Den primære årsaken er lydens hastighet kombinert med den romlige utbredelsen av instrumenter.
Lyd beveger seg ~1 125 ft/s (1 ft per millisekund). I en spredt formasjon høres en trompett 50 ft unna 50 ms før en klarinett på 100 ft, og 100 ms før en saksofon på 150 ft. Disse tidsforsinkelsene skaper en faseeffekt – bølger ankommer out of sync, som forårsaker kombfiltering og en oppfattet dissonans.
Dette er et fysisk akustisk fenomen, ikke en forestillingsfeil.