Wenn überhaupt würde ich die seperate Tonspur extra anbieten. Desweiteren wäre die Erhöhung des Trafficaufkommens exakt gleich egal ob h264 oder divx. HQ ist vielleicht 30% größer, aber die Qualität ist ja auch deutlich besser und rechenaufwendiger.
Aber wie du schon sagtest, daraus ergibt sich zwangsweise das Problem einer möglichen Asyncronität.