这个主题甚至还用一个单独的镜头勾画出来，放在开头作为基调：一个拍摄钟楼的快速摇镜头从空中闪光的十字架摇到游行出发点的教堂底部，以及其他等等。
蒙太奇的总运动不问断地展开，用一个越来越加强的统一节奏把这些不同主题和声部纠结在一起。每一蒙太奇片段除了遵循整个运动的总线索之外，还严格考虑到每一单独主题内部的运动变化。
有时一个片段包含了所有主题，有时只包含其中一两个，让其他的暂时休止；有时在一个主题上后退一步，然后更有力地前进两步，而其他主题则保持匀速前进，如此等等。但是从始至终，对每一个蒙太奇片段都不仅仅就某一个特征来考虑，而要就一系列特征来考虑，然后才能决定它能否与另一片段“邻接”。
一个片段在炎热的力度上令人满意，却可能因为不符合那个“人声”的声部而不能采用。一个片段人脸的大小可能令人满意，但根据表演的表现力来看却必须放在别的地方，如此等等。这项工作的复杂性是不足为奇的：这差不多就像是做最简单的音乐配器时常有的情况一样。当然，这里情况更复杂些，因为拍好的素材远不是那么随人摆弄，恰恰在这方面几乎没有变通的可能。
但是另一方面，也应注意到，多声部结构本身及其各条线索的出现和最后成形，并不仅仅是按照预定的计划，而且也要考虑到拍好的镜头总体的启示。
后来在《亚历山大·涅夫斯基》中，尤其是犬骑士进攻的一场里，我们也力求做到这样的“拼合”，而且这次由于有了“一行”声带而使问题变得更加复杂（但也许是变得容易？）了。这场戏里，天空的调子——有云和无云这条线索，突袭速度的渐强，突袭的方向，表现俄军和犬骑士的顺序；面部特写和远景镜头，音乐的音调；音乐的主题；音乐的速度，音乐的节奏等等，使得处理起来同样困难和复杂。我们不得不花去许多时间才把所有这些因素协调成一个有机的融合体。
当然．在这里我们也得益于这样一点，即：多声部结构除了运用各个特征之外，主要地还是利用整个片段的总体感。
这可以说是一个片段的“面相”，它把所有各种特征综合成这个片段总的感觉。关于多声部蒙太奇的这种性质以及它对当时还属“未来”的有声电影的意义，我曾在为影片《旧与新》(1929)公映而写的文章星写到过。
为了同音乐相配合，这种总的感觉具有决定性的意义，因为它与音乐的和图像的形象感都有直接关系。不过，在保持这种具有决定意义的整体感的同时，在配合中还需时时按照它们的个别特征做出必要的调整。
在用图解表示垂直蒙太奇的情形时，这一特点可以用两行来表示。意思是，每一行都是各自的多声部总谱的综合体，寻求两者的对应也就是寻求图像的和音乐的总的整体“形象”效应的对应。
图Ⅱ清楚地表明，从我们开始把各个片段连接成声画蒙太奇的那一刻起，就出现了一个新的“垂直的”对应因素。
从图像的蒙太奇组成的角度来说，这里已经不仅是一个镜头接一个镜头在水平方向上的“延伸”，而且还要按垂直方向在每一图像片段上方“附加”一个另一向度的新片段——声音片段，也就是说，这个新片段不是与它连续相接，而是同时出现。
值得注意的是，即使在这里，声画的组合同音乐中的组合或无声电影中图像的组合也都没有原则性的区别。
因为在无声电影中（更不必说音乐中），效果的产生实际上也不是由于镜头的相互连续，而是由于它们的同时出现，是由于后一个镜头的印象叠加在前一个镜头的印象上面。“两次曝光”手法可以说是用特技体现／活动电影的基本现象，即一个画格与一个画格物件位置稍有不同的静止图像，一经相互叠加起来，就产生了运动的幻觉。这个基本现象在无声蒙太奇这一较高级阶段，和在造成电影活动起来的幻觉的最低阶段，其实是完全一样的。现在我们则看到，这一相互叠加的情况又在蒙太奇的最高阶段——声画蒙太奇中，重复出现了。
