ตัดต่อภาพ ลงเสียงให้จังหวะอารมณ์เข้ากันเป๊ะ ทำอะไรก่อนหลัง

สงสัยเรื่องตัดต่อภาพ และการลงเสียง ที่จังหวะของดนตรีประกอบมันเข้ากับภาพที่ปรากฎ
อยากทราบว่าเค้าทำอะไรก่อน-หลัง ระหว่างเอาซาวน์มาลงก่อน แล้วเอาภาพตาม หรือเอาภาพเป็นหลักก่อนแล้วเอาเสียงลงตามทีหลัง

ขอโทษที่หาคลิปตัวอย่างมาให้ดูไม่ได้ แต่ตัวอย่างหนังส่วนใหญ่ก็เป็น
เช่น ตัดภาพฉับ ๆ แล้วมีเสียงแทรกเข้ามาตอนฉับ ๆ เป็นตึ้ง ๆ (T^T พยายามแล้ว ยกได้เท่านี้ จะนึกออกกันไหมนะ)

ปัญหาที่เจอ คือ เอาภาพลงก่อนเป็นหลัก แล้วเอาเสียงลงตาม ลากแทร็คดนตรีไป-มา มันก็ดูไม่เข้ากันสักที
หรือต้องเอา sound เป็นหลัก แล้วเอาภาพลงตามทีหลัง แล้วเลื่อนภาพให้เข้ากะ sound แทนคะ
เค้ทำอย่างไร

ตัวอย่างอันนี้ก็ได้ค่ะ ช่วงท้าย ๆ ที่เห็นชัด