Bon, je ne vais pas vous faire la liste complète, mais j’ai d’éxcéllentes connaissances en acoustique, entre autres.

Le son est une vibration, un aller et retour autour d’une position de repos.
Donc une fois le silence revenu, la membrane d’un haut-parleur, la pression sonore, la membrane d’un micro, ou le tympan, sont tous revenus à leur position de repos, ou position centrale.
Idem pour n’importe-quel autre objet ou fluide.

Donc le point numéro 2 de ce papier, à savoir que les sons pourraient être stockés sur un objet est faux, à moins que cet objet soit un système complexe prévu pour l’enregistrement sonore : ex : graver un sillon sur le pot. Sinon, aucune chance de lire les sons passés.

Après, pour le premier point, je ne vois pas d’impossibilité, mais des contraintes :

1- comme précisé, il faudrait au moins 10 000 images/seconde, permettant de capter les fréquences situées jusqu’à 5000 Hz (théorème de Nyquist).
Avec une caméra à 25 images/secondes, vous ne captez même pas la fréquence la plus basse pouvant être émise par la vois humaine.

2- il faut un volume sonore élevé. Ou une résolution (nombre de pixels) très grande pour capter les sons moins forts.
Ces deux points dépendent de la souplesse de l’objet, et de la corélation entre ses fréquences de résonance et les fréquences à capter.

3- l’angle, l’éclairage, etc. Et évidemment un bon algorythme (je ne vois pas de problème insurmontable : c’est un capteur de mouvement, en quelque sorte).

Donc, pour résumer, impossible pour eux d’utiliser la webcam de Dupont pour l’enregistrer à son inssu. Mais utiliser directement son micro devrait faciliter l’opération ! ;-)