WCAG 1.2.4: Napisy (na żywo)

Kryterium sukcesu WCAG 1.2.4, należące do poziomu dostępności AA, koncentruje się na zapewnieniu dostępności treści audio transmitowanych na żywo w mediach zsynchronizowanych. Jest to kluczowy wymóg, który umożliwia osobom niesłyszącym lub słabosłyszącym pełne uczestnictwo w wydarzeniach online odbywających się w czasie rzeczywistym, takich jak webinaria, konferencje, transmisje informacyjne czy wydarzenia sportowe.

Wprowadzenie do kryterium 1.2.4

Kryterium 1.2.4 „Napisy (na żywo)” wymaga, aby dla wszystkich treści audio na żywo w mediach zsynchronizowanych były dostępne napisy. Termin „na żywo” odnosi się do wydarzeń, które odbywają się w czasie rzeczywistym i nie są wcześniej nagrane. Oznacza to, że proces generowania napisów musi również odbywać się w czasie rzeczywistym, co stanowi specyficzne wyzwanie technologiczne i organizacyjne.

• Poziom dostępności: AA
• Typ kryterium: Czasowe media
• Cel: Zapewnienie pełnego dostępu do treści transmitowanych na żywo dla osób, które nie mogą polegać na samym dźwięku.

Dlaczego to jest ważne? (Wpływ na dostępność)

Zapewnienie napisów na żywo ma ogromne znaczenie dla szerokiego grona użytkowników:

• Osoby niesłyszące i słabosłyszące: To podstawowa grupa beneficjentów, dla której napisy są jedynym sposobem na zrozumienie treści audio. Bez nich, transmisje na żywo są dla nich całkowicie niedostępne.
• Osoby z zaburzeniami przetwarzania słuchowego lub poznawczymi: Napisy mogą ułatwić zrozumienie skomplikowanych treści lub szybkich dialogów, zmniejszając obciążenie poznawcze.
• Osoby w środowiskach hałaśliwych lub cichych: Użytkownicy oglądający transmisję w głośnym otoczeniu (np. w komunikacji miejskiej) lub w miejscu, gdzie dźwięk jest zabroniony (np. w bibliotece, biurze), mogą korzystać z napisów, aby śledzić treść bez użycia dźwięku.
• Osoby uczące się języka: Napisy w języku oryginalnym mogą wspomagać naukę i zrozumienie, oferując wizualne wsparcie dla słuchanego tekstu.
• Osoby z problemami technicznymi: W przypadku problemów z dźwiękiem na urządzeniu użytkownika, napisy stanowią alternatywny sposób odbioru informacji.

Kryteria sukcesu i wymagania

Zgodnie z WCAG 1.2.4, napisy na żywo muszą spełniać następujące wymagania:

• Dostępność dla wszystkich treści audio na żywo: Napisy muszą zawierać transkrypcję wszystkich istotnych dialogów i innych ważnych elementów dźwiękowych (np. muzyka, śmiech, dźwięki otoczenia) w mediach zsynchronizowanych (takich jak wideo lub animacje z dźwiękiem).
• Synchronizacja: Napisy muszą być wyświetlane w tym samym czasie, co odpowiednie słowa lub dźwięki, z minimalnym, akceptowalnym opóźnieniem wynikającym z natury transmisji na żywo.
• Dokładność: Treść napisów musi być precyzyjnym odzwierciedleniem mówionego tekstu i innych istotnych dźwięków.
• Kompletność: Napisy powinny zawierać wszystkie ważne informacje przekazywane dźwiękiem, a nie tylko wybrane fragmenty.
• Możliwość włączania/wyłączania: Użytkownicy muszą mieć możliwość włączenia i wyłączenia napisów za pomocą standardowych kontrolek odtwarzacza.

Praktyczne wytyczne dotyczące zgodności

Dostarczanie napisów na żywo

Generowanie napisów na żywo jest bardziej złożone niż w przypadku treści nagranych. Istnieje kilka metod:

• Profesjonalni stenotypiści/transkrybenci na żywo (CART – Communication Access Realtime Translation): Jest to najbardziej dokładna metoda, gdzie wyszkolony operator transkrybuje mowę w czasie rzeczywistym. Wymaga to zaawansowanego sprzętu i specjalistycznych umiejętności.
• Przemowa-na-tekst (Automatic Speech Recognition – ASR) z korektą ludzką: Systemy ASR mogą generować napisy automatycznie, jednak ich dokładność może być zróżnicowana. Kluczowe jest, aby napisy generowane przez ASR były na bieżąco korygowane przez człowieka (tzw. „human-assisted ASR”), aby zapewnić wysoką jakość i dokładność.
• Napisy przygotowane z wyprzedzeniem: W niektórych przypadkach (np. przemówienia, które są czytane z promptera), można przygotować i przesyłać napisy z niewielkim opóźnieniem.

Jakość napisów

Oprócz samej obecności, kluczowa jest jakość dostarczanych napisów:

• Dokładność: Minimalizuj błędy ortograficzne, gramatyczne i pomyłki w transkrypcji słów.
• Czytelność: Używaj wyraźnej czcionki, odpowiedniego rozmiaru i kontrastu. Napisy powinny być wyświetlane w sposób, który nie zasłania istotnych części obrazu.
• Synchronizacja: Upewnij się, że napisy pojawiają się i znikają w odpowiednim momencie. Opóźnienie powinno być jak najmniejsze, idealnie nie przekraczające 1-2 sekundy.
• Identyfikacja mówców: Jeśli w audycji uczestniczy wielu mówców, napisy powinny wyraźnie wskazywać, kto aktualnie mówi (np. „[Jan Kowalski]: Dzień dobry”).
• Informacje o dźwiękach nietekstowych: Ważne dźwięki, które nie są mową, powinny być opisane (np. „[śmiech publiczności]”, „[dźwięk dzwonka]”, „[dramatyczna muzyka]”).

