Integrace do prohlížeče a osvědčené postupy
Na této stránce
Aktualizováno 3. listopadu 2026 na základě stránky xAI Text to Speech: validace na straně serveru používá aktuální limit 60 000 znaků na požadavek. Zdroj: Text to Speech.
Nasazení TTS ve webové aplikaci
Integrace TTS do prohlížeče přináší specifické výzvy: podpora kodeků, správa paměti, záludnosti Safari a výkon. Tato závěrečná lekce ti dá vše potřebné pro robustní produkční integraci.
Podpora kodeků v prohlížečích
Ne každý prohlížeč podporuje každý audio formát. Vyber správný kodek pro své publikum:
| Kodek | Chrome | Firefox | Safari | Edge | Doporučeno |
|---|---|---|---|---|---|
| MP3 | Ano | Ano | Ano | Ano | Ano |
| WAV | Ano | Ano | Ano | Ano | Ano |
| Raw PCM | Ne | Ne | Ne | Ne | Ne |
| mulaw/alaw | Ne | Ne | Ne | Ne | Ne |
Jednoduché pravidlo: v prohlížeči používej MP3 nebo WAV. PCM, mulaw a alaw jsou určeny pro serverové aplikace a telefonii, nikoliv pro přehrávání na webu.
// Požadavek na MP3 z API (přes tvůj backend)
const response = await fetch("/api/tts", {
method: "POST",
headers: { "Content-Type": "application/json" },
body: JSON.stringify({
text: "Hello from the browser.",
voice_id: "eve",
language: "en"
// Není třeba nastavovat output_format: MP3 je výchozí
})
});
Problém s AudioContext v Safari
Safari ukládá bezpečnostní omezení: AudioContext lze vytvořit pouze uvnitř obslužné rutiny uživatelské události (kliknutí, stisk klávesy, klepnutí). Pokud se pokusíš vytvořit AudioContext při načtení stránky, Safari jej tiše zablokuje.
Špatný přístup
// V Safari NEFUNGUJE
const audioContext = new AudioContext(); // Zablokováno!
async function playTTS() {
const audio = await fetchTTS("Hello");
// audioContext je v Safari pozastaven...
}
Správný přístup
let audioContext = null;
// Vytvoř AudioContext při prvním kliknutí uživatele
document.getElementById("play-btn").addEventListener("click", async () => {
if (!audioContext) {
audioContext = new AudioContext();
}
// Obnov, pokud je pozastaven
if (audioContext.state === "suspended") {
await audioContext.resume();
}
const response = await fetch("/api/tts", {
method: "POST",
headers: { "Content-Type": "application/json" },
body: JSON.stringify({
text: "Hello from Safari.",
voice_id: "eve",
language: "en"
})
});
const arrayBuffer = await response.arrayBuffer();
const audioBuffer = await audioContext.decodeAudioData(arrayBuffer);
const source = audioContext.createBufferSource();
source.buffer = audioBuffer;
source.connect(audioContext.destination);
source.start(0);
});
Tento přístup funguje ve všech prohlížečích, nejen v Safari. Je to dobrá univerzální praxe.
URL adresy Blob a úniky paměti
Když vytvoříš URL adresy Blob pro přehrávání zvuku, každá URL spotřebuje paměť, dokud ji explicitně neuvolníš. Bez čištění bude tvá aplikace trpět úniky paměti.
Problém
// Každé volání vytvoří URL Blob, která se nikdy neuvolní
async function playTTS(text) {
const response = await fetch("/api/tts", { ... });
const blob = await response.blob();
const url = URL.createObjectURL(blob); // Únik paměti!
