Конечно, звуковая дорожка одна на протяжении всего видео: "ба-ба". Однако видеоряд постоянно разный: человек двигает губами так, как будто произносит другие звуки. При несоответствии слуховой и зрительной информации мы пытаемся найти "компромисс", и отсюда получается что-то непонятное и забавное - какой-то средний звук, похожий на "дa-дa" или "ва-ва".