Przykłady implementacji

Przykład prawidłowej implementacji (HTML5 <video> z plikiem WebVTT)

Najlepszym sposobem na dostarczenie napisów w nowoczesnych przeglądarkach jest użycie elementu <track> w połączeniu z formatem WebVTT (.vtt). W przypadku transmisji na żywo, plik .vtt musi być aktualizowany w czasie rzeczywistym, co wymaga dynamicznego generowania po stronie serwera lub przez dedykowane oprogramowanie do napisów na żywo.

<video controls="" width="640" height="360">
    <source src="https://example.com/live_stream.mp4" type="video/mp4">
    <!-- Element <track> wskazujący na plik WebVTT z napisami na żywo -->
    <track kind="captions" src="https://example.com/live_captions.vtt" srclang="pl" label="Polskie napisy na żywo" default="">
    <p>Twoja przeglądarka nie obsługuje elementu wideo. Możesz <a href="https://example.com/live_stream.mp4">pobrać wideo</a>.</p>
</video>

WEBVTT

00:00:01.200 --> 00:00:04.500
[Prelegent]: Dzień dobry państwu. Witamy na naszej sesji na żywo.

00:00:04.800 --> 00:00:08.100
Dzisiaj omówimy najnowsze trendy w dostępności cyfrowej.

00:00:08.500 --> 00:00:10.000
[publiczność klaszcze]

Przykład nieprawidłowej implementacji

Poniższe przykłady pokazują sytuacje, które nie spełniają kryterium 1.2.4.

<video controls="" width="640" height="360">
    <source src="https://example.com/live_stream.mp4" type="video/mp4">
    <!-- Brak elementu <track> dla napisów na żywo -->
    <p>Twoja przeglądarka nie obsługuje elementu wideo. Możesz <a href="https://example.com/live_stream.mp4">pobrać wideo</a>.</p>
</video>

<video controls="" width="640" height="360">
    <source src="https://example.com/live_stream.mp4" type="video/mp4">
    <track kind="captions" src="https://example.com/auto_generated_captions.vtt" srclang="pl" label="Automatyczne napisy">
    <p>Twoja przeglądarka nie obsługuje elementu wideo. Możesz <a href="https://example.com/live_stream.mp4">pobrać wideo</a>.</p>
</video>

Najlepsze praktyki i typowe pułapki

Najlepsze praktyki

• Planowanie z wyprzedzeniem: Włącz budżet i proces generowania napisów na żywo na wczesnym etapie planowania transmisji.
• Profesjonalne usługi: Korzystaj z usług wyszkolonych stenotypistów lub operatorów CART, aby zapewnić najwyższą dokładność. Jeśli używasz ASR, upewnij się, że jest on wspierany przez korektę ludzką w czasie rzeczywistym.
• Wysoka jakość audio: Zapewnij czysty i wyraźny dźwięk źródłowy. Dobra jakość dźwięku znacznie ułatwia generowanie dokładnych napisów, niezależnie od używanej metody.
• Testowanie: Przed transmisją na żywo przetestuj cały system dostarczania napisów na różnych urządzeniach i przeglądarkach.
• Instrukcje dla użytkowników: Jasno poinformuj użytkowników, jak włączyć lub wyłączyć napisy w odtwarzaczu.
• Alternatywy: Rozważ udostępnienie skryptu lub transkrypcji po zakończeniu transmisji, jeśli jest to możliwe.

Typowe pułapki

• Brak planowania: Pomijanie napisów na etapie planowania, co prowadzi do braku budżetu lub możliwości technicznych w ostatniej chwili.
• Wyłącznie automatyczne napisy (ASR): Poleganie tylko na systemach ASR bez ludzkiej interwencji. Chociaż technologia się rozwija, wciąż nie jest wystarczająco dokładna dla krytycznych treści ani złożonych dialogów.
• Niska jakość dźwięku: Zła jakość mikrofonów, szumy tła lub niewyraźna mowa prowadzą do błędnych napisów, nawet przy użyciu profesjonalnych usług.
• Opóźnienie napisów: Znaczące opóźnienie między mową a pojawieniem się napisów może utrudniać zrozumienie kontekstu i śledzenie akcji.
• Brak kontekstu w napisach: Pomijanie identyfikacji mówców lub opisów ważnych dźwięków nietekstowych, co sprawia, że napisy są mniej użyteczne.
• Niewygodny interfejs: Odtwarzacz multimedialny, który utrudnia włączanie/wyłączanie napisów lub dostosowywanie ich wyglądu.

Podsumowanie

Kryterium sukcesu WCAG 1.2.4 jest niezbędne do zapewnienia, że media zsynchronizowane transmitowane na żywo są dostępne dla wszystkich, niezależnie od ich zdolności słuchowych. Wymaga to świadomego planowania, inwestycji w odpowiednie technologie i procesy oraz dbałości o wysoką jakość dostarczanych napisów. Spełnienie tego kryterium nie tylko jest zgodne z wytycznymi WCAG 2.0 i WCAG 2.1, ale również znacząco zwiększa zasięg i inkluzywność treści, docierając do szerszej publiczności i zapewniając równe szanse dostępu do informacji.