Auf Basis der spezifischen audiovisuellen Verhältnisse von Musikclips widmet sich die Arbeit der musikbezogenen Darstellungshandlung des Lip Synching. Die Nachahmung des Singens ist in Musikclips mit Performance-Anteilen ein zentrales visuelles Element zur Verknüpfung des Bildgeschehens mit Songtext und Musik. Der Fokus liegt somit auf der Erschließung des Lip Synching als Schlüsselkategorie für eine Analyse der besonderen Konstruktionsweise der audio-visuellen Verhältnisse in Musikclips. Entscheidend hierfür sind die Bezugnahmen zwischen manifesten und latenten Bild- und Tonelementen. Anhand des Lip Synching lassen sich folglich artifizialisierende und naturalisierende Darstellungsweisen aufzeigen und diskutieren. Darauf aufbauend gelangt die Arbeit zu einem Strukturmodell der Audio-Vision von Musikclips, das mittels exemplarischer Analysen verdeutlicht wird.