Если совсем упрощенно, то свет - это поток фотонов, движущийся со скоростью ~300 тысяч километров в секунду. А звук - это колебания молекул среды, передающиеся последовательно от одной к другой. Следовательно, затрачивается время на перемещение молекулы до расстояния, на котором она будет достаточно сильно влиять на соседнюю, чтобы та передала импульс дальше и т.д.
Потому что свет - это поток частиц - фотонов, которые имеют колоссальную скорость, а звук - это колебание окружающей нас среды - воздуха, вода и т.д., и скорость этих колебаний зависит от плотности окружающей среды.