对声画蒙太奇来说，“两次”曝光的形象，也像对所有其他电影现象一样，是一个重要的基本特征。
早在无声电影时期，当我想要用纯造型的手段表达音乐效果时，就恰恰是采用了两次曝光的技术手法，这并不是偶然的：
……在《罢工》(1924)中曾做过这方面的尝试。那里有一个不大的场面，几个罢工组织者假装拉着手风琴闲逛而举行秘密会议。
在这场戏结尾的片段里，我们力图用纯视觉手段表达出音响的感觉。
未来电影的两条胶片——图像和声带，在这里用了一个两次曝光来代替。第一次曝光是小山脚下的池塘像一片白色亮斑向远处延伸，一群人拉着手风琴从景深中的池塘边向摄影机走来。第二次曝光十则是在这幅风景上有节奏地闪动着一些光条——占满整个银幕的巨大手风琴风箱上的金属包边。这些光条的运动和不同角度的变换使人仿佛感觉到伴随整个场面的旋律运动……（见我的《不是有色的，而是彩色的》一文，载于《电影报》1940年5月，第24期）图I和图Ⅱ示出了无声电影(I)和有声电影(Ⅱ)中结构连接的方式。这里说的就是连接的模式，因为蒙太奇本身就是通过这样一个个连接而展开的一个大的主题发展运动。
然而，解开这个新形态的垂直连接的特性恰是主要的难题所在。
因为，A1-B1-C1运动的结构联系在音乐中是早已为人所知的。
而A-B-C的结构运动规律在无声电影的实践中也已被充分掌握。
声画电影面临的新问题将是如何连接A-A1、B一B1、C-C1等等，这些连接就决定着主题在造型和声音上的复杂进程，它可以通过A-A1、B-B1、C一C1、等多种多样交织的复杂组合体系而展开：
由此可见，这里的问题就是要找到解开A-A1、B-B1这些迄今尚不为人所知的垂直连接的钥匙，我们必须学会合乎规律地掌握它们的组合和分解，就像音乐中训练有素的耳朵怎样处理A1、B1等的系列，或者像训练有素的眼睛怎样处理A、B等的视觉蒙太奇那样。
因此，现在提到首要地位上来的问题就是怎样找到图像与声音的通约手段，怎样找到这方面的标志、尺度、途径和方法、而首先是要找到对图像与声音内在同步性的敏锐感觉，就像我们对外在同步性的感觉那样敏锐。（我们对口形和声音误差的察觉能力已经精确到一个画格！）但是内在同步性远不是靴子的画面和靴子的吱嘎声之间那种外在同步性，而是把造型因素与声调因素完全融为一体的那种“神秘的”内在同步性。
这两个领域之间的联系环节、同步性的共同语言，无疑是运动。普列汉诺夫早就说过，一切现象归根结底都是运动。
运动将能向我们揭示出内在同步性的越来越深的不同层次，把这些层次逐一加以确定。运动也将能向我们清楚地揭示出连接的含义和方法。那就让我们沿着从外在的、直观的东西到内在的、不那么直接的东西的道路向前运动吧-运动在同步性问题中的作用是绝对明显的。不过我们还是来考察一下这个循序渐进的系列。
这个系列的开头是最简单的同步性，这个领域实际上不属于艺术考察的范围之内，这就是事实上的同步性，即拍摄对象或现象的自然音响（呱呱的青蛙叫声、坏了的竖琴的嘶哑和弦、轻便马车车轮在石砌路面上的辘辘声）。
当声音与图像的配合不只是再现天然存在的联系，而是确立作品表现任务所要求的联系时，这时才开始有了艺术。
