Podemos distinguir la relación del sonido con la narración audiovisual, con las dos categorías generalmente aceptadas:

• Diegético: todo lo que está ocurriendo en la escena y que los personajes oyen
• Extradiegético: lo que no oyen los personajes (típicamente la música incidental, las narraciones en off)

Podemos establecer más categorías dentro de la relación a la diégesis:

• Diegético interior subjetivo (Chion): corresponde a lo que imaginan y oyen interiormente los personajes (como la voz interior, que suena en la cabeza del personaje pero no tiene una fuente física en la escena). Gorbman utiliza el término de metadiegético que no utilizaremos aquí porque puede crear confusión.
• Diegético superpuesto: Una música que pertenece (de manera diegética) a una escena puede ser utilizada (de manera extradiegética) en otras escenas, creando una unificación o un enlace entre dichas escenas.
• Diégesis ambigua o música emanación: utilizamos este término para englobar los sonidos (generalmente la música) que parecen emanar de la escena y se adhieren a la acción pero no tienen una fuente realista de sonido. Por ejemplo, si está sonando una música pop de fondo pero no hay ninguna fuente sonora que la justifique, provoca una ambigüedad sobre si es diegética o extradiegética. También podemos englobar en esta categoría a los sonidos evocados: sonidos y voces que parecen emanar de objetos o lugares, en producciones de género fantástico.
• Música/sonido miméticos: aquí se engloba todos los efectos musicales o sonoros que acompañan las acciones de la pantalla, como la Mickey Mouse Music en los dibujos animados (música mimética), los sonidos de barrido, de acción no reales en el mundo efectista. Estos sonidos suelen mimetizar los sonidos de acción diegéticos y a veces los suplantan.
• Música de acompañamiento: la música que suele acompañar algunas canciones, sobre todo en películas musicales; aunque no sea diegética, los actores-cantantes-bailarines suelen cantar y bailar al compás de dicha música, como si estuvieran oyéndola.
• Música espectáculo: podemos distinguir este aspecto de la música, generalmente la canción, cuando se transforma en espectáculo, particularmente en las comedias musicales, donde la justificación diegética no es necesaria.
• Música extendida o desauricularizada: cuando una música que tiene una justificación diegética, pasa a oírse con una auricularización cero, es decir como si fuese una música extradiegética, y se comporta de hecho como una música extradiegética pudiendo flotar entre escenas (esta vez sin justificación diegética).
• Sonido en las ondas (“on the air”): este término definido por Chion se refiere al sonido que puede estar sonando en la radio o algún sistema de transmisión, y que generalmente se utiliza para pasar por diferentes escenas que transcurren en paralelo y que comparten ese sonido por que suena en las diferentes radios.