>>304
音ズレ現象を調べた所、mp3のままだとかなりひどいズレ方をするのを確認しました。
wavへの変換を強く推奨します。（Audacityなどで）

音声プレーヤーの7分3秒で「では、じゅう」と聞こえるのが正しい同期の目安です。