В некоторых случаях в системах видеонаблюдения требуется записывать звук. В аналоговых системах надо прокладывать отдельный кабель или использовать недешёвый уплотнитель или специальный приемно-передатчик. Сетевые камеры в свою очередь захватывают звук с помощью камеры, синхронизируя его с видеопотоком. В большинстве случаях передача может производиться в обоих направлениях, что позволяет с помощью колонок прослушать, а с помощью микрофона – сказать. При этом не нужен отдельный кабель и аудиосигнал передается через кабель Ethernet. Также можно настроить тревогу по уровню шума.