音ズレの件だけど
ソース見てないからどういうズレ方してるかわからんけども徐々にズレが大きくなっていくタイプなら
Audacityで再生時間を映像に合わせて解決できると思うんだけど

自分の手順は
①ffmpegで音と映像を分離（この時に映像と音声の時間をメモ）
②映像を見た感じでAudacityで起点を合わせつつ再生時間を映像に合わせる
③ffmpegで映像と音声を結合

てな流れで修正してる