Siirry pääsisältöön
Suomi— Valitse kieli
Valikko

Selaimen integraatio ja parhaat käytännöt

Oppitunti 14 / 14 Päivitetty 3. marraskuuta 2026 Kehittäjä
Tällä sivulla
  1. TTS:n käyttöönotto verkkosovelluksessa
  2. Selaimen koodekkituki
  3. Safarin AudioContext-ongelma
  4. Blob-URL-osoitteet ja muistivuodot
  5. Tuotannon parhaat käytännöt
  6. Keskeiset asiat
  7. Testaa ymmärryksesi

Päivitetty 3. marraskuuta 2026 xAI:n Text to Speech -sivuston perusteella: palvelinpuolen validointi käyttää nykyistä rajaa 60 000 merkkiä pyyntöä kohti. Lähde: Text to Speech.

TTS:n käyttöönotto verkkosovelluksessa

TTS:n integrointi selaimeseen tuo mukanaan erityisiä haasteita: koodekkituki, muistinhallinta, Safarin erikoisuudet ja suorituskyky. Tämä viimeinen oppitunti antaa sinulle kaiken tarvittavan kestävään tuotantointegraatioon.

Selaimen koodekkituki

Kaikki selaimet eivät tue kaikkia äänimuotoja. Valitse oikea koodekki kohdeyleisöllesi:

KoodekkiChromeFirefoxSafariEdgeSuositus
MP3KylläKylläKylläKylläKyllä
WAVKylläKylläKylläKylläKyllä
Raw PCMEiEiEiEiEi
mulaw/alawEiEiEiEiEi

Yksinkertainen sääntö: käytä selaimessa MP3:ta tai WAV:ta. PCM, mulaw ja alaw on tarkoitettu palvelinsovelluksiin ja puhelinliikenteeseen, ei verkkotoistoon.

// Pyydä MP3:ta rajapinnalta (backendisi kautta)
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"
    // output_formatia ei tarvitse asettaa: MP3 on oletusarvo
  })
});

Safarin AudioContext-ongelma

Safari asettaa turvallisuusrajoituksen: AudioContext voidaan luoda vain käyttäjän tapahtumankäsittelijän (klikkaus, näppäinpainallus, napautus) sisällä. Jos yrität luoda AudioContextin sivun latautuessa, Safari estää sen hiljaa.

Väärä lähestymistapa

// EI toimi Safarissa
const audioContext = new AudioContext(); // Estetty!

async function playTTS() {
  const audio = await fetchTTS("Hello");
  // audioContext on keskeytettynä Safarissa...
}

Oikea lähestymistapa

let audioContext = null;

// Luo AudioContext käyttäjän ensimmäisestä klikkauksesta
document.getElementById("play-btn").addEventListener("click", async () => {
  if (!audioContext) {
    audioContext = new AudioContext();
  }

  // Jatka, jos keskeytetty
  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);
});

Tämä lähestymistapa toimii kaikissa selaimissa, ei vain Safarissa. Se on hyvä yleiskäytäntö.

Blob-URL-osoitteet ja muistivuodot

Kun luot Blob-URL-osoitteita äänen toistamista varten, jokainen URL vie muistia, kunnes vapautat sen nimenomaisesti. Ilman siivousta sovelluksesi vuotaa muistia.

Ongelma

// Jokainen kutsu luo Blob-URL:n, jota ei koskaan vapauteta
async function playTTS(text) {
  const response = await fetch("/api/tts", { ... });
  const blob = await response.blob();
  const url = URL.createObjectURL(blob); // Muistivuoto!
  const audio = new Audio(url);
  audio.play();
}

Ratkaisu

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);

  // Vapauta muisti toiston päätyttyä
  audio.addEventListener("ended", () => {
    URL.revokeObjectURL(url);
  });

  // Vapauta myös virhetilanteessa
  audio.addEventListener("error", () => {
    URL.revokeObjectURL(url);
  });

  audio.play();
}

Sovelluksissa, jotka tuottavat paljon ääntä, pidä luetteloa aktiivisista URL-osoitteista ja siivoa niitä säännöllisesti:

