音声chが切り替わってたら音はズレていくよ
たぶんズレるのはデュアル・モノな二か国語、ズレないのはステレオな二か国語だと思う
もしそうならTsSplitterで音声切り替えポイントで分割するか
ts2aacで補正したaacを使うかのほぼ二択かと