当我使用 mpg321 或 aplay 或 sox 甚至在 TTS（文本朗读）中运行音频文件时，音频仅从我第二次再现音频文件时正确输出......
根据文本转语音中的示例：如果写“Hello World！”它只说“orld”，或者如果我写“你是一个好男孩”，它只说“一个好男孩”......为什么？
我怎样才能解决这个问题？
在 TTS 中，所有 TTS 都会发生这种情况：espeak、Google Api、VoiceRSS Api 等...并且也会发生在我的旧树莓派 (Raspbian) 中，而不仅仅是在我的 Ubuntu (14.04.1 LTS) 中
我猜是因为音频引擎或类似的东西有 0.5 - 2 秒的延迟才能启动。然后跳过音频的前两秒。
如果我运行相同的音频两次或三次，等等，从第二次开始它就运行良好，但前提是我速度很快......
我需要它来进行文字朗读。
Raspberry Pi 和 Ubuntu Machine 均通过 HDMI 连接。
我该如何解决？说出所有的话？还有从头开始的音频？
答案1
通过 HDMI 连接的输出设备需要几秒钟才能同步到它开始从系统接收的数据流。您可以考虑首先添加几秒钟的静音，或者在应用程序期间持续播放静音以保持同步，然后在需要时混合 TTS 输出。
编辑：似乎与这个问题相关，那里的建议也可能有帮助：askubuntu.com
答案2
打开 pavucontrol 将使同步保持打开状态，因此当您想要进行 TTS 时只需启动它即可。
注意：在我的系统上，打开它会阻止我启动 SPDIF 直通（即杜比数字），但关闭它并在启动直通之前等待几秒钟即可使它们工作。