A linguagem audiovisual se viabiliza através da utilização de três equipamentos: câmera, iluminação e áudio.

Da câmera utilizamos os planos, enquadramentos, movimentos de lente e movimentos de câmera. Plano é o segmento de imagem contínua compreendida entre dois cortes, isto é, a imagem registrada durante o intervalo quando a câmera está ligada, gravando uma cena. Em termos de planos para TV ou vídeo, o plano é classificado de acordo com o tamanho da figura humana ou de um objeto dentro de um quadro. Quanto aos planos cinematográficos eles começam a ser classificados de acordo com imagens de cenas externas.Temos os seguintes planos: Grande Plano Geral (GPG), Plano Geral (PG), Plano Conjunto (PC), Plano Médio (PM), Plano Americano (PA), Primeiro Plano (PP), Primeiríssimo Plano (PPP), Plano Detalhe (PD).

O grande plano geral descreve o cenário. É um plano com ângulo de visão muito aberto, sendo impossível perceber a ação ou identificar os personagens, apresentando grande quantidade de pormenores e necessitando de maior tempo para projeção (8 a 12 seg.). Na TV, o grande plano geral (GPG) permite um ângulo maior de visão do estúdio. Para criar sensação de maior espaço, a cabeça do personagem deve estar próxima à parte superior da tela. O plano geral apresenta um ângulo de visão menor que o GPG. Nele se percebe a figura humana, mas é difícil reconhecer as personagens e a ação. Caracteriza-se como um plano descritivo, servindo para mostrar a posição dos personagens em cena (5 a 9 seg.). Na TV, o plano geral (PG) mostra o personagem de corpo inteiro. Ao enquadrar o ator, é deixado um pouco de espaço acima da cabeça e abaixo dos pés (diferença de 10% entre a imagem da fita e o visor). O plano médio tem como objetivo enquadrar o ator em toda sua altura. Sua função é narrativa, pois a ação tem maior impacto na totalidade da imagem (3 a 7 seg.) Na TV, o plano médio mostra o ator da cintura para cima. Os olhos do personagem ficam a 2/3 da altura do quadro. O plano americano enquadra os personagens acima do joelho ou abaixo da cintura e privilegia a ação em relação ao cenário (3 a 7 seg.). O plano conjunto apresenta personagem ou grupo de pessoas no cenário e permite reconhecer atores e movimentação em cena. A ação não é visualizada nos mínimos detalhes, tendo um caráter descritivo e narrativo, com tendência maior para a descrição (4 a 8 seg.). Na TV, o plano conjunto (PC) é aquele que corta o personagem na altura dos joelhos ou pouco acima. O primeiro plano é o enquadramento que corta o personagem na altura do busto. É um plano de caráter psicológico, pois se percebe o estado emocional dos atores e a direção dos olhares, havendo pequena quantidade de detalhes no quadro (2 a 6 seg.). Na TV, o primeiro plano (PP) tem o mesmo enquadramento do cinema, sendo utilizado em diálogos ou entrevistas. Os olhos ficam a 2/3 da altura do quadro. O primeiríssimo plano é aquele em que o rosto ou parte do rosto ocupa toda a tela. A ação não é percebida, dando-se atenção ao lado emocional transmitido pela expressão facial do ator. É um plano de função indicativa (1 a 3 seg.). Na TV, o primeiríssimo plano (PPP) também mostra a cabeça do ator, apresentando certo impacto visual. Os olhos ficam a 2/3 da altura do quadro. O plano detalhe é aquele que destaca pormenores do rosto ou do corpo do ator, sendo uma imagem de forte impacto visual e emocional. É um plano de função indicativa. Devido às dimensões exageradas da imagem, necessita de tempo reduzido para a identificação dos objetos em cena (1 ou 2 seg.). Na TV, o plano detalhe (PD) também mostra parte do rosto. É um plano de forte impacto visual. Deve ser usado moderadamente nos programas convencionais e é muito freqüente em vídeos publicitários.

