Wenn du keinen Emulator verwenden und bei der echten Konsole bleiben willst, dann kommst du m.M.n. nicht sinnvoll um den SSM oder AVISynth - also das, was der SSM im Hintergrund benutzt - herum. Solche winzigen Auflösungen muss man ordentlich behandeln, wenn man da was rausholen will. Ich glaube nicht, dass deine Programme sich beispielsweise bei der Skalierung so einstellen lassen, wie es in dem Fall sinnvoll wäre.
Ich verstehe nicht ganz wie ich das machen soll.
Der SSM stellt diese Funktionalität nicht bereit. Er geht davon aus, dass alle benötigten Audiospuren mit dem Video in einer Datei vorhanden sind. Gibt verschiedene Möglichkeiten, wie du damit umgehst.
Du kannst entweder die Spuren vorher mit Audacity abmischen und wieder dem Video hinzufügen, beispielsweise mit VirtualDub, oder du lässt das Hinzufügen sein, mischt die Spuren nur ab und hast die fertige Audiodatei schon separat. Bei letzterem Ansatz funktioniert aber die Schnittfunktion des SSM nicht wirklich, weil er dann die Audiodatei nicht berücksichtigen kann.
Bessere Lösung wäre aber, das gleich bei der Aufnahme zu regeln. Gute Aufnahmeprogramme können den Kommentar mit aufnehmen und als separate Spur in der Datei speichern - dann kann man sich ein separates Audioaufnahmeprogramm sparen, die Spuren sind synchron und können auch einzeln bearbeitet werden. Beispielprogramm wäre OBS Studio - wie es mit deinem jetzigen Programm aussieht weiß ich nicht. Wenn du das so machst, dann kannst du dem Tutorial 1:1 folgen.
Vermutlich sind die Einstellungen dann noch nicht ganz optimal für deinen Fall, aber das kann man dann noch abstimmen.