何かで読んだけど実機のハードの時点でもAV機器である以上遅延があって
それを考慮した上でSEとかのタイミングを調整してるらしい
スペックのそれぞれ異なる別の機械で、更にエミュレータでって時点で
ミリ秒単位で完全再現ってのは無理なんだろうね