Além dos planos acima descritos podemos fazer movimentos de câmera, ou eixo, e com as lentes da objetiva. Como vemos a seguir: Panorâmica (PAN) é o movimento em que a câmera gira ao redor de um eixo imaginário qualquer, sem deslocar-se mostrando uma paisagem ou cenário. (PAN h pan horizontal; PAN v pan vertical ou tilt). Chicote (whip pan) é um movimento muito rápido que deixa a imagem embaralhada. Travelling (trav) é o deslocamento da câmera em qualquer direção. Para realizarmos o travelling podemos utilizar alguns equipamentos como a grua, o dolly ou a steadicam. Grua é o mecanismo que possibilita o deslocamento da câmera, filmando ou gravando o cenário com movimentos verticais ou horizontais variados. O dolly permite o deslocamento horizontal, sem que haja trepidações na imagem. Pode-se improvisar o movimento com uma cadeira de escritório com rodas ou um skate. Steadicam é um equipamento mais sofisticado que, através de mecanismos giroscópicos, mantém a estabilidade da câmera durante a movimentação do operador.

Existem outras maneiras de se indicar alterações temporais e espaciais do enredo, além de exercerem função semelhante à pontuação gramatical. São os efeitos visuais. O fade é a clareação ou escurecimento total de uma imagem. A clareação ou fade in, é o aparecimento gradual da imagem a partir de uma tela completamente escura. O fade out é o escurecimento da imagem que vai desaparecendo, até que a tela escureça totalmente. O fade indica longas passagens de tempo e/ou mudanças muito bruscas de cenário.Wipe é um efeito visual onde uma superfície negra varre a tela, cobrindo-a totalmente. O wipe pode ser horizontal, vertical, em barras, quadrangular ou circular. O wipe é uma transição entre planos que serve para indicar passagens de tempo e/ou mudanças de cenário. Outra maneira de demonstrar a passagem de tempo ou mudança de locação é o dissolve ou fusão que é um efeito visual onde uma imagem vai desaparecendo aos poucos, ao mesmo tempo que a outra vai surgindo. O dissolve indica pequenas alterações temporais e/ou rápidas mudanças de cenário; também pode servir para interligar planos de uma mesma cena, proporcionando ao espectador uma transição suave e agradável. A fusão serve para indicar a passagem da normalidade para estados emocionais afetados ou de caráter psíquico. É o caso de sonhos, delírios ou alucinações provocados por drogas. A superposição, sobreposição ou sobre-impressão é o resultado da mixagem de imagens diferentes que aparecem simultaneamente, uma sobre a outra, produzindo como efeito visual um dissolve incompleto. A transição entre planos também pode ser feita através da desfocagem da objetiva. Tela dividida (split screen) serve para interligar acontecimentos simultâneos, porém separados pela distância, por exemplo, uma conversa telefônica. Máscara é um efeito que cria a sensação de que o olho do personagem aproximou-se bastante de alguns objetos como buraco de fechadura, binóculo ou lâminas de uma persiana.

Em relação à velocidade da imagem, existem três tipos de efeitos: câmera lenta, câmera rápida e congelamento. Câmera lenta (slow motion) é utilizada para intensificar a ação dramática ou mostrar detalhes do movimento que seriam impossíveis de visualizar. A câmera rápida (quick motion) é usada para provocar risos. O congelamento (freeze) serve para chamar atenção do espectador para um detalhe importante do movimento (gestos, olhares, objetos) ou para simular a exibição de fotografias.

A iluminação é fator importante na gravação das imagens. Para tanto é necessário sabermos um pouco mais sobre a íris, temperatura de cor das fontes luminosas, intensidade de luz para registro de imagens e posição da câmera em relação à fonte luminosa. A íris (diafragma) controla a quantidade de luz que passa pela objetiva. Ela funciona como se fosse uma torneira: quanto maior a abertura, maior a quantidade de luz que passa pela objetiva; quanto menor a abertura, menor a quantidade de luz. O auto íris ou íris automático avalia a quantidade de luz do cenário sem fazer a leitura de pequenas áreas do enquadramento.

