Работал на нескольких анимационных проектах в России, постараюсь объяснить как это устроено на практике.

Процесс начинается с "spotting session" - просмотра смонтированной (или почти смонтированной) версии фильма вместе с режиссером. На этой сессии отмечают таймкоды: где музыка входит, где выходит, какое должно быть эмоциональное ощущение в каждой сцене. Это ключевой момент потому что именно тут договариваются о языке.

Дальше композитор пишет "темы" - короткие мелодические ячейки для персонажей, мест, эмоциональных состояний. Хороший пример: у Джона Уильямса в "Звездных войнах" каждый персонаж имеет свою тему, которая трансформируется при изменении обстоятельств.

Технически синхронизация делается через систему SMPTE-тайм-код. В DAW (Logic, Pro Tools, Cubase) композитор подгружает видео и видит его прямо на таймлайне. Специальные маркеры "хиты" расставляются по кадрам где музыка должна совпасть с действием - удар, прыжок, кульминация.

Про разницу между Pixar и маленькими студиями: в Pixar у композитора есть живой оркестр, несколько месяцев и право переписать всё несколько раз. В небольших российских студиях чаще всего бюджет на две недели, синтетика вместо оркестра и одна попытка. Иногда буквально покупают готовые лицензированные треки вместо написания оригинальных.

Если говорить о теоретической стороне - это называется "Mickey Mousing" когда музыка точно следует за каждым движением персонажа. Классика Диснея 1930-40х годов этим прославилась. Потом от этого приема частично отошли - он создает ощущение мультяшности и иронии, а не любой атмосферы.

Современный подход больше про эмоциональное пространство чем про синхронизацию каждого кадра. Музыка создает фон, а не комментирует каждое действие. Хотя в комедийных сценах точечные "хиты" под физическую шутку до сих пор работают.