evnen til å sight-read delvis avhenger av en sterk kortsiktig musikalsk hukommelse. Et eksperiment på sight reading ved hjelp av en eye tracker indikerer at dyktige musikere har en tendens til å se fremover videre i musikken, lagring og behandling av notene før de spilles; dette er referert til som eye–hand span.

Lagring av notasjonsinformasjon i arbeidsminnet kan uttrykkes i form av mengden informasjon (belastning) og tiden som den må holdes før den spilles (latens). Forholdet mellom last og latens endres i henhold til tempo, slik at t = x/y, hvor t er endringen i tempo, x er endringen i belastning, og y er endringen i latens. Noen lærere og forskere har foreslått at øyehåndsspenningen kan trent til å være større enn det ellers ville være under normale forhold, noe som fører til mer robust synlesningsevne.menneskets hukommelse kan deles inn i tre hovedkategorier: langtidshukommelse, sensorisk hukommelse og korttidshukommelse (arbeidshukommelse). Ifølge den formelle definisjonen er arbeidsminne «et system for midlertidig lagring og styring av informasjonen som kreves for å utføre komplekse kognitive oppgaver som læring, resonnement og forståelse.»Den viktigste funksjonen som skiller arbeidsminnet fra både det langsiktige og sensoriske minnet, er dette systemets evne til samtidig å behandle og lagre informasjon. Kunnskapen har det som kalles en «begrenset kapasitet», så det er bare en viss mengde informasjon som kan lagres, og den er lett tilgjengelig for bare et lite tidsvindu etter at den er behandlet, med en tilbakekallingstidsblokk på omtrent femten sekunder til ett minutt.Eksperimenter som omhandler minnespenn har blitt utført Av George Miller i 1956 som indikerte, » Mest vanlige antall elementer som kan lagres i arbeidsminnet er fem pluss eller minus to. Men hvis denne informasjonen ikke beholdes og lagres («konsolidert») i ens langsiktige minne, vil den forsvinne raskt.

Forskning indikerer at hovedområdet av hjernen forbundet med arbeidsminnet er prefrontal cortex. Den prefrontale cortex ligger i hjernens frontale lobe. Dette området omhandler kognisjon og inneholder to store nevrale løkker eller veier som er sentrale for prosesseringsoppgaver via arbeidsminnet: den visuelle sløyfen, som er nødvendig for oppgavens visuelle komponent, og den fonologiske sløyfen, som omhandler de språklige aspektene av oppgaven(dvs. gjenta ordet eller setningen). Selv om hippocampus, i temporal lobe, er hjernestrukturen oftest parret med minner, har studier indikert at dens rolle er viktigere for konsolidering av kortsiktige minner til langsiktige enn evnen til å behandle, utføre og kort huske visse oppgaver.denne typen minne har spesielt kommet i fokus når man diskuterer synlesning, siden prosessen med å se på musikknotater for første gang og dechiffrere dem mens du spiller et instrument, kan betraktes som en kompleks forståelsesoppgave. Hovedkonklusjonen når det gjelder denne ideen er at arbeidsminne, korttidshukommelsekapasitet og mental hastighet er tre viktige prediktorer for å oppnå synlesning. Selv om ingen av studiene diskrediterer sammenhengen mellom hvor mye tid man bruker på å praktisere og musikalsk evne, spesielt syn-leseferdighet, peker flere studier på nivået hvor ens arbeidsminne fungerer som nøkkelfaktoren i syn-leseferdigheter. Som nevnt i en slik studie, «Arbeidshukommelsekapasitet ga også et statistisk signifikant bidrag (ca. 7 prosent, en middels stor effekt). Med andre ord, hvis du tok to pianister med samme mengde praksis, men forskjellige nivåer av arbeidsminnekapasitet, er det sannsynlig at den som er høyere i arbeidsminnekapasitet, ville ha utført betydelig bedre på synlesingsoppgaven.»

Basert på forskning og meninger av flere musikere og forskere, ta hjem melding om ens syn-lesing evne og arbeidsminnekapasitet synes å være at » de beste sight-lesere kombinert sterke arbeidsminner med titusenvis av timer med praksis.»Sight-reading avhenger også av kjennskap til det musikalske idiomet som blir utført; dette tillater leseren å gjenkjenne og behandle ofte forekommende mønstre av notater som en enkelt enhet, snarere enn individuelle notater, og dermed oppnå større effektivitet. Dette fenomenet, som også gjelder lesing av språk, refereres til som chunking. Feil i syn-lesing har en tendens til å forekomme på steder der musikken inneholder uventede eller uvanlige sekvenser; disse beseire strategien for «reading by expectation» som sight-lesere vanligvis bruker.