Насколько я понимаю устройство этого захвата, он осиливает одну вертикальную строку растра за один ТВ-кадр. Вертикальная — это чтобы было достаточно много времени между выборками, чтобы C64 успел прочесть АЦП и закинуть очередной пиксель в свою память, и не понадобилось бы буфера строки в самом устройстве. Значит, для захвата растра шириной в 320 пикселей надо 320 кадров, то есть 320/60=5.33 секунд. Довольно-таки гениальная простота.