Beide auf die Platte rippen, beide demuxen so dass du Audio und Videostream getrennt vorliegen hast, dann beide Audiostreams sowie den Videostream wieder zusammenfügen.
Ist aber ne scheissarbeit, funktioniert nur vernünftig (=ohne weiteren Zeitaufwand fürs Editieren) wenn die Videodateien wirklich ident sind (also nicht etwa dank andersartiger Credits oder so ne unterschiedliche Länge aufweisen) und ist auch dann noch ziemlich Zeit und CPU-intensiv.
Das kann man mal für nen Film oder 1-2 Episoden machen.
Wenn du ne ganze Serie so bearbeiten willst, wirst du blöd, ausser du kannst das auf ner Kommandozeile automatisieren.