Integracija s preglednikom i najbolje prakse
Na ovoj stranici
Ažurirano 3. studenog 2026., na temelju stranice xAI Text to Speech: provjera na strani poslužitelja koristi trenutno ograničenje od 60.000 znakova po zahtjevu. Izvor: Text to Speech.
Implementacija TTS-a u web aplikaciji
Integracija TTS-a u preglednik donosi specifične izazove: podrška za kodeke, upravljanje memorijom, specifičnosti Safarija i performanse. Ova završna lekcija daje ti sve što trebaš za robustnu produkcijsku integraciju.
Podrška preglednika za kodeke
Ne podržava svaki preglednik svaki audio format. Odaberi pravi kodek za svoju publiku:
| Kodek | Chrome | Firefox | Safari | Edge | Preporučeno |
|---|---|---|---|---|---|
| MP3 | Da | Da | Da | Da | Da |
| WAV | Da | Da | Da | Da | Da |
| Sirovi PCM | Ne | Ne | Ne | Ne | Ne |
| mulaw/alaw | Ne | Ne | Ne | Ne | Ne |
Jednostavno pravilo: u pregledniku koristi MP3 ili WAV. PCM, mulaw i alaw namijenjeni su serverskim aplikacijama i telefoniji, a ne web reprodukciji.
// Zatraži MP3 od API-ja (kroz svoj 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"
// Nema potrebe postavljati output_format: MP3 je zadani
})
});
Problem s AudioContextom u Safariju
Safari nameće sigurnosno ograničenje: AudioContext se može stvoriti samo unutar rukovatelja korisničkim događajem (klik, pritisak tipke, dodir). Ako pokušaš stvoriti AudioContext prilikom učitavanja stranice, Safari će ga tiho blokirati.
Pogrešan pristup
// NE radi u Safariju
const audioContext = new AudioContext(); // Blokirano!
async function playTTS() {
const audio = await fetchTTS("Hello");
// audioContext je suspendiran u Safariju...
}
Ispravan pristup
let audioContext = null;
// Stvori AudioContext pri prvom korisničkom kliku
document.getElementById("play-btn").addEventListener("click", async () => {
if (!audioContext) {
audioContext = new AudioContext();
}
// Nastavi ako je suspendiran
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);
});
Ovaj pristup radi u svakom pregledniku, ne samo u Safariju. To je dobra univerzalna praksa.
Blob URL-ovi i curenje memorije
Kada stvaraš Blob URL-ove za reprodukciju zvuka, svaki URL troši memoriju dok ga eksplicitno ne oslobodiš. Bez čišćenja, tvoja aplikacija će curiti memoriju.
Problem
// Svaki poziv stvara Blob URL koji se nikada ne oslobađa
async function playTTS(text) {
const response = await fetch("/api/tts", { ... });
const blob = await response.blob();
const url = URL.createObjectURL(blob); // Curenje memorije!
const audio = new Audio(url);
audio.play();
}
Rješenje
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);
// Oslobodi memoriju kada reprodukcija završi
audio.addEventListener("ended", () => {
URL.revokeObjectURL(url);
});
// Također oslobodi u slučaju greške
audio.addEventListener("error", () => {
URL.revokeObjectURL(url);
});
audio.play();
}
Za aplikacije koje generiraju puno zvuka, vodi popis aktivnih URL-ova i povremeno ih očisti:
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() {
// Oslobodi svaki aktivni URL
for (const url of this.activeUrls) {
URL.revokeObjectURL(url);
}
this.activeUrls.clear();
}
}
Najbolje produkcijske prakse
Ograničavanje stope (Rate limiting) na backendu
Zaštiti svoj backend od zlouporabe ograničavanjem broja zahtjeva po korisniku:
const rateLimit = require("express-rate-limit");
const ttsLimiter = rateLimit({
windowMs: 60 * 1000, // 1 minuta
max: 10, // 10 zahtjeva po minuti po IP adresi
message: { error: "Previše TTS zahtjeva" }
});
app.post("/api/tts", ttsLimiter, async (req, res) => {
// ... prosljeđivanje na xAI API
});
Validacija teksta
Validiraj i očisti tekst prije slanja API-ju:
function validateTTSInput(text) {
if (!text || typeof text !== "string") {
throw new Error("Tekst je obavezan");
}
if (text.length > 60000) {
throw new Error("Tekst je predugačak (maksimalno 60.000 znakova)");
}
// Ukloni kontrolne znakove
return text.replace(/[\x00-\x08\x0B\x0C\x0E-\x1F]/g, "");
}
Međuspremnik (Cache) za zvuk
Za ponavljajuće tekstove (pozdravi, standardne upute), pohrani generirani zvuk u međuspremnik:
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;
}
Predgeneriranje
Za sadržaj koji unaprijed poznaješ (e-učenje, IVR), predgeneriraj audio datoteke tijekom izgradnje (build time), a ne u stvarnom vremenu.
Ključne točke
- Koristi MP3 ili WAV u pregledniku, nikada PCM/mulaw/alaw
- U Safariju stvori AudioContext unutar rukovatelja korisničkim događajem
- Uvijek oslobodi Blob URL-ove s
URL.revokeObjectURL()nakon upotrebe - Dodaj ograničavanje stope (rate limiting) svom backend proxyju
- Validiraj i očisti tekst prije slanja API-ju
- Pohrani zvuk u međuspremnik za ponavljajuće tekstove kako bi uštedio API pozive
- Predgeneriraj zvuk za sadržaj koji unaprijed poznaješ
Provjeri svoje razumijevanje
xAI sinteza govora: od prvog poziva do streaming pipelinea.
1. Kako funkcionira osnovni TTS poziv?
Odgovor: POST zahtjev na /v1/tts s tekstom, odabranim glasom (koji možeš izlistati putem API-ja) i parametrima. Odgovor je zvuk, a naplata se vrši prema volumenu sintetiziranog sadržaja.
2. Što ti omogućuju ekspresivne oznake?
Odgovor: Kontrolu govora unutar teksta: inline i omotavajuće oznake za intonaciju, pauze i naglasak, koje možeš kombinirati za prirodna, usmjerena čitanja.
3. Kada trebaš prijeći na TTS WebSocket?
Odgovor: Za rad u stvarnom vremenu: tekst odlazi kao stream, a zvuk se neprekidno vraća. To je temelj LLM → TTS pipelinea, gdje glas počinje prije nego što generiranje završi.
4. Kako osigurati integraciju s preglednikom?
Odgovor: Nikada ne stavljaj API ključ u klijent: preglednik ide kroz tvoj poslužitelj ili koristi vjerodajnice kratkog vijeka trajanja, a ti pravilno rukuješ HTTP greškama.
5. Kako izgleda kompletan produkcijski pipeline?
Odgovor: Streaming LLM → segmenti teksta → TTS WebSocket → reprodukcija zvuka. Svaka karika streama, pa percipirana latencija nestaje, a najbolje prakse iz ovog tečaja zatvaraju krug.
Oznake za ekspresivnost, WebSocket za stvarno vrijeme, tvoj poslužitelj za tajne: tvoje aplikacije spremne su za govor.