配音或附加声音叠加在画面上——混音中多条轨道用于旁白、思想或环境声。需要干净的录音室隔离。
在声音叠加（音轨叠加）中，你会将多个音轨层层叠放——这是一项在剪辑和最终混音中至关重要的技术。你不仅仅是让一个声音覆盖画面，而是同时有多个声音：角色的内心独白、纪录片旁白、从人群中单独录制的背景人声。每一条音轨都独立运行，单独混音，然后合并成最终的Stem。这只有在每个声音都干净录制的情况下才有效——没有空间串扰，没有相互叠加的噪音。
最大的挑战在于录音棚设置。你需要为每次录音提供完全干燥的声学环境，这样后期就不会有弥散的空间声叠加在一起，变成模糊不清的“汤”。很多项目在这里犯了错误：他们在同一个录音棚里逐一录制所有声音，然后奇怪为什么后期的混音听起来像鸡尾酒会效应。更好的做法是：花几天时间，让不同的录音师在不同的房间工作，或者至少改变他们与墙壁的距离。这样你就能获得声学上的差异性，为整体画面带来深度。在混音中，你就可以避免一切听起来平淡而模糊。
在剪辑中，这实际上意味着：每个画外音音轨都有自己的独立轨道。你独立剪辑它们，调整停顿，改变音量包络以达到戏剧性或焦点效果。例如，对于一个内心独白音轨：当视觉动作占主导时，降低音量；当画面静止为内心活动创造空间时，提高音量。纪录片旁白通常在混音中处于较高位置，因为它主要承载信息。背景人声——场景后方低语的人群——则巧妙地放在较低层，作为一种存在感音轨。在最终的Stem混音中，所有音轨将被合并成一个画外音Stem，由对白混音直接采用。
一个实际的例子：一部关于侦探的纪录片。你有他的内心画外音，第三人称的叙述者旁白，以及背景中警察办公室的低沉功能性声音——这三层声音叠加在一起。每一层都有其空间感和深度，但没有一个与其他声音争夺空间。这只能通过录音时持续的隔离以及在对白混音中智能的声像、混响和均衡器设计来实现。没有空间控制的粗糙录音会导致三个声音后期听起来像一锅脏乱不清、难以理解的汤。