基本的に映像と音声は同時に出力(映像はディスプレイに、音声はスピーカーに)される
ところがどちらか片方でも外部に出力するとなると同時ではなくなる
BTイヤホンの場合は音声のエンコードとデコードの処理が追加されるのでそのぶん遅れる

ペアリング時に遅延情報を取得してそのぶん映像を遅らせて同期させる仕組みもあったりはするけど
それが働いていない場合は手動で設定してやる必要があるし、アプリによっては(例えばゲームなどでは)それもできないことがある