Мы не можем точно определить в какой точке кадра вилка издала звук. Т.е. теоретически погрешность может составлять (в пределе) до 24 миллисекунд. Есть ещё некоторые допущения. Маркер-объект (вилка) должен находится прямо на переднем плане, чтобы временем, затрачиваемым звуковой волной на прохождение пути от места контакта вилки с поверхностью, можно было пренебречь. Разумеется, видео не должно быть в этом моменте замедлено или ускорено (такой приём часто встречается). Если суммарно все эти ошибки укладываются в допустимую погрешность 3-5% - хорошо, но что считать таковой?

Печально во всей этой истории только одно: у меня на очереди было два десятка проектов по синхрону русских дорожек с качественными исходниками, а теперь просто руки опускаются. Ведь в чём проблема. До полученной в текущей дискуссии информации я принимал звуковую
дорожку оригинала за эталон и по ней подстраивал русскую дорожку. Не так, что бы достичь идеального совпадения, но стараясь, чтобы погрешность не превышала 40 миллисекунд. Всё было относительно просто и понятно. Только один раз на моей памяти (не считая настоящего) это вызвало нарекания пользователей (вполне справедливые, не спорю). Теперь про работу со звуком "я знаю только то, что я ничего не знаю" ©.
Какой вывод?
Либо не принимать во внимание экспертное заключение скромной группы профессионалов и продолжить работу ради подавляющего большинства менее взыскательных пользователей (к которым я отношу себя самого), либо оставить данный вид деятельности специалистам, имеющим должный уровень теоретической подготовки и практических навыков, а также соответствующее техническое и программное обеспечение. Вопрос лишь в том, а будут ли они тратить на это своё время и силы?