音频嵌入的标准不是 1

我正在计算一个视频和一个音频片段的嵌入，我计算出它们的内积为 1。刚刚我以为一切都很顺利，却发现它们的嵌入之间的余弦相似度只有 0.2391。事实证明，音频嵌入的范数不是 1，这意味着尽管它们的内积为 1，但实际相似度却很低。