"Nhìn vào" đơn giản có nghĩa là các camera sẽ cần phải được đặt sao cho các trục chính của chúng giao nhau tại một số điểm trước máy ảnh (thay vì song song như thường được sử dụng cho công việc âm thanh nổi)
Lý do để làm điều này khi các máy ảnh cách xa nhau cũng đơn giản:
Âm thanh nổi đòi hỏi bạn phải khớp các tính năng từ hình ảnh này sang hình ảnh khác. Do đó, cả hai máy ảnh phải có chế độ xem các đối tượng bạn quan tâm. Các camera song song chỉ chồng lấp khi đối tượng ở đủ xa - bằng cách hướng chúng vào trong, bạn có thể giải quyết điều này. (Tất nhiên, nếu đối tượng của bạn trông khác biệt đáng kể so với hai quan điểm, bạn vẫn không thể thực hiện kết hợp âm thanh nổi tốt.)