Pytanie o to, kto scenę widzi, i pytanie o to, kto ją opowiada, brzmią jak jedno. Bardzo często mają dwie różne odpowiedzi. Narrator potrafi mówić z dystansu chłodnego kronikarza, a jednocześnie wpuszczać do sceny wyłącznie to, co zauważyła jedna konkretna para oczu. Ta druga sprawa nazywa się fokalizacją i jest dźwignią osobną, niezależną od głosu.
Parę tych pytań rozdzielił francuski narratolog Gérard Genette w książce Figures III. Fokalizacją nazwał to, przez czyją percepcję przepuszczony jest opowiadany świat, i opisał trzy jej ustawienia: przy zerowym nic narratora nie ogranicza i wie on więcej niż ktokolwiek z bohaterów. Przy wewnętrznym soczewką staje się percepcja jednej postaci. Przy zewnętrznym zostajemy na powierzchni czynów i do żadnej głowy nie zaglądamy.
Ustawienie wewnętrzne najłatwiej poczuć, bo działa jak postawienie kogoś przed nami. Na obrazie Kobieta na balkonie Carla Gustava Carusa bohaterka siedzi tyłem, zwrócona ku mglistym wzgórzom, więc widok dostajemy razem z nią, przez jej ramię. Nie oglądamy sceny, tylko czyjeś spojrzenie na scenę. Wszystko, czego ona nie zauważy, dla nas w tej chwili nie istnieje.
Najwyraźniej rozjazd między okiem a głosem widać tam, gdzie dzieli je czas. Charles Dickens w Wielkich nadziejach prowadzi opowieść głosem dojrzałego, ironicznego mężczyzny, ale scenę na przykościelnym cmentarzu, gdy z mgły wychodzi zbieg, podaje przez percepcję przerażonego dziecka, którym ten mężczyzna kiedyś był. Mówi dorosły, patrzy chłopiec. Z tej szczeliny bierze się cała czułość tej książki.
Ustawienie zewnętrzne działa odwrotnie i trzyma czytelnika przy samych czynach. Dashiell Hammett w Sokole maltańskim prowadzi całą powieść od zewnątrz, ani razu nie zaglądając detektywowi do głowy. Wiemy, co Spade mówi i co robi, nie wiemy, co myśli, więc do ostatnich stron nie jest pewne, po czyjej stoi stronie. Chłód tej prozy bierze się z samego zamknięcia dostępu do wnętrza.
Podział wiedzy między odbiorcę a postacie jest dźwignią osobną i ma własne hasło, o punkcie widzenia. W scenariuszu soczewkę ustawia się inaczej niż w prozie, bo do cudzej głowy nie sposób tam zajrzeć. Zostaje dobór tego, co w ogóle wchodzi do didaskaliów. Jeśli scena należy do kelnerki, opis notuje brudny mankiet gościa i urwane zdanie przy sąsiednim stoliku, a nie to, co dzieje się za jej plecami. Dźwięk pracuje tak samo, bo kroki na korytarzu słyszy ten, kto akurat nasłuchuje.
Zmiana soczewki potrafi zmienić same fakty. Zofia Nałkowska zbudowała Granicę na tym, że ten sam mężczyzna jest kimś innym widziany własnymi oczami, kimś innym oczami kobiety, która go kocha, i jeszcze kimś innym oczami tej, którą skrzywdził. Żadna z tych wersji nie kłamie. Prawda o człowieku okazuje się zależna od miejsca, z którego się na niego patrzy.
Filtr przełączony odruchowo w środku sceny szkodzi bardziej niż jakikolwiek zły dobór postaci. Autor wchodzi na moment w cudzą głowę, żeby dopowiedzieć coś, czego wybrana postać nie mogła zobaczyć, i czytelnik przestaje wiedzieć, czyimi oczami przed chwilą patrzył. Soczewkę wolno przestawiać, ale na czystym cięciu, między scenami albo rozdziałami, i tak, żeby po dwóch zdaniach było wiadomo, gdzie wylądowaliśmy.
Scena bez wybranej soczewki rozmywa się. Czytelnik dostaje zbiór poprawnie opisanych faktów bez wskazania, czyje one są, i przestaje wiedzieć, kogo w tej scenie ma się trzymać. Oko przebiega przez taki fragment bez zatrzymania i nic z niego nie wynosi, bo nie było w nim nikogo, przez kogo można było patrzeć.