Por qué un pad de batería suena al instante: Web Audio API

Contenido
En el instante en que pulsas con el ratón un pad de batería en pantalla, el sonido estalla. Apenas hay sensación de pausa entre el clic y el sonido, como si el botón estuviera conectado directamente al altavoz.
Esto no es casualidad. Desde que el navegador recibe la entrada de un clic hasta que emite la salida de sonido, el tiempo que transcurre entre ambos —la latencia— cambia mucho según cómo se prepare ese sonido de antemano.
Resumen ① La latencia aparece sobre todo cuando el proceso de "dejar el sonido listo para reproducirse" se intercala después del clic. ② La Web Audio API trata el sonido como un grafo de pequeños nodos de procesamiento y, en el momento del clic, solo calcula parámetros y emite la orden de reproducción. ③ Este reproductor de instrumentos virtuales no usa archivos de audio grabados: en el instante del clic sintetiza la forma de onda directamente con código.
Entre el clic y el sonido, ¿dónde se origina la latencia?
La latencia es el tiempo que pasa desde que llega una entrada (un clic, una tecla) hasta que el sonido resultante sale realmente. Cuando en la web el sonido tarda en aparecer, casi siempre es porque en medio se cuela el proceso de "dejarlo listo para reproducirse".
Supongamos que cargas y reproduces el archivo de sonido en ese mismo momento. Entonces, después del clic se encadenan el tiempo de descarga del archivo y el tiempo de decodificación para convertir el audio comprimido en una forma de onda que el oído humano pueda percibir. El sonido no empieza hasta que termina ese proceso, así que aparece un intervalo que la persona alcanza a notar entre el clic y el sonido.
¿Cómo procesa la Web Audio API este mismo proceso de otra manera?
La Web Audio API no trata el sonido como un archivo terminado. Lo trata como un grafo de pequeñas unidades de procesamiento (nodos) conectadas entre sí —osciladores, filtros, control de volumen—, y ese grafo avanza sobre un reloj exclusivo para audio llamado AudioContext.
Incluso en una app de instrumentos que usa muestras grabadas, lo normal es que al abrir la página se decodifiquen todas las muestras de antemano y se dejen en memoria listas para reproducirse. Así, en el momento del clic basta con conectar esos datos ya decodificados a los nodos y enviar la señal de reproducción, sin necesidad de decodificar nada nuevo en ese instante.
¿Y si cargáramos el archivo de nuevo en cada clic?
Imaginemos lo contrario: que en cada clic se lea y se decodifique el archivo de audio desde cero. Como cada clic inicia otra vez una lectura asíncrona y una decodificación, el retraso hasta que suena el audio se repite una y otra vez.
Si tocas varios tiempos seguidos a buen ritmo, el retraso se nota aún más. Cuando llega el siguiente clic antes de que termine la preparación del anterior, el sonido puede retrasarse o escucharse desordenado.
Reproductor de instrumentos virtuales en el que, al hacer clic o pulsar las teclas A, S, D, F y 1–8, los sonidos de batería y de xilófono se sintetizan y se reproducen en ese mismo momento

Cómo genera realmente el sonido este reproductor de instrumentos virtuales
Esta herramienta va un paso más allá y no usa ningún archivo de audio grabado. El bombo, la caja, el charles, los toms y las 8 notas del xilófono se generan calculando la forma de onda con código en el mismo instante en que haces clic o pulsas la tecla asignada.
El bombo se construye combinando, en el momento del clic, una señal de oscilador cuya frecuencia baja de 150 Hz en un instante y un control que reduce el volumen a la vez. La caja y el charles se crean pasando por un filtro una forma de onda de ruido corta rellenada con valores aleatorios, y el xilófono produce el golpe añadiendo armónicos a una forma de onda de frecuencia fija para cada nota.
Este cálculo no consiste en leer archivos ni descomprimir nada, sino en una operación ligera: fijar unos cuantos números y rellenar una pequeña serie de valores. Por eso termina casi al mismo tiempo que el clic, sin dejar margen para que notes esa diferencia.
El propio contexto de audio también se crea una sola vez, en el primer clic, y en todos los clics posteriores se reutiliza tal cual el contexto ya creado. Eso sí, por las políticas de reproducción automática de los navegadores, el audio solo se desbloquea cuando hay una interacción del usuario, así que en algunos navegadores puede que tengas que pulsar una vez en cualquier parte de la página antes de escuchar el primer sonido.
Para cerrar
- La latencia es el retraso que percibes cuando, después del clic, se intercala el proceso de "dejar el sonido listo para reproducirse".
- La Web Audio API trata el sonido como un grafo de nodos y, en el momento de reproducir, solo calcula parámetros y emite instrucciones.
- Las apps de instrumentos que usan archivos grabados suelen decodificar las muestras al cargar la página para eliminar ese retraso.
- Este reproductor de instrumentos virtuales va un paso más allá y sintetiza el sonido directamente con osciladores y ruido en el instante del clic, sin archivos de audio.
- Crear el contexto de audio una sola vez y reutilizarlo también elimina el costo de inicialización que se repetiría en cada clic.
Reproductor de instrumentos virtuales en el que, al hacer clic o pulsar las teclas A, S, D, F y 1–8, los sonidos de batería y de xilófono se sintetizan y se reproducen en ese mismo momento
Preguntas frecuentes
¿Qué significa exactamente latencia?
Es la diferencia de tiempo entre el momento en que llega una entrada y el momento en que ese resultado aparece de verdad. En este artículo se refiere al intervalo entre el instante en que pulsas el pad y el instante en que el sonido se escucha realmente en el altavoz. Cuanto más corto es ese intervalo, más se percibe que el clic y el sonido ocurren a la vez.
¿Este reproductor de instrumentos virtuales reproduce sonidos de batería grabados?
No. El bombo, la caja, el charles, los toms y las notas del xilófono no se cargan desde archivos de audio grabados: en el momento en que haces clic o pulsas una tecla, el código calcula el cambio de frecuencia del oscilador y la forma de onda de ruido aleatorio, y los sintetiza ahí mismo. Por eso no existe ni siquiera el paso de cargar archivos.
¿Por qué tengo que pulsar en cualquier parte al entrar a la página para que suene?
Por la política de reproducción automática del navegador. Los navegadores imponen la restricción de que debe haber al menos una interacción del usuario, como un clic, para permitir la reproducción de audio. Esta herramienta crea o reanuda el contexto de audio en esa primera interacción y, a partir de ahí, sigue usando el mismo contexto para producir sonido.
He pulsado los atajos (A·S·D·F, 1~8) y no se oye nada.
Suele ocurrir cuando el método de entrada del teclado no está en modo inglés. La herramienta compara el valor de carácter de la tecla pulsada directamente con letras del alfabeto inglés y números, así que si el sistema la interpreta como otro carácter —por ejemplo, en modo de entrada coreano— la asignación no funciona. Cambia el método de entrada al inglés y vuelve a intentarlo.
Este artículo está adaptado de nuestro original en coreano. Leer el original en coreano