如果說紀錄片是一個獨立的話語單位，那麼除了起決定作用的鏡頭語言之外，聲音語言也是其重要組成部分。聲音語言包括解說詞、同期聲與配樂三個部分，主要起到補充敘事、刻畫空間、渲染情緒，增加現場感的作用。
從藝術觀賞的經驗出發，人們對畫面的真實感受和聲音的關注是密切相關的。它不僅僅是一種補充手段，而是具有完整的形象。
中國故宮紀錄片作品中均體現出濃烈的抒情色彩與深厚的人文素養。這其中有很大一部分的功勞來自於善用聲音語言的效果加成。
從解說詞上來看，中國早期紀錄片的解說詞是說明性的文字，是純粹的信息輸出與介紹，目的在於向大家科普歷史知識。
以《故宮》、《故宮100》、《盧浮宮遇見紫禁城》《台北故宮》為代表的新時期作品的解說詞則發生了轉變。
對於歷史，更多地採取一種闡釋的視角。這是一個從說明文到散文的過程，闡釋歷史、敘述歷史,就鮮明地加入了人作為主體的作用。
一些傳說、故事,包括神話,都被包含於其中，重要的是這樣的解說空間是開放的。它展現了一種邀請,邀請觀眾共同去思考與探討。例如《故宮》第一集的解說詞開篇便奠定全片基調：「是誰創造了歷史又是誰創造了歷史中偉大的文明。
《故宮》的解說詞充滿著貫穿古今的思索與追問。這是一個重複句式,兩個同樣句型的提問在片子一開始就拋出問題,拋給觀眾。這兩個問題並不需要馬上進行解答。
觀眾在觀看完全片後也會因人而異地得出自己的答案。它是創作者對自己的提問,更是一個民族、歷史對於自身的內省,而不是開篇名義，直言我要說什麼。
《故宮》的解說詞改變了說明式的直白簡單，也收住了過於泛濫的抒情,而是更加思辨、內斂地敘述著歷史,得出了厚重文化層面上相應的優美。
此外，解說還迴避了明確的詞語指代,比如將「中國人」敘述為「生活在這塊土地上的人們，將「過節」解說為「依然延續著自占以來的傳統」，這樣的敘述方式透露出行為主體的內在文化含義,也由此貼近擁有同源文化心態的觀眾們。
這是一種貼近人文心理的思緒,是一種非常情感化的講述。中國故宮題材紀錄片中的配樂雖不如《故宮的記憶》這般出名，卻也是經典之作。兩者的音樂風格如出一脈的悠揚、深沉、大氣。它既有歷史滄桑的傷感，又有泱泱大國的宏偉氣度。
在聲音情感的處理上非常符合傳統美學。它不一味的宏大、莊嚴，也不一味哀傷、纏綿，而是更為典雅、溫和，頗有中和之美。
中國傳統音樂的獨特性不在於樂器的選用，而在於旋律上的審美傾向。並且，無論是西方的管樂、弦樂，還是中國的民樂都合適地被運用在片中，與畫面、解說詞相得益彰。
幾部中方紀錄片中的配樂都不是單一、重複的，而是會配合畫面進行調整，或悠揚婉轉、或大氣莊嚴，靈活變通。從同期聲來看，一切也都以服務故宮形象為首要任務。
最為典型的,是每一集《故宮》的片頭音效,嘈雜的機器運轉和汽車鳴笛的聲音,慢轉為鐘錶聲和開門聲夾雜，隨著遊人的出現轉為隆重的鼓點,接著出現故宮的全景，再到故宮的模型，鼓點混雜了金屬聲音，由混雜到節奏清晰,最後泛黃的背景落下「故宮」兩個大字，聲音逐漸減弱。
它反其道而行，避開了常理中的民樂，用這樣一種敲打心扉的「重低音」開篇，打開了故宮之門，也打開了觀眾的心門。為觀眾在現代都市的喧囂之中，打開一扇通往歷史的大門，望能從中找到心靈的寄託歸處。
