Visual olmayan programlama dillerinde değer verip bip sesi alırdık. Verdiğin değer sesin frekansını dolayısıyla tonunu ayarlardı diye hatırlıyorum. Videolarda da aynı şey söz konusu. Kare ve diktörtgenler ise verilen değerin görsel tiz-baz değerler olsa gerek. Bunu otomatik olarak videoya dönüştürüp ekliyorlar kanımca.