FFmpegでWebカメラのビデオ入力前にオーディオ入力を指定すると同期が中断されるのはなぜですか？

私はFFmpegを使ってWebカメラとパルスオーディオソースからRTMPサーバーにストリーミングしています。

パラメータの順序がFFmpegで違いを生むことがわかります。

しかし、ビデオ入力ストリームの前にオーディオ入力ストリームを指定すると、次のようになりました。音声が遅れる、動画より約0.5秒遅れます。

これは結合された2つの入力ストリームの出力にすぎないので、順序が重要なのはなぜですか？

この記事を簡単にするために、次のコマンドを削除してテストしましたが、実際にはハードウェアアクセラレーション、AAC、およびその他のさまざまなコーデックオプションを使用しており、入力整列効果は常に同じです。

FFmpeg コマンドはまずビデオ入力を指定します。（遅滞なく）：

ffmpeg -f v4l2 -input_format mjpeg -framerate 30 -video_size 1280x720 -i /dev/video1 -f pulse -i default -c:v libx264 -preset veryfast -f flv rtmp://a.rtmp.youtube.com/live2/${STREAM_KEY}

FFmpegコマンドは、まずオーディオ入力を指定します。（オーディオがビデオより0.5秒遅い）：

ffmpeg -f pulse -i default -f v4l2 -input_format mjpeg -framerate 30 -video_size 1280x720 -i /dev/video1 -c:v libx264 -preset veryfast -f flv rtmp://a.rtmp.youtube.com/live2/${STREAM_KEY}

FFmpegの標準出力メッセージは、ストリームの順序を除いて同じように見えます。

ビデオ入力が最初のときに出力:

Input #0, video4linux2,v4l2, from '/dev/video1':
  Duration: N/A, start: 331644.817465, bitrate: N/A
    Stream #0:0: Video: mjpeg (Baseline), yuvj422p(pc, bt470bg/unknown/unknown), 1280x720, 30 fps, 30 tbr, 1000k tbn, 1000k tbc
Guessed Channel Layout for Input Stream #1.0 : stereo
Input #1, pulse, from 'default':
  Duration: N/A, start: 1596371796.728130, bitrate: 1536 kb/s
    Stream #1:0: Audio: pcm_s16le, 48000 Hz, stereo, s16, 1536 kb/s
Stream mapping:
  Stream #0:0 -> #0:0 (mjpeg (native) -> h264 (libx264))
  Stream #1:0 -> #0:1 (pcm_s16le (native) -> mp3 (libmp3lame))

オーディオが最初に入力されたときに出力:

Guessed Channel Layout for Input Stream #0.0 : stereo
Input #0, pulse, from 'default':
  Duration: N/A, start: 1596371788.496242, bitrate: 1536 kb/s
    Stream #0:0: Audio: pcm_s16le, 48000 Hz, stereo, s16, 1536 kb/s
Input #1, video4linux2,v4l2, from '/dev/video1':
  Duration: N/A, start: 331637.326454, bitrate: N/A
    Stream #1:0: Video: mjpeg (Baseline), yuvj422p(pc, bt470bg/unknown/unknown), 1280x720, 30 fps, 30 tbr, 1000k tbn, 1000k tbc
Stream mapping:
  Stream #1:0 -> #0:0 (mjpeg (native) -> h264 (libx264))
  Stream #0:0 -> #0:1 (pcm_s16le (native) -> mp3 (libmp3lame))

ご覧のとおり、ストリームマッピングはすべてのケースで正確です。。

どうなりますか？どんな洞察力でも感謝します。

FFmpegはUbuntu 20.04のgitでコンパイルされたバージョンn4.3.1です。