Почему нельзя? Можно всё. Тут скорее не приоритет это у разработчиков. Я конечно не раздражаюсь от заиканий, но тоже был бы не против фикса
Ну представь себе ситуацию, к примеру "файтинг":
Наносится удар одним персонажем другому персонажу.
Игра показывает удар и одновременно с этим его же озвучивает.
Удар должен быть нанесен предположим за 1 секунду, а поскольку твое железо не успевает наносится только за 2 секунды. С картинкой просто вместо 60 кадров в секунду, будет 30 и многих такое даже устроит.
А вот что делать со звуком? Есть два варианта растянуть во времени, либо подождать.
Авторы решили подождать поэтому и "заикания", но они могу и растянуть звук, "заиканий" не будет, а результат все равно никому не понравиться.
Решить эту проблему можно только если сильно оптимизировать ядро, либо подождать железо, которое сможет и с этим алгоритмом выдавать скорость консоли.
Вопросы остались?