El uso de contenido audiovisual (AV) en la enseñanza de inglés como L2 es cada vez más común, y su impacto en diversas competencias de L2 causa un creciente interés en la investigación. En el campo de la comprensión lectora estudios previos muestran que el uso de AV puede afectar positivamente a la comprensión escrita tanto en la L1 como la L2 de niños. Sin embargo, la investigación del impacto de diversos modos de input en la comprensión lectora de la L2 en jóvenes adultos y el papel que juega la atención es más escasa. El objetivo de este estudio es analizar el impacto del input monomodal, bimodal y multimodal en estudiantes jóvenes de ELE, así como ver el rol de la atención. Para ello, se dividió a 30 estudiantes españoles de formación profesional en tres grupos; tras realizar un pre-test con input monomodal, cada grupo se expuso a un tipo de condición experimental diferente (i.e., monomodal, bimodal, y multimodal) en un post-test con un rastreo ocular. También se realizó un test posterior una semana después. El grupo expuesto a input multimodal mostró mejores resultados que los otros dos y mantuvo la información durante más tiempo. Además, el grupo multimodal tuvo un número más bajo de fijaciones y estas fueron más cortas. Esto podría significar que el uso de AV puede disminuir la carga cognitiva de los estudiantes.