Ja mam kwadratowe ucho co zostało wykazane doświadczalnie więc o "czystości" dżwięków się nie wypowiem, ale widzę dwie opcje:
1) artefakty kompresji audio
2) artefakty konwersji częstotliwości
Problemu pierwszego raczej nie zwalczysz, bo jutub "tak ma". Możesz zweryfikować odsłuchując w niższych jakościach filmu, problem powinien się zmieniać.
Problem drugi w teorii mógłbyś zwalczyć, ale podejrzewam że łatwo nie będzie. Może być tak że po drodze robiona jest konwersja częstotliwości audio i ona wprowadza te zakłócenia bo niekoniecznie jest dobrze przystosowana do czipów. Rozwiązaniem byłaby własna wstępna konwersja na docelową częstotliwość o zweryfikowanej jakości, tak aby jutub już nie musiał tego robić.
Jak klikniesz prawym przyciskiem na video, to w popapie masz opcję "statystyki dla nerdów" gdzie masz informacje o kodekach itp. Puszczaj video z różną jakością - może coś ci się skoreluje.