const audio = new Audio(url);
audio.play();
}
Řešení
async function playTTS(text) {
const response = await fetch("/api/tts", {
method: "POST",
headers: { "Content-Type": "application/json" },
body: JSON.stringify({ text, voice_id: "eve", language: "en" })
});
const blob = await response.blob();
const url = URL.createObjectURL(blob);
const audio = new Audio(url);
// Uvolni paměť po skončení přehrávání
audio.addEventListener("ended", () => {
URL.revokeObjectURL(url);
});
// Uvolni ji také při chybě
audio.addEventListener("error", () => {
URL.revokeObjectURL(url);
});
audio.play();
}
Pro aplikace, které generují hodně zvuku, udržuj seznam aktivních URL a pravidelně je čistěte:
class AudioManager {
constructor() {
this.activeUrls = new Set();
}
async play(text) {
const response = await fetch("/api/tts", {
method: "POST",
headers: { "Content-Type": "application/json" },
body: JSON.stringify({ text, voice_id: "eve", language: "en" })
});
const blob = await response.blob();
const url = URL.createObjectURL(blob);
this.activeUrls.add(url);
const audio = new Audio(url);
audio.addEventListener("ended", () => this.release(url));
audio.addEventListener("error", () => this.release(url));
audio.play();
return audio;
}
release(url) {
URL.revokeObjectURL(url);
this.activeUrls.delete(url);
}
cleanup() {
// Uvolni každou aktivní URL
for (const url of this.activeUrls) {
URL.revokeObjectURL(url);
}
this.activeUrls.clear();
}
}
Osvědčené postupy pro produkci
Omezování rychlosti na backendu
Chraň svůj backend před zneužitím omezením počtu požadavků na uživatele:
const rateLimit = require("express-rate-limit");
const ttsLimiter = rateLimit({
windowMs: 60 * 1000, // 1 minuta
max: 10, // 10 požadavků za minutu na IP adresu
message: { error: "Příliš mnoho požadavků TTS" }
});
app.post("/api/tts", ttsLimiter, async (req, res) => {
// ... proxy na API xAI
});
Validace textu
Před odesláním textu do API jej validuj a vyčisti:
function validateTTSInput(text) {
if (!text || typeof text !== "string") {
throw new Error("Text je povinný");
}
if (text.length > 60000) {
throw new Error("Text je příliš dlouhý (maximálně 60 000 znaků)");
}
// Odstraň řídicí znaky
return text.replace(/[\x00-\x08\x0B\x0C\x0E-\x1F]/g, "");
}
Mezipaměť zvuku
Pro opakující se texty (pozdravy, standardní pokyny) ukládej vygenerovaný zvuk do mezipaměti:
const audioCache = new Map();
async function getTTS(text, voice, language) {
const cacheKey = `${text}:${voice}:${language}`;
if (audioCache.has(cacheKey)) {
return audioCache.get(cacheKey);
}
const audio = await fetchTTSFromAPI(text, voice, language);
audioCache.set(cacheKey, audio);
return audio;
}
Předběžná generace
Pro obsah, který znáš předem (e-learning, IVR), generuj zvukové soubory předem v době sestavení, nikoliv za běhu.
Klíčové poznatky
- V prohlížeči používej MP3 nebo WAV, nikdy PCM/mulaw/alaw
- V Safari vytvoř AudioContext uvnitř obslužné rutiny uživatelské události
- Vždy uvolni URL adresy Blob pomocí
URL.revokeObjectURL()po použití - Přidej omezování rychlosti ke svému backendovému proxy
- Před odesláním do API text validuj a vyčisti
- Pro opakující se texty ukládej zvuk do mezipaměti, abys ušetřil volání API
- Pro obsah, který znáš předem, generuj zvuk předem
Ověř si své znalosti
Syntéza řeči xAI: od prvního volání až po streamovací pipeline.
1. Jak funguje základní volání TTS?
Odpověď: POST na /v1/tts s textem, zvoleným hlasem (který můžeš vypsat přes API) a parametry. Odpovědí je zvuk, účtovaný podle objemu syntézy.
2. Co ti umožňují expresivní tagy?
Odpověď: Ovládat řeč přímo v textu: řádkové a obalující tagy pro intonaci, pauzy a důraz, které můžeš kombinovat pro přirozené, řízené přednesy.
3. Kdy bys měl přejít na TTS WebSocket?
Odpověď: Pro reálný čas: text odchází jako stream a zvuk přichází nepřetržitě zpět. Je to základ pipeline LLM → TTS, kde hlas začne dříve, než skončí generování.
4. Jak zabezpečit integraci do prohlížeče?
Odpověď: Nikdy nedávej API klíč do klienta: prohlížeč prochází přes tvůj server nebo používá krátkodobé pověření a ty správně zpracováváš chyby HTTP.
5. Jak vypadá kompletní produkční pipeline?
Odpověď: Streamovací LLM → segmenty textu → TTS WebSocket → přehrávání zvuku. Každý článek streamuje, takže vnímaná latence se hroutí a osvědčené postupy z tohoto kurzu uzavírají smyčku.
Tagy pro expresivitu, WebSocket pro reálný čas, tvůj server pro tajemství: tvé aplikace jsou připraveny mluvit.