Quando eu executo um arquivo de áudio com mpg321 ou aplay ou sox, ou até mesmo em TTS (Text to speak), o áudio só sai corretamente a partir da segunda vez que eu reproduzo o arquivo de áudio ...
por exemplo em Text to speech: se escrever "Hello World!" só fala "orld" ou se eu escrevo "você é um bom menino" só fala "um bom menino" ... Por quê?
Como posso corrigir isso?
no TTS isso acontece com todos os TTS: espeak, Google Api, VoiceRSS Api, etc ... e acontece no meu antigo framboesa (Raspbian) também, não só no meu Ubuntu (14.04.1 LTS)
Eu acho que é porque o mecanismo de áudio ou algo assim tem um atraso de 0,5 - 2 segundos para começar. E, em seguida, pula o primeiro segundo ou dois do áudio.
E se eu executar o mesmo áudio duas ou triplas, etc, da segunda vez que ele funcionar bem, mas somente se eu for rápido ...
Eu preciso disso para o Text to Speak.
Tanto o Raspberry Pi quanto o Ubuntu Machine são conectados por HDMI.
Como posso resolver isso? Para falar todas as palavras? E os áudios do começo dos inícios?
O dispositivo de saída que você conectou via HDMI precisa de alguns segundos para sincronizar com o fluxo de dados que começa a receber do seu sistema. Você pode tentar adicionar alguns segundos de silêncio primeiro ou continuar a reproduzir silêncio durante o aplicativo para manter a sincronização ativa e, em seguida, misturar a saída do TTS quando necessário.
EDIT: Parece relacionado a esta questão, as sugestões podem também ajudar: askubuntu.com
Tags pulseaudio alsa text-to-speech