Innføringen av lydfilm hadde først en negativ effekt på bruken av håndholdt kamera, blant annet fordi dette forutsatte at filmen måtte spilles inn med konstant hastighet, synkronisert med lyden.Et annet problem var motorene som ble brukt i kameraene. De var alt for støyende til at en kunne spille inn lyd på settet. Løsningen var å bygge kameraet inn i en lydtett kasse, noe som økte vekten dramatisk. Mitchell BNC (Blimped Newsreel Camera), som ble lansert i 1934, veide det nærmere 60 kilo, noe som umuliggjorde håndhold brukFørst med Arriflex 35, introdusert i 1937, ble det mulig å kombindere håndholdte bilder og lyd. Dette kameraet veide ikke mer en drøyt fem kilo, og hadde motoren i et håndtak under kamerahuset, noe ga bedre håndholdt støtte. Under andre verdenskrig ble dette mye brukt av tyske krigsfotografer, og rene kopier ble laget av de allierte. Mange filmfotografer fikk dermed sitt første møte med dette kameraet under krigen, og endte opp med å bruke det til andre formål etter at krigen var over.
Stanley Kubrick var en av mange regissører som valgte å bruke Arriflex 35, også i sine spillefilmer, i tilfeller der han ønsket et mest mulig portabelt kamera.
På 1950-tallet ble 16mm-formatet videreutviklet, ikke minst som opptaksmedium for fjernsyn. I tillegg til at kameraene blir mindre ble det også utviklet langt mer lysfølsomme filmtyper, noe som gjorde det mye enklere å filme uten kunstig belysning. Det er først i denne perioden at mulighetene som det håndholdte kameraet gir, for alvor blir utnyttet i dokumentarfilmer.
Den kanadiske filmen Les raquetteurs, fra 1958, regnes som en av forløperne til såkalt Direct Cinema (observerende dokumentar), en stil som er nær beslektet med det som i Europa ble kalt Cinéma vérité.
Disse filmene kjennetegnes av at kamera følger situasjonene som utspiller seg. Det brukes mye synkron lyd, uten at denne blir avbrutt av kommentarer.
Intervjuet og dialogen står gjerne sentralt i de observerende dokumentarfilmene, og filmskaperne kan medvirke i situasjonene for å provoserer fram meninger og reaksjoner. Målet er så å vise dette fram for tilskueren, og i minst mulig grad fortolke det som vises.