Ses karşılaştırması , uzunluk arttıkça daha doğru yapılıyor. Yani kısa bir videoda 5 örnekleme noktası varsa, uzun videoda 25 noktayı değerlendiriyor. Yani sen o eşleşen noktaya bakma, videonun tamamına göre veriyor o uyarıyı.