Melindungi Kredit TTS Anda dan Menyempurnakan Audio: Penilaian Konten dan Normalisasi Teks

Membangun TTS swalayan di sebuah website diam-diam memunculkan dua masalah yang hampir tidak ada hubungannya dengan suara, model, atau API. Pertama, teks mentah jarang terdengar seperti yang Anda inginkan saat keluar dari speaker. Kedua, begitu Anda memasang endpoint TTS di halaman publik, orang asing bisa mengaksesnya. TTS2Go mengatasi keduanya dengan dua sistem khusus: pipeline normalisasi teks yang menulis ulang input yang janggal sebelum sintesis, dan lapisan penilaian konten AI yang hanya otomatis menyetujui permintaan yang memang pantas ada di situs Anda. Postingan ini membahas keduanya, alasan keberadaannya, dan mengapa kombinasi keduanya penting.

SDK browser perlu tahu proyek mana yang menjadi miliknya, dan identifier itu ada di kode yang bisa diperiksa pengguna. Anda bisa menguncinya dengan daftar domain yang diizinkan dan rate limit, tetapi identifier itu bukan rahasia. Jika seseorang menemukan endpoint-nya, ia bisa mengirim permintaan. Setiap permintaan itu bisa menghabiskan kredit penyedia Anda jika sampai ke tahap sintesis.

Naluri pertama adalah mewajibkan manusia menyetujui setiap permintaan sebelum audio dibuat. Itu benar — dan memang itulah yang dilakukan TTS2Go secara default. Namun, pekerjaan ini tumbuh lebih cepat daripada tim yang mengerjakannya. Begitu traffic nyata datang, persetujuan manual menjadi gangguan sepanjang hari.

Dari sisi kualitas, penyedia TTS berbeda pendapat soal cara melafalkan pola yang umum. Tanggal seperti "2026-04-21" bisa dibacakan sebagai "dua puluh satu April dua ribu dua puluh enam" oleh satu mesin, dan "dua ribu dua puluh enam strip nol empat strip dua puluh satu" oleh mesin lain. Mata uang, waktu, singkatan, dan angka besar semuanya berperilaku tak terduga. Penulis Anda tidak mengendalikan cara kerja internal penyedia, dan penyedia Anda tidak tahu apa-apa tentang konten Anda.

Setiap proyek TTS2Go dimulai dengan persetujuan manual. Saat SDK mengirim permintaan pembuatan, permintaan itu masuk ke antrean di dashboard. Anda meninjaunya, menyetujui atau menolaknya, dan hanya permintaan yang disetujui yang memakai kredit. Ini default yang aman dan berhasil — tim yang peduli pada setiap audio yang keluar dengan suara mereka mendapat kendali penuh.

Namun, cara ini lambat. Dengan traffic yang cukup besar, ini menjadi alur kerja yang membuat Anda berharap bisa menyerahkannya ke mesin.

Penilaian konten AI adalah mesin itu. Untuk setiap proyek, Anda mengatur profil konten singkat: deskripsi tentang isi situs Anda, jenisnya, bahasanya, dan beberapa contoh cuplikan. Saat permintaan pembuatan masuk, TTS2Go mengirim teks permintaan dan profil tersebut ke model bahasa, yang mengembalikan skor dari satu sampai sepuluh beserta alasan singkat.

Anda memilih ambang batasnya. Permintaan dengan skor sama dengan atau di atas ambang batas itu otomatis disetujui dan dikirim ke sintesis. Permintaan di bawahnya bisa dikembalikan ke antrean manual atau langsung ditolak, tergantung mana yang masuk akal untuk situs Anda. Skalanya tidak biner — tingkatannya mulai dari "spam atau penyalahgunaan" di bawah, lalu "agak terkait", "kemungkinan cocok", "cocok", hingga "sangat cocok" di puncak. Anda bisa seketat atau selonggar yang dibutuhkan oleh ragam konten Anda.

Hasilnya, orang asing yang menemukan endpoint Anda dan mencoba membuat teks yang tidak relevan akan mendapat skor rendah dan tidak pernah sampai ke sintesis. Konten sah dari halaman Anda sendiri mendapat skor tinggi dan dinarasikan tanpa campur tangan Anda. Anda hanya perlu melihat kelompok di tengah, dan hanya saat Anda mau.

Penilaian dilakukan terhadap teks asli, bukan versi yang sudah dinormalisasi, karena penilaian berkaitan dengan kelayakan konten, bukan dengan bagaimana audionya nanti terdengar.

Setelah konten disetujui untuk dibuat audionya, pertanyaan berikutnya adalah bagaimana audio itu akan terdengar. TTS2Go menjalankan setiap permintaan yang disetujui melalui pipeline normalisasi berbasis aturan sebelum sampai ke penyedia. Pipeline ini menulis ulang bagian teks mentah yang ditangani secara tidak konsisten oleh penyedia: bilangan bulat dan desimal, tanggal dan waktu, mata uang dalam beberapa format, persentase, angka Romawi, dan singkatan umum seperti "Dr.", "Mr.", dan "etc."

"Tagihan sebesar $1,234.56 jatuh tempo pada 2026-04-21" menjadi "Tagihan sebesar seribu dua ratus tiga puluh empat dolar dan lima puluh enam sen jatuh tempo pada dua puluh satu April dua ribu dua puluh enam." "Bab IV memiliki 5 bagian" menjadi "Bab empat memiliki lima bagian." Setiap transformasi bersifat deterministik, punya unit test masing-masing, dan tidak memakan biaya saat runtime — semuanya diproses secara lokal, tanpa panggilan API tambahan di jalur sintesis.

Pendekatan berbasis aturan adalah pilihan yang disengaja, alih-alih menambah lapisan AI lagi. Aturan bersifat dapat diprediksi: Anda bisa mereproduksinya, menjelaskannya, dan membandingkan perubahannya. Jika pengguna mendengar sesuatu yang aneh, Anda bisa mengetahui persis penyebabnya dan memperbaiki aturan spesifik yang menghasilkannya. Audio adalah sebuah pertunjukan, dan pertunjukan butuh naskah yang bisa diulang.

Kedua sistem ini bekerja di ujung pipeline yang berlawanan. Penilaian menentukan apa yang sampai ke sintesis. Normalisasi menentukan bagaimana audionya terdengar. Yang satu menjaga anggaran Anda, yang lain menjaga kualitas hasilnya. Hapus penilaian, dan kredit Anda terekspos; hapus normalisasi, dan audio Anda jadi tidak konsisten. Bersama-sama, keduanya mengubah integrasi TTS dari proyek yang butuh moderator konten dan ahli bahasa menjadi satu baris kode SDK.

Kedua sistem punya demo langsung di sidebar dashboard. Halaman AI Content Scoring memungkinkan Anda menempelkan contoh teks dan melihat skor, alasan, dan keputusan persetujuan otomatis yang persis berdasarkan profil konten proyek mana pun milik Anda. Halaman Speech Formatting punya kotak Try-It yang menampilkan versi normalisasi dari apa pun yang Anda ketik, berdampingan dengan contoh sebelum dan sesudah. Keduanya dibatasi rate limit, tidak ada yang memakai kredit, dan masing-masing mencerminkan persis apa yang dilakukan sistem produksi saat permintaan sungguhan masuk.

Jika Anda sudah punya proyek TTS2Go, buka dashboard dan coba keduanya. Jika Anda baru mulai, buat proyek, pasang React SDK di sebuah halaman, dan biarkan antrean manual menangkap beberapa permintaan pertama — Anda akan melihat seluruh pipeline bekerja dari awal sampai akhir.