Bild und Ton werden, vereinfacht gesagt, für die Verwendung im Internet getrennt von einander gespeichert, übertragen und wiedergegeben. Erst bei der Wiedergabe finden Bild und Ton wieder zusammen. Hierbei kann es vereinzelt zu spontanen Verschiebungen kommen, vor allem dann, wenn während der Wiedergabe im Hintergrund das Video noch heruntergeladen wird. In solchen Momenten hat der Rechner einfach zu viel zu tun und schafft es nicht, Bild und Ton exakt wiederzugeben. Dabei können Bild und Ton bis zu mehrere Sekunden auseinander laufen. In den allermeisten Fällen sollte der Ton spätestens nach Beendigung des Downloads wieder synchron zum Bild laufen.

Bei den Videos in der kleinen und mittleren Größe werden aus Gründen der Datenreduktion weniger Bilder als normal angezeigt (nämlich 8 bzw. 12,5 statt normal 25 Bilder pro Sekunde). Das Bild wirkt dadurch mehr oder weniger stroboskopartig. Dadurch kann der Eindruck entstehen, der Ton wäre asynchron, was er aber nicht ist.

Nicht zuletzt kann natürlich auch der Ton im Video von Hause aus asynchron sein, dies liegt dann außerhalb unserer Verantwortung.