Puh, rein technisch wäre es nicht so kompliziert, das grade zu biegen, aber ich keine grade keine Software, die sowas ohne große Komplikationen kann. Anders als z.B. inverse telecine ist so eine Bildverdopplung kein Standardverfahren, daher findet sich für sowas wohl auch keine direkte Funktion in üblichen Videobearbeitungsprogrammen.
Wie lang ist das Video?
Mein Ansatz wäre, das Ding in nummerierte Einzelbilder rauszurechnen, dann kann man die überzähligen Bilder relativ einfach abzählen und ggfs. auch bei längeren Sequenzen per batch automatisiert löschen, danach das Ding mit DCP-o-matic neu erzeugen. Den Ton kann man in DOM dann auch einfach neu anpassen.
Ansonsten mal VirtualDub und AVISynth ansehen. FFMPEG hat auch so einen Filter, aber ich weiss nicht, ob der in diesem speziellen Fall funktioniert.
https://trembit.com/blog/ffmpeg-mpdecimate-filter-for-dummies/
Oft ist das Hauptproblem bei sowas, abzuschaätzen wieviel Aufwand das mit verschiedenen Tools ist, zum Ziel zu kommen, und ob's das wert ist.