In erster Linie geht es bei der Videoüberwachung um die visuelle Ebene, das Bild. Von den auf insecam.org einsehbaren Streams haben nur wenige eine Audiospur. Fehlt der Ton zu einem Bild, so wird diese Lücke durch Erinnerungen an ähnliche Szenen überbrückt. Eine Strassenansicht wird mit Verkehrslärm und ein Bach mit den Geräuschen von fliessendem Wassers in Verbindung gebracht. Durch die Kombination vorhandener Videoaufnahmen von Überwachungskameras mit Audioaufnahmen aus anderen Quellen wird mit dieser Erwartung gebrochen. Diese Beispiele zeigen, welche Auswirkungen die Neukombination von Bild und Ton auf die Wahrnehmung beider Ebenen haben kann. Wenn die Klänge nicht zum Video passen, leidet darunter die Glaubwürdigkeit von Ton und Bild.