其最初级的形态就是声音和图像都服从于合乎场面内容的同一个节奏。这是最简单、最易为人接受、最常见到的声画蒙太奇例子，也就是把图像片段按声带上与之平行展开的音乐的节奏来剪接。在这种情况下，镜头中是否有运动，或者镜头是不是静止的，完全没有关系。只不过如果镜头内有运动，就需使这个镜头内部运动也保持相应的节奏。
十分明显，在这个比较初级的同步性阶段，也可以创造出非常严密的、有趣且富于表现力的结构来。
从最简单的情况，即重音单纯在“节拍上”相吻合——一种独特的“抑扬顿挫法”出发，通过对重音、长度、频率、反复的巧妙运用，也可以创造出任何切分音式的配合和纯节奏上的“对位法”结构。
那么在这第二种外部运动的同步性之后，下一步又该怎样呢？下一步显然应该是这样的同步性，即在造型中不仅表达节奏的运动，而且还能表达旋律的运动。
兰茨在谈到旋律时说得很对（亨利·兰茨，《诗韵的物理基础》，1931年版）：
……严格地说，我们并不是在“听”旋律。我们能不能跟踪旋律，其实就是我们能不能把一系列声音结合为某种更高层次的统一体……在无限多样的造型表现手段中，总该能找出这样的表现手段，它们的运动不仅能配合节奏的运动，而且也能配合旋律运动的线。我们已经猜想到这将是一些什么因素，不过因为这个问题将要有一个大的专章加以论述，所以这里只是捎带说一下，我们设想这基本上大概将是……“线性的”造型因素。
现在我们还是回过头来看下一个级别的运动。
声音序列中的各个声音结合成的“最高统一体”在我们的想像中十分显然是一条线，这条线的运动把各个声音连结起来。然而，各个声音在音调上的差异依然是由运动形成的。
不过这已经是下一个级别的运动——已经不是位移的运动，而是振动的运动，它的不同特性在我们的感知中就成为不同高度和不同调子的声音。
那么哪种图像因素在这里能同这种声音的“运动”相配呢，显然也是一个与振动运动有关（尽管完全属于另一种物理形态）的因素，一个也是以…… 调子为特征的因素：这就是图像中的色彩。（粗浅些说，高度对应于光的变化，调子则对应于色彩。）让我们暂且打住，稍稍回顾一下。我们已经判明，同步性可能有“生活的”同步性、节拍的同步性、节奏的同步性、旋律的同步性、调子的同步性在这里，声画组合可能在同步性上满足所有各种形态的要求（这种情况极为罕见），也可能只以某—种形态的配合为基础，却不能掩盖声音与图像领域之间总的不谐调感。后一种情况是相当常见的。当这种情况出现时，我们就说这是声音管声音，图像管图像，两者各行其是，没能结合成一个有机的整体。这里应该指出，我们所理解的同步性决不一定必须是谐和。在这里，“运动”的吻合与不吻合的任何变换都是完全可能的，但不管怎样，它们的关系都应该符合结构意图。同样明显的是，随着表现任务的不同，任何种同步性都可能成为一段结构“主导的”、基本的特征。对于一些场面来说，主要感染因素可能是节奏，对于另一些场面来说，却可能是调子，如此等等。
不过，我们还是把话题转回到不同形态的，或者更确切些说，不同领域的同步性这个系列本身上来。
我们看到，这些不同形态完全与无声蒙太奇的各种形态相吻合，无声蒙太奇的各种形态我们早已（存1928- 1929年）弄清，后来并且写进了导演课的教程（见《电影艺术》杂志，1936年，第4期，第57页，教程Ⅲ，第Ⅱ章，B节，3）。
当年有些同志觉得这种“分类法”过于繁琐，或者是随意玩弄各种类比。然而我们当时就曾指出这样考察这个问题对当时尚属“未来”的有声电影的重要意义。现在我们则已经在声画结合的实践中亲眼看到和具体体会到这点。
