Pubblicato il 7 min di lettura
Audio 8D nel browser: grafo Web Audio e brani in streaming
Come Calmind costruisce l'audio 8D con la Web Audio API: panner HRTF, movimento della sorgente, streaming dei brani lunghi e URL firmati R2 a scadenza breve.
Progetto collegato: Calmind
Calmind è una PWA per calma, concentrazione e sonno, costruita su paesaggi sonori che possono durare ore. Il problema audio ha due facce opposte. Un suono d'ambiente va ripetuto senza buchi, quindi conviene tenerlo pronto in memoria. Un brano di tre ore in memoria non ci sta: va letto a pezzi. Il codice usa percorsi diversi per i due casi, e l'effetto 8D li attraversa entrambi.
Il grafo: un solo contesto, un solo panner
Howler crea un AudioContext e lo espone. Invece di crearne un secondo, il grafo 8D si costruisce sopra quello di Howler: un nodo non può essere collegato a un contesto diverso, quindi il masterGain di Howler e il panner devono condividerne uno. La catena è questa:
masterBus (GainNode) → PannerNode (HRTF) → StereoPannerNode → destinazione
Il panner usa panningModel = "HRTF", con fallback a equalpower se il browser rifiuta il modello, distanceModel = "inverse" e refDistance = 1. Quando l'8D è attivo, il masterGain di Howler passa dal masterBus; quando si spegne, torna diretto sulla destinazione. Il codice riserva l'8D al piano zen_master.
La sorgente che gira intorno all'ascoltatore
Il movimento è un cerchio disegnato con requestAnimationFrame. Ogni frame accumula l'angolo come somma di dt per la velocità, così cambiare velocità a metà giro non fa saltare la fase:
const t = sharedCtx.currentTime;
sharedPanner.positionX.setValueAtTime(Math.cos(hAngle) * RADIUS, t);
sharedPanner.positionY.setValueAtTime(Math.sin(vAngle) * V_AMP, t);
sharedPanner.positionZ.setValueAtTime(-Math.sin(hAngle) * RADIUS, t);
// Stesso angolo, pan stereo netto in serie dopo l'HRTF
sharedStereoPanner?.pan.setValueAtTime(Math.cos(hAngle), t);
Il secondo panner risponde a un limite che il commento nel codice descrive: l'HRTF simula un ascolto realistico, quindi lascia sempre un po' di diafonia nell'orecchio "spento". Il pan stereo in serie porta i lati alla separazione piena, mentre l'HRTF conserva gli indizi di profondità e altezza. Lo slider va da 0,02 a 0,8 rad/s, con valore predefinito 0,1: a 0,1 rad/s un giro completo dura circa 63 secondi. Quando la pagina va in background il requestAnimationFrame si ferma, e al ritorno il primo frame non ha delta, così il suono non salta.
Due strategie per i suoni
Il mixer dei suoni d'ambiente scarica il file intero. fetchAudioBlob prende l'URL, lo trasforma in un blob e lo passa a un Howl con preload: true, che lo decodifica in memoria. La cache usa l'assetId come chiave, non l'URL, perché gli URL firmati cambiano a ogni refresh della cache del backend; richieste concorrenti per lo stesso asset condividono la stessa Promise. Ogni Howl viene creato una volta e riusato: riattivare un suono non ricarica nulla.
I suoni locali che ho misurato durano da meno di tre secondi a circa due minuti e mezzo. Per loro la decodifica in memoria è il compromesso giusto. Il ritardo tra un giro e l'altro dipende dalla durata: 15 secondi per i suoni fino a 10 secondi, 10 per quelli fino a 30, nessuno per i loop che devono ripartire senza silenzio. Dopo ogni play() il codice ricollega l'analyser, perché Howler crea un nuovo nodo a ogni riproduzione.
Un brano musicale è un'altra storia. I quattro brani presenti in locale durano tra 122 e 184 minuti e pesano al massimo 176 MB a 128 kbps. Decodificato in PCM stereo a 44,1 kHz, il più lungo occuperebbe circa 3,9 GB in memoria, e circa 4,2 GB a 48 kHz. Scaricarlo e decodificarlo non è sostenibile su un telefono. Per questo la musica passa dallo streaming.
