映像のレンダリング処理で発生する遅延分だけ音声を遅らせてタイミングを合わせるんだと思うんだけど、それが上手くいってないのかな
リアルタイム部分は仕方ないだろうけど、収録部分はどうなんだ

有線で聞かないと判断できないけどめんどいからいいや