Ama Eisenstein'ın sesli film temeli her şeyden önce görsel-işitsel karşısürüme ya da görsel-işitsel kurguya (audio-visual counterpoint, montage) dayanacaktır. Görsel-işitsel karşısürüm Eisenstein'ın tümüyle sesli olarak gerçekleştirdiği (ve elde bulunan, çünkü daha önceki Bejin Bataklığı yok olmuştur) Aleksandr Nevski'de, sonra da Korkunç İvan'da uyguladığı bir yöntemdir. Ama kuramsal olarak daha 1928'de Pudovkin ve Aleksandrov'la birlikte yayımladıkları «Bildiri»de (sesli film bildirisi) ortaya konmuştur. O sıralarda SSCB'de henüz sesli film çevrilmiyordu (1930 başlarına dek de çevrilmeyecekti). Ama üç sinemacı, sesli sinemanın Batıdaki yanlış ve ters uygulamaları karşısında bu konudaki görüşlerini açıklamak gereğini duydular. Sesin görüntüyle yüzde yüz eşlemeli olarak kullanılmasının kurgu ekinini yok edeceği görüşünden yola çıkılan bildiride şöyle deniliyordu: «Görsel kurgu parçasına sesin ancak karşısürümsel kullanılışı kurgunun gelişmesine ve yetkinleşmesine yeni bir güç kazandıracaktır. Sesle yapılacak ilk deneysel çalışma, sesin görsel imgelerle kesin eşlemesizliği yönünde olmalıdır. Ancak böyle bir girişim, daha sonra görsel ve işitsel imgelerin orkestralanmış karşısürümünün yaratılmasına ulaştıracak gerekli beceriyi sağlayacaktır...***** Sesli filmin kuruluşunda karşısürüm yöntemi, yalnız uluslararası sinema'nın güçsüzleşmesine yol açmamakla kalmayacak, bu sinemanın benzeri olmayan bir güce ve ekinsel yüceliğe kavuşmasını da sağlayacaktır» ****** (9:258-259).
Eisenstein bir yıl sonraki bir yazısında, çeşitli çatışma biçimlerinin en sonuna sesi de ekleyerek şöyle yazıyordu:
«10. Tüm optik karmaşa ile apayrı bir alan arasındaki çatışma. Böylece, optik ile akustik deneyarasındaki çatışma, sesli film'i üretir. Sesli film, görsel-işitsel karşısürüm olarak gerçekleşebilir» (9:54-55).
Eisenstein 1945'te Korkunç İvan üzerinde çalışırken bu eski görüşlerini ve yeni durumu şöyle belirtir: «1928'deki Bildiri'mizde, gelecekteki karşısürüme ulaştıracak yol olarak, ses ile görüntü arasındaki kesin ayrılığı ve karşıtlığı öne sürmüştük ... Görsel-işitsel kurgunun yeni aşaması, bana kalırsa, o aşamadan şununla ayrılıyor: Bu yeni aşama, kurgunun çoksesli uyumunun gittikçe artan bağdaşıklığı altında doğuyor ... Biçim olarak, kurgu karşısürümü, bilincin oluşumunun bu büyüleyici aşamasını yansıtır gibidir: Daha önceki iki evre, başarıyla aşıldığı için, çözümle birbirinden ayrılmış olan evren, şimdi bu yeni aşamada bir bütün olarak kaynaşıyor, tek tek özelliklerin bütün ilişkileri ve bağlantılarıyla canlanıyor ve bilince bireşimsel olarak algılanmış bir dünyanın tümünü, hayran kalan bir bilince sunuyor» (16: 165- 166, 171).
Eisenstein'a göre, görsel-işitsel karşısürümde ya da kurguda önemli olan iki nokta var: Birisi, görüntüdeki tüm görsel -işitsel öğelerin «hak eşitliği» (bunu daha önce de görmüştük); ikincisi, birbirine eşit olan bu öğelerin, görüntünün temel izleğine göre düzenlenmesi gereği. Daha geniş çapta düşünürsek, bütün öğelerin, sonunda tüm filmin izleğine göre parçaların düzenlenmesi, böylelikle de bütün filmin oluşturulması. Bu nasıl sağlanır? «Oyuncunun oyunundan giysisinin- kıvrımlarının kıpırdanışına dek bütün öğeler, birbirine özdeş biçimde tek bir coşkunun seselimine (rezonansına) dalmahdır. Geri kalan her şeyi bu coşku belirler ve birçok çekimdeki düzenlemenin çokseslilik temelini doğrudan doğruya biçimlendiren de bu coşkudur» (16:196).
Görülüyor ki, görsel-işitsel karşısürüm ya da kurgu, görüntü ile sesteki bütün değerdeşlerin (parametrelerin) hak eşitliği içinde ele alınıp düzenlenmesidir. Görsel-işitsel karşısürümde çeşitli ses öğeleri (söz, müzik, gürültü) bu düzenlemeye eşit olarak katılır; hatta görüntüden ayrı olarak; çünkü bu düzenlemede ses kimi zaman görüntülere eşlik eder, kimi zaman görüntüleri güçlendirir, kimi zaman da -çoğu zaman- görüntülere karşı çıkar.
«Film Duyumu»nun son bölümü, Aleksandr Nevski'den. alınan örneklerle, görsel-işitsel karşısürümün, görsel ve işitsel bütün değerdeşlerin uygulamada nasıl düzenlenip çözüldüğünü açıkça ortaya koyar. Eisenstein bu yazısında şu soruyu sorar:. Görsel-işitsel karşılıkları bulma yöntemi nedir? Eisenstein bunun için müzikteki salt gösterimsel öğelere eşdeğerler bulmaya kalkışmanın anlamsızlığını belirtir. Ona göre, müziksel ve görsel görüntüler, daracık «gösterimsel» öğeler yardımıyla ortak bir ölçüye vurulamaz. Müzik ile görüntü arasındaki gerçek ve derin ilişkiler ve orantılar, ancak müzik ile görüntünün temel devinimleri, yani bunların düzenlemeli ve yapısal öğeleri arasındaki ilişkilerle ilgili olabilir: «Bu konuda gerçekten «ortak ölçüye vurulabilir» olandan, yani hem belirli bir müzik parçasının yapısal yasasının hem de belirli bir görsel gösterimin yapısal yasasının temelindeki devinimden söz açabiliriz. Burada dengelemeyi sağlayan dizemin ve sürecin yapısal yasalarının anlaşılması ve bu ikisinin gelişmesi, ikisi arasındaki birliği sağlamakta yalnızca sağlam bir temel oluşturur» (8: 143).