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() {
    // Vapauta kaikki aktiiviset URL-osoitteet
    for (const url of this.activeUrls) {
      URL.revokeObjectURL(url);
    }
    this.activeUrls.clear();
  }
}

Tuotannon parhaat käytännöt

Backendin nopeusrajoitus

Suojaa backendisi väärinkäytöltä rajoittamalla käyttäjäkohtaisia pyyntöjä:

const rateLimit = require("express-rate-limit");

const ttsLimiter = rateLimit({
  windowMs: 60 * 1000, // 1 minuutti
  max: 10, // 10 pyyntöä minuutissa IP-osoitetta kohti
  message: { error: "Too many TTS requests" }
});

app.post("/api/tts", ttsLimiter, async (req, res) => {
  // ... välitys xAI:n rajapinnalle
});

Tekstin validointi

Validoi ja puhdista teksti ennen sen lähettämistä rajapinnalle:

function validateTTSInput(text) {
  if (!text || typeof text !== "string") {
    throw new Error("Text is required");
  }
  if (text.length > 60000) {
    throw new Error("Text too long (60,000 characters max)");
  }
  // Poista ohjausmerkit
  return text.replace(/[\x00-\x08\x0B\x0C\x0E-\x1F]/g, "");
}

Äänen välimuistitus

Toistuville teksteille (tervehdykset, vakio-ohjeet) välimuistita generoitu ääni:

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;
}

Ennakkogenerointi

Sisällölle, jonka tiedät etukäteen (esim. e-oppiminen, IVR), generoi äänitiedostot käännösvaiheessa reaaliaikaisen luonnin sijaan.

Keskeiset asiat

  • Käytä selaimessa MP3:ta tai WAV:ta, älä koskaan PCM/mulaw/alaw-muotoja
  • Luo Safarissa AudioContext käyttäjän tapahtumankäsittelijän sisällä
  • Vapauta Blob-URL-osoitteet aina URL.revokeObjectURL()-funktiolla käytön jälkeen
  • Lisää nopeusrajoitus backend-välityspalvelimeesi
  • Validoi ja puhdista teksti ennen sen lähettämistä rajapinnalle
  • Välimuistita ääni toistuville teksteille säästääksesi rajapintakutsuja
  • Generoi ääni etukäteen sisällölle, jonka tiedät ennalta

Testaa ymmärryksesi

xAI:n puheensynteesi: ensimmäisestä kutsusta suoratoistoputkeen.

1. Miten perus-TTS-kutsu toimii?

Vastaus: POST-pyyntö osoitteeseen /v1/tts sisältäen tekstin, valitun äänen (jonka voit listata rajapinnan kautta) ja parametrit. Vastauksena tulee ääni, joka laskutetaan syntetisoidun määrän perusteella.

2. Mitä ilmaisutagit mahdollistavat?

Vastaus: Puheen hallinnan tekstin sisältä: sisäkkäiset ja ympäröivät tagit intonaatiolle, tauoille ja painotukselle, jotka voidaan yhdistää luonnollisiin, ohjattuihin lukuihin.

3. Milloin kannattaa siirtyä TTS WebSocketiin?

Vastaus: Reaaliaikaisuutta varten: teksti lähtee virtana ja ääni palaa jatkuvana streamina. Se on LLM → TTS -putkien perusta, jossa ääni alkaa ennen generoinnin valmistumista.

4. Miten varmistat selaimen integraation turvallisuuden?

Vastaus: Älä koskaan sijoita API-avainta asiakaspuolelle: selain kulkee palvelimesi kautta tai käyttää lyhytikäisiä tunnistetietoja, ja käsittelet HTTP-virheet asianmukaisesti.

5. Miltä täydellinen tuotantoputki näyttää?

Vastaus: Suoratoistava LLM → tekstisegmentit → TTS WebSocket → äänen toisto. Jokainen linkki suoratoistaa, joten koettu viive romahtaa, ja tämän kurssin parhaat käytännöt sulkevat silmukan.

Ilmaisutagit, WebSocket reaaliaikaisuuteen, palvelimesi salaisuuksille: sovelluksesi ovat valmiita puhumaan.