Web Audio API: Warum das Drumpad ohne Verzögerung klingt

VeröffentlichtToolVirtuelles Drumpad und Instrument zum Live-Spielen

Inhalt
  1. Zwischen Klick und Klang: Wo entsteht die Latenz?
  2. Wie geht die Web Audio API damit anders um?
  3. Was wäre, wenn bei jedem Klick die Datei neu geladen würde?
  4. So erzeugt dieses virtuelle Instrument seinen Sound tatsächlich
  5. Fazit
  6. Häufig gestellte Fragen

Sobald Sie auf dem Bildschirm mit der Maus auf ein Drumpad klicken, ertönt der Sound. Zwischen Klick und Klang ist kaum eine Verzögerung zu spüren, als wären Taste und Lautsprecher direkt miteinander verbunden.

Das ist kein Zufall. Wie lange es dauert, bis der Browser auf eine Eingabe wie einen Klick mit einem Klang antwortet, hängt stark davon ab, wie der Sound vorbereitet wird. Diese Zeitspanne nennt man Latenz.

Zusammenfassung ① Latenz entsteht meist dann, wenn der Schritt „in einen abspielbaren Zustand versetzen“ erst nach dem Klick stattfindet. ② Die Web Audio API behandelt Sound als Graph aus kleinen Verarbeitungsknoten. Beim Klick müssen nur noch Parameter berechnet und ein Abspielbefehl erteilt werden. ③ Dieses virtuelle Instrument verwendet keine aufgenommenen Audiodateien, sondern synthetisiert die Wellenform im Moment des Klicks direkt per Code.

Zwischen Klick und Klang: Wo entsteht die Latenz?

Latenz ist die Zeit, die vom Eintreffen einer Eingabe (Klick, Tastendruck) bis zum tatsächlichen Erklingen des Ergebnisses vergeht. Wenn Sound im Web verzögert ertönt, liegt das meist daran, dass dazwischen noch der Schritt „in einen abspielbaren Zustand versetzen“ liegt.

Angenommen, eine Audiodatei würde erst bei Bedarf geladen und abgespielt. Dann kämen nach dem Klick nacheinander die Zeit für den Download der Datei und die Zeit für das Dekodieren hinzu, also das Entpacken des komprimierten Audiomaterials in eine hörbare Wellenform. Erst danach beginnt der Klang. Zwischen Klick und Sound entsteht deshalb eine Lücke, die man wahrnehmen kann.

Wie geht die Web Audio API damit anders um?

Die Web Audio API behandelt Sound nicht als eine fertige Datei. Stattdessen arbeitet sie mit einem Graphen aus kleinen Verarbeitungseinheiten (Knoten) wie Oszillator, Filter und Lautstärkeregelung. Dieser Graph läuft auf einer eigenen Audio-Uhr, dem AudioContext.

Auch bei Instrumenten-Apps mit aufgenommenen Samples werden normalerweise beim Öffnen der Seite alle Samples vorab dekodiert und abspielbereit in den Speicher geladen. Beim Klick müssen die bereits entpackten Daten dann nur noch mit einem Knoten verbunden und per Signal gestartet werden. Ein erneutes Dekodieren in diesem Moment entfällt.

Was wäre, wenn bei jedem Klick die Datei neu geladen würde?

Nehmen wir umgekehrt an, bei jedem Klick würde die Audiodatei von Grund auf neu gelesen und dekodiert. Bei jedem Klick beginnen dann ein asynchroner Ladevorgang und das Dekodieren von vorn, sodass sich die Verzögerung bis zum Klang jedes Mal wiederholt.

Besonders deutlich wird das, wenn mehrere Schläge schnell hintereinander gespielt werden. Trifft der nächste Klick ein, bevor die Vorbereitung des vorherigen abgeschlossen ist, können Sounds zu spät kommen oder in falscher Reihenfolge erklingen.

Virtuelles Drumpad und Instrument zum Live-Spielen

Per Klick oder mit den Tasten A, S, D, F und 1–8 spielen: Schlagzeug- und Xylophonklänge werden direkt beim Anspielen synthetisiert und wiedergegeben.

So erzeugt dieses virtuelle Instrument seinen Sound tatsächlich

Dieses Tool geht noch einen Schritt weiter und verwendet gar keine aufgenommenen Audiodateien. Bei Kick, Snare, Hi-Hat, Tom und allen 8 Xylophon-Tönen berechnet der Code die Wellenform direkt in dem Moment, in dem Sie klicken oder eine zugeordnete Taste drücken.

Die Kick entsteht, indem beim Klick zwei Dinge kombiniert werden: ein Signal, bei dem die Oszillatorfrequenz ausgehend von 150 Hz blitzschnell absinkt, und eine Regelung, die gleichzeitig die Lautstärke herunterfährt. Snare und Hi-Hat entstehen aus einer kurzen Rauschwellenform, die mit Zufallswerten gefüllt und durch einen Filter geschickt wird. Beim Xylophon wird der Anschlagklang erzeugt, indem auf die Wellenform mit der jeweils festgelegten Frequenz des Tons Obertöne aufgesetzt werden.

Diese Berechnung ist weder das Laden noch das Entpacken einer Datei, sondern eine leichte Operation: ein paar Zahlen festlegen und ein kurzes Array füllen. Sie ist daher praktisch gleichzeitig mit dem Klick abgeschlossen, sodass kein Zeitversatz wahrnehmbar ist.

