电视声音与电视画面一样，也是电视的基本构成，两者相辅相成。电影的声音要经过专门的录取设备存储在专门的录音带上，后期再制作到胶片上，也可做到独立的光盘上，经过专门的放音设备随胶片同步放送，或者直接嵌进了DCP（数字拷贝）里。电视的声音能够同时和图像一起录在同一盘磁带或存储卡上。当然为了追求高质感的声音，也可用专门的录音设备录取声音，然后再录制到存有图像的存储设备上。
在技术方面，电影声音现在能够做到6声道还原，甚至更多。杜比全景声（DolbyAtmos）最多支持64个独立的声音通道，可以实现上下维度声音方向的转换，突出了声音的包围感和沉浸感。目前电视上的声音层次是不可能和电影相比的，声音的现场还原，及音效的震撼都没法追求电影的高要求。模拟的电视信号是单声道发射，在采用数字信号后，电视也能够做到双声道立体声播出，而在高清信号的条件下，电视也能做到以5.1声道播出。2013年中央电视台的《春节联欢晚会》，以及《中国好声音》《中国梦之声》等电视节目都做到了以5.1声道播出。
电视和电影的声音都要特别强调同期声的重要。电影虽然很多声音是后期做的，但也要千方百计达到同期声的效果。电视声音难以追求电影声音的多层次，后期的声音处理绝大多数也不能像电影一样去经营，达不到很高的要求；所以电视尤其需要强调同期声的重要，在摄取画面的时候就应该拾取现场的同期声。同期声是电视声音的生命力所在，如果画面的声音是后期做上去的，就如同歌星假唱一样，失去了感染人的真实质感。有些电视镜头，即使现场嘈杂，但是如果声音是同期声，这段电视画面就拥有现场还原的生命质感。在中国，对同期声的重视也是1991年中央电视台播出的《望长城》等电视纪录片以及此后的《生活空间》等纪实性栏目大受欢迎的原因之一。现在的电视新闻虽然都有新闻解说词，但同期声必须衬在后面，以保持这段镜头原生态的真实质感。
电视声音包含人声、音响、音乐等几大组成部分。其中应该专门提到的是主持人（后面有专门论述，此处略）、解说员的声音，这是电视区别于电影的独特的声音构成，也在电视声音中占有比较重要的地位。
解说员大多以画外音的形式出现，配合和补充画面的信息量，在画面外对所表述内容进行说明、补充、讲解以及评述。解说员配音包括新闻配音、专题片配音、纪录片配音、广告配音等。解说员的声音对画面不是简单的重复，而是拓展画面的画外时空，同时通过解说员的节奏能够和画面形成新的叙事节奏和情绪节奏。对解说的运用最忌讳的是简单的“音配画”，即只对画面进行简单的解释和重复补充。
新闻片的解说配音要求简单些，只是和画面一起交代新闻信息，和现场声相互配合，形成和谐的视听节奏。
纪录片、专题片、广告对解说的声音要求更严格一些，尤其是一些电视散文等电视文艺形式。这些解说要求声音的节奏、风格能够助推节目到一个新的层面，在画面之外形成声音的形式美，对节目的叙事进行美的修饰。有些解说员的声音因为具有特质和感染力，甚至能够成为一些节目的显著特征，比如赵忠祥在《动物世界》的解说，他低沉舒缓、极具抒情色彩的声音，和大自然美妙世界的画面相得益彰，一起吸引观众沉浸在《动物世界》的万千精彩中。
