Das hat weder mit deinem Prgramm noch mit 29,97fps etwas zu tun. Das Problem sind die internen Taktgeber der Geräte, die nicht synchon laufen.
Solche Geräte haben intern eine Uhr. Nach dieser Uhr werden die 25 Bilder pro Sekunde getimed, und nach dieser Uhr wird die Audioaufnahme des Zoom mit ihrem Zeitstempel versehen. Wenn diese Uhren jetzt nicht ABSOLUT parallel laufen, was sie bei Consumergeräten NIE tun, hast du nach einigen Minuten bis Stunden, je nachdem wie unterschiedlich die Uhren laufen, eben einen spürbaren Versatz.
Einzige Lösung, die nicht einfach auf das spätere Syncen zurückgreift, sind ziemlich teure Geräte, die dann einen TimeCodeSync haben. Ein Gerät generiert dann die Zeit und übergibt dieses Signal per Kabel an die anderen Geräte.
Joey