Auch der Audiokontext wird nur einmal beim ersten Klick erstellt und bei allen weiteren Klicks unverändert wiederverwendet. Aufgrund der Autoplay-Richtlinien der Browser wird die Wiedergabe aber erst durch eine Nutzereingabe freigegeben. In manchen Browsern müssen Sie deshalb nach dem Aufrufen der Seite einmal irgendwo klicken, bevor Sie zum ersten Mal etwas hören.

Fazit

  • Latenz ist die spürbare Verzögerung, die entsteht, wenn nach dem Klick noch der Schritt „in einen abspielbaren Zustand versetzen“ dazwischenkommt.
  • Die Web Audio API behandelt Sound als Knotengraph und erteilt zum Zeitpunkt der Wiedergabe nur noch Parameterberechnungen und Befehle.
  • Instrumenten-Apps mit Aufnahmen dekodieren ihre Samples meist schon beim Laden der Seite vor und vermeiden so diese Verzögerung.
  • Dieses virtuelle Instrument geht noch weiter: Es kommt ganz ohne Audiodateien aus und synthetisiert den Sound im Moment des Klicks aus Oszillatoren und Rauschen.
  • Dass der Audiokontext nur einmal erstellt und wiederverwendet wird, spart zudem Initialisierungsaufwand, der sonst bei jedem Klick anfiele.
Virtuelles Drumpad und Instrument zum Live-Spielen

Per Klick oder mit den Tasten A, S, D, F und 1–8 spielen: Schlagzeug- und Xylophonklänge werden direkt beim Anspielen synthetisiert und wiedergegeben.

Häufig gestellte Fragen

Was bedeutet Latenz genau?

Gemeint ist der zeitliche Abstand zwischen dem Eintreffen einer Eingabe und dem tatsächlichen Erscheinen des Ergebnisses. In diesem Artikel ist damit die Zeitspanne zwischen dem Klick auf ein Pad und dem Moment gemeint, in dem der Sound tatsächlich aus dem Lautsprecher zu hören ist. Je kürzer dieser Abstand, desto eher wirken Klick und Klang gleichzeitig.

Spielt das virtuelle Instrument aufgenommene Drum-Sounds ab?

Nein. Kick, Snare, Hi-Hat, Tom und alle Xylophon-Töne werden nicht aus aufgenommenen Audiodateien geladen. Stattdessen berechnet der Code im Moment des Klicks oder Tastendrucks die Frequenzänderung eines Oszillators und zufällige Rauschwellenformen und synthetisiert den Sound an Ort und Stelle. Einen Ladeschritt für Dateien gibt es daher gar nicht.

Warum muss ich nach dem Öffnen der Seite erst irgendwo klicken, damit Sound zu hören ist?

Das liegt an den Autoplay-Richtlinien der Browser. Browser erlauben die Audiowiedergabe erst, nachdem der Nutzer einmal interagiert hat, zum Beispiel per Klick. Dieses Tool erstellt oder reaktiviert den Audiokontext bei der ersten Interaktion und verwendet danach für die Wiedergabe immer denselben Kontext.

Ich habe ein Tastenkürzel (A, S, D, F, 1–8) gedrückt, aber es kommt kein Ton. Woran liegt das?

Das tritt häufig auf, wenn die Eingabemethode der Tastatur nicht auf Englisch bzw. lateinische Zeichen eingestellt ist. Das Tool vergleicht den Zeichenwert der gedrückten Taste direkt mit lateinischen Buchstaben und Ziffern, um das Pad zu bestimmen. Wird die Taste wie bei einem koreanischen Eingabemodus als anderes Zeichen erkannt, funktioniert die Zuordnung nicht. Stellen Sie die Eingabemethode auf Englisch um und drücken Sie die Taste erneut.

Dieser Artikel basiert auf unserem koreanischen Original. Koreanisches Original lesen

Ähnliche Artikel

  1. Warum ist ein GIF so groß? 256 Farben und verlustfreie SpeicherungWarum schon kurze GIFs so viel Speicherplatz brauchen: GIF speichert jedes Bild verlustfrei mit 256 Farben, MP4 und WebM nur die Änderungen mit mehr Farben.
  2. Twitter-Video lässt sich nicht herunterladen: Ursachen prüfenWarum sich X-Videos oft nicht speichern lassen: private Konten, gelöschte Tweets, mehrere Qualitätsstufen und GIF-Tweets – die Ursachen im Überblick.
  3. YouTube MP3 Qualität: Warum Konvertieren den Klang verschlechtertWarum klingt YouTube-Audio als MP3 dumpfer? Verlustbehaftete Kompression und Generationsverlust erklärt, dazu M4A vs. OPUS und Speichern ohne Neukomprimierung.
  4. YouTube-Download in 1080p ohne Ton: Warum das passiertWarum ein YouTube-Video in 1080p ohne Ton gespeichert wird, zeigt eine echte Dateiliste: Nur 360p enthält Ton. Dazu: Prüfen und Ton nachträglich zusammenfügen.
  5. Video-Downloader: Warum manche Seiten nicht funktionierenWarum Video-Download-Seiten bei manchen Diensten scheitern: Standort, CORS und plattformspezifische Sperren. Mit Überblick, was bei X, Vimeo & Co. geht.
  6. Bitrate und MP3-Kompression: 320 kbit/s vs. 128 kbit/s erklärtWie sich 320 und 128 kbit/s in Dateigröße und Klang unterscheiden, wie verlustbehaftete Kompression funktioniert und welche Bitrate für Podcasts und Musik passt.

Passende Tools