I brani lunghi: streaming dal proxy
Per la musica (useMusicRadio) il Howl usa html5: true: il suono passa da un normale elemento <audio>, che legge il file a pezzi. La sorgente è il proxy del backend, non un URL di R2:
const streamUrl = `${BASE_URL}/music/stream/${track.trackId}?st=${encodeURIComponent(streamToken)}`;
const newHowl = new Howl({
src: [streamUrl],
format: ["mp3"],
loop: true,
volume: 0,
html5: true,
});
Un <audio> non può mandare l'header Authorization, quindi il token sta nella query string. Il frontend chiede /music/stream-token, riceve un JWT di un'ora con scopo music_stream e lo rinnova cinque minuti prima della scadenza. Il backend inoltra la richiesta a R2 passando l'header Range: la risposta è 206 con Content-Range, e quando il client chiude la connessione il corpo viene distrutto.
Perché il proxy e non un URL firmato? Un URL firmato è un link valido per un'ora che chiunque può aprire. Con il proxy, un link copiato e aperto in una scheda nuova non porta Origin né Referer del sito, e viene rifiutato con 403. Non è una barriera contro chi scrive la richiesta a mano, che può inviare qualunque header, ma blocca l'uso più semplice. Il catalogo mappa 40 brani in 13 generi, tra cui lo-fi, jazz, pianoforte solista e synthwave.
I suoni d'ambiente: URL firmati diretti
Per i suoni d'ambiente la scelta è diversa, e va detta con precisione. Il catalogo del backend ha 23 ambienti, cinque gratuiti. La risposta di /environments/:id/sounds contiene, per ogni suono, un URL firmato di R2 valido un'ora, e il browser lo scarica direttamente. Il backend tiene quella risposta in cache per dieci minuti, molto sotto la scadenza. Un URL così copiato funziona per un'ora. Il documento tecnico del progetto dice che i file audio non sono mai scaricabili con un link copiato: per la musica è vero, per i suoni d'ambiente no.
La scelta di restituire l'URL diretto ha una storia. Il repository contiene un commit che risponde a un problema preciso: un redirect dal backend verso lo storage faceva fallire le richieste CORS dell'audio, e la risposta è stata cambiata per includere direttamente l'URL firmato. I quattro suoni della landing, invece, sono file statici nella cartella pubblica del sito: la pagina è pubblica e non passa da nessuna autenticazione.
Cosa è in produzione e cosa no
Distinguo ciò che il codice fa da ciò che la documentazione promette.
- In produzione: grafo 8D su Web Audio, streaming dei brani con token e proxy, URL firmati R2 per i suoni d'ambiente, riuso di
Howle del nodo<audio>, ricostruzione del grafo quando Howler cambia contesto. - Non gestito: il cambio di uscita audio, cioè cuffie Bluetooth che si scollegano o un altoparlante che prende il posto delle cuffie. Non c'è nessun ascolto di
devicechangenésetSinkId. Il documento tecnico parla di «cambi di dispositivo» gestiti: il codice gestisce il cambio di contesto di Howler, non quello dell'uscita del sistema. Nei due repository non ci sono branch con lavori audio in corso, e nessun documento di progetto lo pianifica. - iOS e Safari: non trovo gestione specifica dell'audio, né nel codice né nei documenti. Il codice rileva l'assenza di
AudioContexte disattiva l'8D con un avviso. I commit su Safari riguardano il login, non l'audio. - Scalabilità: il documento di analisi per 500 utenti indica il proxy della musica come possibile collo di bottiglia sotto carico, e fissa come obiettivo cento stream aperti in parallelo. È un obiettivo, non un risultato misurato. Lo stesso documento segnala che su Vercel uno stream lungo potrebbe superare il limite di durata delle funzioni serverless: è un rischio ancora da verificare.
Cosa farei diversamente
Il mixer scarica tutto prima di suonare. Con pochi suoni va bene, ma con molti in parallelo la memoria cresce: metterei un limite ai buffer decodificati, o lo streaming anche per gli effetti più lunghi. Il secondo punto è il link copiabile dei suoni d'ambiente: li legherei alla sessione come la musica, al costo di un endpoint in più. Il terzo è il cambio di uscita audio, la lacuna più concreta per chi ascolta con le cuffie. Infine misurerei lo streaming con cento connessioni reali, invece di fidarmi dell'obiettivo.
Puoi provare Calmind su www.calmind.it.
- Web Audio API
- React
- streaming audio
- Cloudflare R2
- Howler.js
Hai un progetto simile? Parliamone
Se stai affrontando una sfida simile, scrivimi: ti dico come la affronterei.
Parliamone