这个系列里还包含一种“泛音的”蒙太奇。这种类型的同步性我们前面在《旧与新》的例子里已经涉及过。这个也许并不完全确切的名称指的应是整个片段（音乐的和图像的）“总体的”、多声部的“感性的”效应。这个总体便是最直接地体现一个片段综合形象的那种感性要素。
这样，我们就触及到了构成最终内在同步性，即片段的形象和含义的根本了。
这样，这个圆圈就合拢起来。因为这个关于片段含义的公式既包含了最简单明了的片段组合方式——即单纯按情节逻辑的所谓“主题式组合”，又包含厂最高级的形式，即将这一组合作为揭示含义的手段，通过各片段间的组合真正呈现出具有作品思想内容的主题形象。
这个因素当然是对所有其他因素具有根本意义的基础因素。因为，在总的有机整体中，每一种“形态”的同步性无非是通过各自特定领域对基本形象的体现而已。
我们的考察将从色彩领域开始。这不仅是因为，色彩问题在今天是我们电影中最迫切和最令人感兴趣的问题。主要是因为，恰恰在色彩领域曾经最突出地提出过，而今天正在解决着一个原则性的问题，即图像与声音之间和它们二者与一定的人类情绪之间的绝对对应与相对对应的问题。这一点对于确立声画形象的原则具有根本性的意义。而具体的方法最好是就旋律的同步性领域来展开讨论，因为旋律的同步性最便于用图解来进行分析，也最适于单色印刷。（这个问题将成为本章之后若干章的话题。）那么就让我们首先来看音乐与色彩的对应问题，了解这一点就可进一步探讨另一种蒙太奇，为了方便起见，我称之为声色蒙太奇。
消除图像与声音之间、视觉世界与听觉世界之间的矛盾！
在两者之间建立统一和和谐的对应。这是多么令人神往的课题！古希腊人和狄德罗，瓦格纳和斯克里亚宾，谁没有做过这种梦想？谁没有试图解决这个课题’不过我们不打算从他们开始回顾那些梦想。
我们要做的回顾本身是为了沿着另一系列的主要特征来探索声音与图像融合的方法。
那么，我们对这个问题的考察就从这里开始：人们长久以来有关声画融合的梦想究竟是什么样的。在这方面，大多数梦想还是在于色彩的领域。
我们要举的第一个例子为时不太久远，不早于18与19世纪之交，但这个例子非常直观。让我们首先听听《打开自然界秘密的钥匙》（第一部，圣彼得堡，1804年版。德文原著早在1791年就出了第2版）一书的作者埃卡尔兹豪森是怎么说的。他在该书第295-299页上写道；……很久以来我一直在研究各种感觉印象和谐的问题。为了使我的研究更明白、更有实感，我把帕斯特·卡斯特尔发明的音乐机器按视觉要求稍加改造，使它能够像发出各种音调的和弦那样发出各种色彩的和弦。这个机器是这样的。我定制了一套直径半英寸、大小相同的圆筒形小玻璃杯；按照色彩理论在这些杯子里注入不同颜色的液体；然后像琴弦按音调变化排列那样，把这些杯子按色彩的变化排列起来。在这些杯子后面装上一些铜片，把杯子遮住。又用金属丝把铜片与琴键连接起来，使铜片在按键时抬起，露出彩色。正像手指放开琴键，声音就停止了一样，手指一放开琴键，色彩就不见了，因为铜片靠自身重量作用落下来，遮住杯子。
在这架琴的后面摆上高高的蜡烛。彩色呈现时的美简直无法形容，胜过任何贵重的宝石。各种五光十色的色彩和弦给眼睛带来的快感也是无法形容的……
眼睛音乐的理论
正如音乐的音调应该与剧中作者的台词相对应一样，色彩也应与词语相配合。为了更便于理解，我在这里举出一首歌曲作为例子，这首歌由我谱写成色彩的音乐并用我的眼睛钢琴弹出伴奏。这首歌是这样的：
歌词：一个无家可归的孤女。
音调：凄凉的长笛音调。
色彩：橄榄色，掺杂着玫瑰色和白色。
歌词：走在草地的花丛间。
音调：昂扬欢快的音调。