"(página 1 do roteiro) CHINATOWN de Robert Towne UMA FOTOGRAFIA ENCHE A TELA granulada mas indiscutivelmente um homem e uma mulher fazendo amor. A fotografia treme. SOM de um homem gemendo de angústia. A fotografia cai, REVELANDO outra, mais comprometedora. Depois outra e outra. Mais gemidos. VOZ DE CURLY (choroso) Oh, não...
...Ouvimos o SOM de OUTRO GEMIDO vindo da sala de Gittes — algo feito de vidro se quebra. Cresce a irritação da mulher."

"... O ponto de virada no final do Ato II é quando Rocky sobe correndo as escadas do museu e dança a dança da vitória ao som da canção "Gonna Fly, Now" (Vou Voar, Agora). Como se lê no roteiro, ele está melhor do que nunca para lutar contra Apollo Creed. Ele fez tudo o que podia — o que tiver de ser, será..."

O cinema lida com dois sistemas — o filme, que nós vemos, e o som, que ouvimos. A parte de filme é completada antes de ir para a finalização de som, e depois as duas partes são colocadas juntas em sincronismo. É um processo longo e complicado. Linha 11 — Se você escolhe indicar o fim de uma cena, pode escrever "CORTA PARA:" ou "FUSÃO PARA:" (fusão significa duas imagens sobrepondo-se uma a outra; uma vai aparecendo, a outra desaparecendo) ou "FADE OUT", usado para indicar o desaparecimento da imagem por escurecimento até o preto. Deve-se notar que os efeitos ópticos como "fades" ou "fusões" são realmente uma decisão tomada pelo diretor ou montador do filme. Não é uma decisão do roteirista.

Fonte: Manual do roteiro – Syd Field

"... Um roteiro visa uma história de imagens em movimento. Sendo assim, as características das personagens devem ser colocadas na forma de ação.
O roteirista não deve se esquecer que o pensamento da personagem deve ser igual ao ato de falar.
Por outro lado, um pensamento de uma personagem (ou desejo) pode ser naturalmente projetado em imagens (ou ações). Confira por exemplo os filmes “A Excêntrica Família de Antônia” e “Segredos de Cabaré”. São imagens ou ações, dos pensamentos ou desejos, e que, ao mesmo tempo, não são indicativos de patologias, apenas refletem os desejos ou pensamentos.
Para Doc Comparato, “o emprego da voz em off para descrever estados de espírito e pensamento da personagem, tão comum no cinema francês, parece-me um recurso aborrecido e pouco criativo que considero ser preferível evitar”..."

Fonte Apontamentos: Como se escreve um roteiro (para cinema) – Israel Nascimento

Não há uma metodologia ou regra a ser seguida invariavelmente pelo roteirista, mas tomando por base os textos acima creio que você possa resolver seu problema indicando: “voz em off”, “sons em fusão”, “voz off, som on”, etc.