UPD
Посмотрел этого чувака на Ютубе (Polyfjord) - в принципе, типичная ошибка монтажа: никогда нельзя ставить ключевой визуальный момент точно на звуковой пик. Парадокс в том, что в итоге зрителю будет казаться, что звук "не попадает".

В монтажном софте звук нужно смещать чуть вперед визуала*, на 1-2-3 кадра (в зависимости от кол-ва кадров в секунду). Вот тогда всё будет смотреться как надо.

Пример:

*Пояснение по поводу смещения звука "вперед" - звуковая дорожка сдвигается вперед (вправо) на таймлайне, следовательно звук идет позже: сначала визуал, затем звук.

ПыСы Речь идет о синхронизации музыки и эффектов. С синхронизацией речи ситуация немного иная.