Звук дополняет визуальную информацию и предупреждает пользователя о событиях, им невидимых, например, происходящих за его спиной. Для такой сигнализации иногда вполне достаточно и монозвука. А если этот звук контекстно связан с каким-либо видимым объектом, то он будет восприниматься, как исходящий от этого объекта. При этом, как в случае с известной всем собакой Баскервилей, остальное будет уже не так важно.
При необходимости создавать источники звука, локализованные в трехмерном пространстве, используется специальная аппаратура, например, устройство Convolvotron фирмы VPL или устройство Focal Point, разработанное изобретателем Бо Герингом. В устройствах на базе электронной модели наружного уха звук моделируется так, что он воспринимается как идущий из заданной точки пространства. Для придания звуку большей естественности в модели можно учесть отражение звука от предметов в виртуальном помещении [6].
Сегодня в системах ВР широко используются уже упомянутые в подразделе 3.3.5 технологии создания 3D-звука: EAX компании Creative, A3D компании Aureal, а также DirectSound3D корпорации Microsoft, реализованная в библиотеках DirectX [82]. Более дорогие шлемы ВР оснащаются квадро-наушниками, обеспечивающими комфортное прослушивание 3D-звука.