Preskoči na glavni sadržaj
Hrvatski— Odaberite jezik
Izbornik

Cjevovod strujanja od LLM-a do TTS-a

Lekcija 12 od 14 Ažurirano 3. studenoga 2026. Programer
Na ovoj stranici
  1. Povezivanje LLM-a sa sintezom govora u stvarnom vremenu
  2. Arhitektura cjevovoda
  3. Implementacija u Pythonu
  4. Strategija međuspremanja (buffering)
  5. Reprodukcija zvuka u stvarnom vremenu
  6. Rukovanje greškama u cjevovodu
  7. Ključne točke

Ažurirano 3. studenog 2026., na temelju stranice xAI Text to Speech: svaki text.delta može sadržavati do 60.000 znakova. Izvor: Text to Speech.

Povezivanje LLM-a sa sintezom govora u stvarnom vremenu

Najmoćnija uporaba TTS WebSocketa je njegovo lančano povezivanje sa strujećim LLM-om. LLM generira tekst token po token, svaki token odlazi u TTS putem WebSocketa, a zvuk se reproducira čim stigne. Korisnik čuje odgovor dok LLM još uvijek „razmišlja“.

Arhitektura cjevovoda

Podaci teku kroz tri faze:

User -> LLM (streaming) -> TTS WebSocket -> Audio (playback)
question   text tokens        audio.delta       speaker

Svaka faza radi strujanje, što minimizira percipiranu latenciju. Korisnik ne čeka da LLM završi generiranje cijelog odgovora prije nego što počne slušati.

Implementacija u Pythonu

Evo potpunog cjevovoda koji povezuje Grok Chat Completions API s TTS WebSocketom:

import asyncio
import websockets
import json
import base64
import aiohttp

async def llm_to_speech(api_key, prompt, voice="rex", language="en"):
    # Step 1: TTS WebSocket connection
    tts_uri = f"wss://api.x.ai/v1/tts?language={language}&voice={voice}"
    tts_headers = {"Authorization": f"Bearer {api_key}"}

    audio_chunks = []

    async with websockets.connect(tts_uri, additional_headers=tts_headers) as tts_ws:

        # Step 2: Streaming LLM call
        async with aiohttp.ClientSession() as session:
            async with session.post(
                "https://api.x.ai/v1/chat/completions",
                headers={
                    "Authorization": f"Bearer {api_key}",
                    "Content-Type": "application/json"
                },
                json={
                    "model": "grok-4.5",
                    "messages": [{"role": "user", "content": prompt}],
                    "stream": True
                }
            ) as llm_response:

                # Step 3: Each LLM token -> TTS delta
                buffer = ""
                async for line in llm_response.content:
                    line = line.decode().strip()
                    if not line.startswith("data: "):
                        continue
                    if line == "data: [DONE]":
                        break

                    chunk = json.loads(line[6:])
                    token = chunk["choices"][0].get("delta", {}).get("content", "")

                    if token:
                        buffer += token
                        # Send complete sentences
                        if any(c in token for c in ".!?\n"):
                            await tts_ws.send(json.dumps({
                                "type": "text.delta",
                                "delta": buffer
                            }))
                            buffer = ""

                # Send whatever is left in the buffer
                if buffer:
                    await tts_ws.send(json.dumps({
                        "type": "text.delta",
                        "delta": buffer
                    }))

                await tts_ws.send(json.dumps({"type": "text.done"}))

        # Step 4: Collect the audio
        async for msg in tts_ws:
            data = json.loads(msg)
            if data["type"] == "audio.delta":
                audio_chunks.append(base64.b64decode(data["delta"]))
            elif data["type"] == "audio.done":
                break

    return b"".join(audio_chunks)

Strategija međuspremanja (buffering)

Slanje svakog tokena u TTS pojedinačno nije idealno: motor za sintezu daje bolje rezultate kada ima kontekst. Postoje tri strategije međuspremanja.

Po rečenici

Pričekaj razdjelnik rečenice (., !, ?, novi red) prije slanja:

if any(c in token for c in ".!?\n"):
    await tts_ws.send(json.dumps({
        "type": "text.delta", "delta": buffer
    }))
    buffer = ""

Ovo je najbolji balans između kvalitete i latencije.

Po veličini

Pošalji kada međuspremnik dosegne određenu veličinu (npr. 200 znakova):

if len(buffer) >= 200:
    await tts_ws.send(json.dumps({
        "type": "text.delta", "delta": buffer
    }))
    buffer = ""

Jednostavnije je, ali može prerezati riječ na pola.

Po isteku vremena

Pošalji nakon kašnjenja bez novog tokena (korisno dok LLM „razmišlja“):

last_token_time = time.time()

# If more than 500 ms pass without a token, send the buffer
if time.time() - last_token_time > 0.5 and buffer:
    await tts_ws.send(...)
    buffer = ""

Reprodukcija zvuka u stvarnom vremenu

Za reprodukciju zvuka čim stigne (umjesto samo prikupljanja), upotrijebi asinkroni red čekanja:

import asyncio

audio_queue = asyncio.Queue()

async def receive_audio(tts_ws):
    """Receives audio chunks and puts them in the queue."""
    async for msg in tts_ws:
        data = json.loads(msg)
        if data["type"] == "audio.delta":
            audio_bytes = base64.b64decode(data["delta"])
            await audio_queue.put(audio_bytes)
        elif data["type"] == "audio.done":
            await audio_queue.put(None)  # End sentinel
            break

async def play_audio():
    """Plays audio chunks from the queue."""
    while True:
        chunk = await audio_queue.get()
        if chunk is None:
            break
        # Play the chunk (pyaudio, sounddevice, etc.)
        play_chunk(chunk)

Paralelnim pokretanjem receive_audio i play_audio, reprodukcija počinje s prvim primljenim isječkom.

Rukovanje greškama u cjevovodu

Cjevovod može otkazati na tri mjesta: LLM, TTS ili mreža. Rukuj svakim slučajem zasebno:

async def robust_pipeline(api_key, prompt):
    try:
        audio = await llm_to_speech(api_key, prompt)
        return audio
    except aiohttp.ClientError:
        print("LLM error: check your connection")
    except websockets.ConnectionClosed:
        print("TTS connection lost: reconnection needed")
    except json.JSONDecodeError:
        print("Invalid response: unexpected format")
    except Exception as e:
        print(f"Unexpected error: {e}")
    return None

Ključne točke

  • Strujeći LLM koji napaja TTS WebSocket osigurava najnižu latenciju
  • Međuspremnik po rečenici daje najbolji balans između kvalitete i latencije
  • Upotrijebi asinkroni red čekanja za reprodukciju zvuka u stvarnom vremenu
  • Rukuj greškama u svakoj fazi cjevovoda
  • Ukupni tekst preko WebSocketa je neograničen (delti do 60.000 znakova)
  • Ograničenje od 50 istodobnih sesija vrijedi za cijeli tvoj tim