Muitos dos podcasters que conheço têm hosts em locais diferentes para fazer o que chamam de "double ender". Ambos os lados gravam a conversa e uma pessoa se junta às duas faixas em um editor de várias faixas (por exemplo, Audacity, Audition, Garageband). Eles editam para conteúdo e para o "desvio" que tende a acontecer. O editor de trilha múltipla pode exportar um arquivo com todo o áudio.
Outra opção seria obter um mixer e fazer com que todo o áudio passasse pelo primeiro, onde tudo se une antes de acionar o dispositivo de gravação.
Existem MUITOS artigos sobre as duas opções. Você só precisa escolher qual funcionará melhor para você.