Если для вывода на карту из секвенсора используется 1 стереопара, то она получается миксованием исходного количества дорожек проекта в одну стереопару а потом посылается на азио драйвер (ну вроде как =) )
Я не к тому что это всё нереально, но просто думаю что можно найти наиболее вероятные места сбоев и их прожевать, а потом уже с бубном чудеса ловить (которые тоже бывают, спору нет)
ведь если секвенсор послыет на файрфейс (ну или любую другу карту) уже готовый стерео сигнал, то как звуковая карта оттуда вырежет пару тройку составляющих трэков, ну допустим бас бочку с синтом... фарш вроде невозможно прокрутить назад. Хотя если на файрфейсе латенси небольшую поставить, то он будет процессор нагружать, а синты может какие при нехватке процессора начинают полифонию сокращать... фантазии =)