Die Belichtungszeiten sind dafür unerheblich.

Wenn das Originalmaterial z.B. mit 30fps gesendet und mit 29,97 fps aufgenommen wird und dabei die Tonspur mit konstanter Bitrate, könnte beschriebener Effekt auftreten. Das macht bei 2h Laufzeit genau 210s (=3,5Minuten) aus.
Andere Szenarien sind denkbar.