外国演员来摄制外语版影片的做法，而在限制影片进口或实行影片定额输入制的国家，则采取就地摄制影片的办法。之后，随着技术的进步，好莱坞片商们又掌握了一张最大的王牌，那就是一个不懂外国语言的演员也可以用别人的声音来替代他说话，即所谓的“配音译制”，这项技术使美国终于又收回了那些已经失去了的市场。同时，美国又依靠强大的经济与军事力量，强迫外国在与其签订通商条约时，将输入美国配音译制的影片，作为一个非常重要的部分。乃至《财富》杂志对此评论道：“这是整个工业革命的历史中一次无与伦比的革命，发生速度最快，也最令人惊奇。”
因此，萨杜尔认为，有声电影的出现在电影美学上绝对是一种进步，它对无声世界的取代速度只是商业推广程度的问题，“在电影中应用语言，无论从美学上或者从商业上来说，在当时都成为一种必要。无声艺术的精益求精导使它自身的毁灭，这正像第二次世界大战后黑白摄影的精益求精结果招致了彩色片的出现一样。”（[法]萨杜尔：《世界电影史》，徐昭、胡承伟译，中国电影出版社1995年版，第272页。）
二、声音与文字
在现代中国，“声音”的身份问题还要更复杂一些。它的对立面所站着的不仅是来自电影美学本身的争议，它更强大的对手，其实是以文字为中心构建起来的叙事威权。在“声音”出现之前，影像叙事的出现已经是视觉所代表的现代性对文字为表征的传统性的一次意义深远的解构。但是客观而言，这种解构性的力量还不足以有任何实际的效果，它顶多是一种象征意义上的替代，或者是一种功能上的部分转移。单就叙事载体而言，因为声音的缺席，影像叙事的进程仍然需要文字的书写。这种在人物的嘴唇运动之后，再辅以一段字幕显示说话内容的形式，其实是文字所代表的叙事威权在早期电影中的力量传承，正如法国电影学者弗朗索瓦.若斯特所指出的那样，字幕“在行动的视觉表现中，在不同的可能所指中引导观众。这是它的定位功能……它提供一种意识形态的含义，有可能对画面只能以确认的方式作出的表现进行评价。由此，它向观众发出一些指令，以便它以某种方式解释所观看的东西”。（[加]安德烈.戈德罗、[法]弗朗索瓦.若斯特：《什么是电影叙事学》，刘云舟译，商务印书馆2005年版，第92页。）也就是说，字幕所代表的不仅仅是一种语言的替代，而是一种秩序性的暗示与规定。尤其在中国，因为文字的象形特征与艺术化风格，使其具备更为强烈的民族指认意味，意识形态意义也就不言而喻。因此，这种文字叙事在电影中的力量存在，其实可以视为传统叙事威权对视觉性/现代性的压制。以至于周蕾认为，“电影的出现仍表明了语言文字遭受历史性错位的时刻。”她从鲁迅如何在观看了一部日本人斩杀中国间谍的新闻片后弃医从文这一众所周知的故事中，发现了第三世界中一种新话语（即“技术化的视觉性”）的开端，她认为鲁迅故事中自相矛盾的地方是，鲁迅一方面充分意识到新的视觉性的直接而残忍的力量，另一方面却又依赖中国“古老的、以文字为中心的文化”去完成他的启蒙事业。周蕾从后殖民话语的角度出发进一步宣称，以鲁迅为代表的现代中国知识分子基本上压抑了这种视觉性，使其长期边缘化。（杨远婴主编：《中国电影专业史研究（电影文化卷）》，中国电影出版社2006年版，第594页。）