nadie? 
A ver trato de ser un poco más descriptivo. Da la impresión de que el archivo del vídeo está "compuesto" de un modo tal que así:
[==========DATOS DE VIDEO=========|===DATOS DE AUDIO===]
y que se cargan primero los datos del video (normal) y hasta que no llega a la parte de los de audio no comienza a oirse nada. Es como si por ejemplo metes un video cd y no se empieza a oir hasta que llega al final del disco porque es ahí donde está el audio, en vez de ir todo entremezclado como si fuese:
[===============DATOS DE VIDEO + AUDIO===============]

A ver trato de ser un poco más descriptivo. Da la impresión de que el archivo del vídeo está "compuesto" de un modo tal que así:
[==========DATOS DE VIDEO=========|===DATOS DE AUDIO===]
y que se cargan primero los datos del video (normal) y hasta que no llega a la parte de los de audio no comienza a oirse nada. Es como si por ejemplo metes un video cd y no se empieza a oir hasta que llega al final del disco porque es ahí donde está el audio, en vez de ir todo entremezclado como si fuese:
[===============DATOS DE VIDEO + AUDIO===============]