Meine Engine könnte wie bereits vorgeschlagen diesen Delay überspringen und erst später das Abspielen beginnen.
Aber wie sieht das jetzt aus, wenn der Nutzer mit Audacity abspeichert (wo du ja sagst, dass es damit diesen Delay nicht gäbe): Dann würde ein relevanter Teil der Musik übersprungen werden.
Das gilt nur, wenn "Deine Engine" eine fest codierte Länge annimmt statt sie korrekter Weise selber aus dem Track zu ermitteln. Übliche MP3-Files fangen ohnehin meist selten direkt mit Sound-Informationen an, sondern haben eine Pause am Anfang oder am Ende von bis zu 10 Sekunden - das ist eben die Weise wie ein Musiker sein Stück entwirft. Da wäre eine dynamische Ermittlung ohnehin notwendig.
Generell will ich Dir aber MP3 keinsfalls schmackhaft machen, sondern eher OGG. Aber auch da könntest Du Dir diese Überlegung durch den Kopf gehen lassen, da das auf lange Sicher bequemer ist als jeden Track manuell zu schneiden und neu zu codieren, was zu eventuell weiteren Qualitätsverlusten führt.