I motion-tracking system er forholdet mellem bevægelse og lyd meget direkte. Billedet fra computerens webcam bliver delt i 12 felter på skærmen. Bevægelse i hvert felt bliver beregnet af programmet ved at sammenligne hvert billede med det næste billede i billedstrømmen.

Ved hjælp af en algoritme kan man styre 12 forskellige lyde separat og dynamisk: Jo mere bevægelse inden for et enkelt felt, jo mere hører man den lyd, som er tilkoblet feltet. Hvis der ingen bevægelse er, er der ingen lyd. Ved at bevæge sig tæt ved kameraet kan man styre alle 12 lyde på én gang, mens man får mere subtil kontrol over de enkelte lyde ved at trække sig lidt tilbage fra kameraet.