Un linguaggio è un complesso sistema di segni visivi e/o auditivi, ognuno dei quali si riferisce in maniera tendenzialmente univoca ad altrettanti significati. I segni possono relazionarsi tra loro attraverso un codice, cioé un insieme di regole e caratteristiche comuni che ne assicurino il riconoscimento e il riferimento ai significati. I linguaggi verbali sono quelli più diffusi, ma ve ne sono molti altri. Tra questi vi è il linguaggio audiovisivo. Al pari di qualsiasi altro linguaggio, quello audiovisivo è costituito da un insieme di segni che, relazionati tra loro attraverso un sistema di regole, è utilizzato per comunicare qualcosa a qualcuno.

Le opere basate su immagini in movimento assumono sempre una forma narrativa, anche quando devono informare o documentare. Utilizzano un linguaggio, quello audiovisivo, costituito dalla convergenza e dall'equilibrio di una serie di linguaggi settoriali. Questa forma di comunicazione è attualmente la più diffusa e potente tra quelle in circolazione. Ha dato vita ad innumerevoli opere della più diversa tipologia. 

Le opere cinetelevisive si fondano su un nucleo che ne riassume gli elementi essenziali sul piano narrativo: lo story concept. A partire da lì si sviluppano i materiali narrativi che costruiscono l'opera: i personaggi, gli eventi e l'ambientazione. La configurazione (punto di vista, tono, densità) costituisce l’insieme delle operazioni di modellazione che i materiali narrativi ancora grezzi subiscono per essere resi unitari e coerenti. I materiali così configurati vengono dislocati secondo un ordine e delle combinazioni (esposizione, tessitura, progressione, strutturazione) che nel loro insieme costituiscono la composizione. 

L'inquadratura cinetelevisiva è l'insieme dei fotogrammi o frame presenti tra un taglio e un altro. I parametri fondamentali per realizzarla e/o analizzarla si riferiscono alla relazione spaziale tra ciò che è ripreso e la posizione della camera nel momento in cui riprende. Il punto di ripresa è definito da cinque parametri: grandezza scalare, angolazione, inclinazione, altezza , eventuale movimento di camera. 

Le caratteristiche visive dell’immagine cinetelevisiva non dipendono solo dal punto di ripresa, ma anche dalle proprietà materiali delle inquadrature (formato, qualità, velocità di scorrimento, unitarietà, colorazione, rilievo, varietà delle risorse filmiche utilizzate), dalle relazioni prospettiche tra i piani e dalla composizione. 

La messinscena è l'insieme di quei linguaggi settoriali che il cinema e la televisione hanno in comune con il teatro: la resa figurativa, l'allestimento o la scelta location (scenografia), i costumi, il trucco e l'acconciatura e la recitazione. Nel cinema e nella tv questi aspetti prendono, rispetto al teatro, un carattere tutto particolare, date le possibilità offerte dalla ripresa e dal montaggio. 

Tra due inquadrature c'è sempre un passaggio più o meno invisibile tra un segmento di ripresa e un altro. In un film ci sono centinaia di inquadrature diverse, e centinaia di stacchi. Il montaggio è il linguaggio che si incarica di unire le inquadrature di un’opera cinetelevisiva in modo da chiarire il racconto (soprattutto grazie al rispetto delle regole di continuità), tradurre i passaggi narrativi nel linguaggio audiovisivo (soprattutto con gli schemi di montaggio), dare fluidità e ritmo all’opera (editing e cutting), legare tra loro le diverse scene e sequenze (con i raccordi).

Il sonoro nell'opera cinetelevisiva ricopre varie e fondamentali funzioni. Esso è costituito dalla miscelazione di tre sorgenti: la musica, i rumori e le voci.