As fontes luminosas possuem diferentes proporções de luz verde, vermelha ou azul. A temperatura de cor das fontes luminosas avalia essas proporções, indicando entre a predominância do preto até o branco absoluto. No vídeo o ajuste de temperatura de cor é feito através do white balance (WB), isto é, um sistema de filtragem eletrônica composto por filtros de correção de cor. O WB deve ser feito sempre que houver alteração na iluminação da cena. O WB automático deve ser utilizado quando houver diferentes fontes luminosas.

Chama-se LUX o mínimo de iluminação que uma câmera pode registrar, equivale a 1/10 da chama de luz de uma vela, numa distância de 30 cm, ou 10 lux. As luzes da rua a noite são uns 150 lux; um dia nublado ao meio dia tem uns 32.000 lux, um dia claro ao meio dia uns 100.000 lux. Acima de 80.000 lux é necessário usar filtro de densidade neutra para diminuir a intensidade luminosa sem alterar as cores da fonte; o filtro de densidade neutra também pode ser usado para diminuir a profundidade de campo, pois a redução da quantidade de luz, aumenta a abertura da íris. Quando se grava sob a luz do sol tem-se que cuidar problemas de subexposição e superexposição. A câmera deve ficar entre a fonte luminosa e a cena, de modo que a objetiva aponte para o objeto principal. Desse modo há uma distribuição homogênea de luz, iluminando todos os pontos do quadro. Os maiores problemas ocorrem com a luz lateral, contraluz e reflexos de água, areia, neve, superfícies brilhantes ou muito claras. A solução está em abrir a íris, usar rebatedores ou colocar luz artificial em cena. A contraluz se corrige abrindo a íris manualmente ou pressionando o Backlight control, que também abre a íris e elimina as sombras no objeto principal.

A luz artificial fornece nível de iluminação adequado na gravação de cenas que possuem luz solar insuficiente. Além da intensidade luminosa, deve se pensar se a fonte é dura (hard source) ou suave (soft source). Uma luz dura produz muita sombra; uma luz suave produz sombras tênues. A dureza ou suavidade de luz depende do tamanho da fonte luminosa, da distância entre a fonte de luz e o objeto principal e do tipo de incidência dos raios luminosos. Quanto mais afastada estiver a fonte luminosa, menor será a intensidade de luz que produzirá sombras menos definidas e iluminação soft.

As fontes luminosas são classificadas de acordo com a função e posição em cena. A luz chave Key light, luz fonte (source light) ou luz principal (main light) fornece a luz básica da cena. A luz principal produz sombras intensas quando a fonte de luz é dura. A luz principal deve estar à esquerda ou direita da câmera, com um ângulo de 45° em relação ao eixo do objeto câmera. Uma segunda fonte luminosa serve para atenuar as sombras mais acentuadas da cena produzidas pela luz principal. Essa segunda luz é conhecida como luz secundária, luz complementar ou luz de enchimento (fill light). A luz secundária deve ficar próxima da câmera, mais ou menos na mesma altura da objetiva e deve ser uma luz suave com metade da potência da luz principal. Para uma iluminação mais aprimorada pode se utilizar uma terceira luz conhecida como backlight que serve para destacar os atores e objetos principais do fundo do cenário. Normalmente é colocada atrás do ator, com raios luminosos vindos de cima com uma incidência de 50° em relação à cabeça do ator. Os raios do backlight não devem atingir a objetiva. Para a iluminação do fundo do cenário se utiliza background lights.

Para gravação do áudio existem vários tipos de microfones dependendo do tipo de utilização. O microfone de mão ou bola deve ser colocado a um palmo da boca, com 45° de inclinação. O microfone de lapela ou microfone de Lavalière é usado em estúdios na gravação de noticiários ou entrevistas e deve ser colocado a uns 15 cm do queixo da pessoa que fala. O microfone de mesa deve ser colocado sobre superfícies maiores que um metro quadrado. O microfone shotgun é um tipo de microfone direcional, que registra o áudio emitido pelas fontes localizadas a sua frente.