視聽語言的語法主要分為“順序”和“並列”兩類。這兩個範疇的概念主要來自索緒爾的語言學理論(編輯是這門語言的語法)。索緒爾認為，語言的構成有兩個“軸”，壹個是橫軸，壹個是縱軸。他把橫軸叫做“組合”，縱軸叫做“選擇”。後來，通過雅柯布遜蘇族人的發展，這壹理論被擴展到語言學以外的領域，“選擇”也被改變了。壹般來說，組合軸是指語言中的不同位置在水平方向上似乎形成了壹個句子，而聚合軸是指每個詞必須根據壹組意義相關的詞來確定自己。根據梅茨的說法，電影語言中的組合指的是鏡頭之間的有序連接:“同壹空間中的幾個局部視點首尾相連地放置；這個首尾相連是位置性的或者推斷=組合，因為它實際上構成了這個片段。“聚合是鏡頭之間的並列連接:“聚合可以包括分布在各種距離上的單個語義“單位”(例如在“溫/熱/沸”中，或者作為對位同義詞的壹般現象)，也可以包括那些因為對立而組合在壹起的術語(“熱/冷”和所有反義詞)；無論是哪種情況，語言都給我們提供了壹個有限的領域，我們必須在其中進行選擇——這就是聚合的定義。”從梅斯的敘述中，我們可以發現他對語言學的迷戀，因為將組合和聚合的概念應用於電影的想法最初來自語言學家雅柯布遜。這種迷戀不僅讓梅斯的理論無法與電影本身完美契合，也讓他看到了電影影像敘事與壹般語言的相似之處，所以我們可以在梅斯的基礎上吸收他的長處。通過對梅斯的研究，我們發現所有的電影語言都可以被組合和聚合這兩種結構形式所封裝，因此我們有理由認為這是電影語言系統的基本結構模式。