简短回答： 事先录制的视频至少需要对所有音频内容、记录稿或音频替代版本以及音频描述进行字幕——A级和AA级WCAG2.2中的视频特定要求,是采购和立法参考最多的一级。 在欧洲,2025年6月28日的欧洲无障碍法适用于一套定义明确的产品和服务,EN 301 549通过WCAG操作. AI可以起草标题和合成描述,但准确性,扬声器识别,时间和非语音信息仍然需要人传.
核心要点
- WCAG 2.2要求标题(Level A),即基于时间的媒体(Level A)的文本替代,以及预录视频的音频描述(Level A和AA); Level AA是大多数立法和采购参考的级别.
- 字幕和字幕不可互换:字幕服务于听不到并携带扬声器识别和非语音音的观众,而字幕则翻译对话,供不懂语言的观众使用.
- 《欧洲无障碍法》(指令)EU) 2019/882)适用自 28 6月(半天) 2025 用于确定产品和服务的一套产品 EN 301 549 ,作为纳入 WCAG.
- 自动语音识别生成一个可用标题草稿,但仍未在适当的名词、扬声器识别和非语音音频信息上成功,没有人校正证。
- 当描述的空隙被设计成脚本时,音频描述要便宜得多,因为大多数商业视频都是用对话书写成的墙对墙.
视频到底要提供什么?
WCAG 多数立法和采购背后的实质性标准,因此在所述一级满足了该制度要求的大部分内容。 WCAG (网页内容无障碍准则) W3C标准, 目前版本 2.2,大多数无障碍法律和采购政策都指出,而不是写出自己的标准。
| 要求 | 职等 | 生产中的意义 |
|---|---|---|
| 同步媒体预录音频的说明 | A | 带有对话框、扬声器身份和有意义的非语音音频的准确、同步字幕 |
| 用于基于时间的媒体的替代品 | A | 覆盖媒体内容的记录稿或同等文本 |
| 预录视频的音频描述 | A和AA 类 | 描述视觉信息的描述音轨 。 |
| 直播音频的说明 | AA | 实时对流线进行字幕——与自己的供应商进行不同的生产学科 |
| 对比度和视觉度 | AA | 适用于任何显示到图片的文本,包括已烧掉的标题和屏幕图形 |
| 音频控制和背景音频 | A和AAA 数据 | 自动播放的任意动作的控制; 语音后方背景音频的限制 |
职等 AA 之所以成为实际目标,是因为这是大多数立法和采购参考。
字幕不是字幕,是字幕,是字幕 字幕是给听不到音频的观众:他们携带扬声器识别和有意义的非声波音——一个门响,电话响,带有意义音乐. 字幕是给不懂语言的观众:他们翻译对话框,假设观众听到其他一切. 翻译字幕文件不能满足标题要求,而替代是库中最常见的故障之一.
欧洲有什么变化?
《欧洲无障碍法》为一套界定的产品和服务规定了无障碍要求,从2025年6月28日起适用,将无障碍从采购优惠转向涵盖类别的市场准入条件。
《欧洲无障碍法》(指令)EU) 2019/882是一个 EU 指令,将无障碍作为一套界定的产品和服务的合法市场准入条件,而不是优先选择。 EN 301 549 统一欧洲标准,以达到无障碍要求 ICT 产品和服务,并纳入 WCAG 实际操作中,将举行一次制作人会议。 WCAG 2.2 职等 AA 媒体已按标准要求在内容方面开展了实质性工作; EN 301 549 还包括内容组范围以外的软件,硬件和文件.
具体组织是否在范围之内取决于产品或服务以及各国执行立法,这些立法各不相同——这是从业者的总结,而不是法律咨询,范围应当由律师确认。 内容小组的安全操作假设是,无障碍是交付要求,而不是增强,而图书馆的改造成本远远高于从一开始就可访问生产。
如何制作真正可用的字幕?
自动语音识别改变了标题而不是标准的经济。 ASR 生成了干净的单语音频的好第一稿,并完全在无障碍最关键的地方降解:适当的名词、技术术语、重叠的语音、口音和所有根本不是语音的。
以下的顺序让ASR留下机械工作,让人们留下决定结果是否可用的工作.
1. 与ASR对照,然后对照术语表更正。 饲料在制作的发音和名词列表中,并首先固定名称,产品和技术术语——最敏感和最突出的项目.
2. 增加发言者身份。 谁是说话的,无论从图片中看,它不明显。这是标题的一部分,每个原始的ASR输出中都没有这个标题。
3. 增加有意义的非语音音频。 带信息的声音 — — 敲门、报警、笑声、信号变化的音乐。描述每个环境声音都无益于描述无;测试是听觉观众是否从中汲取意义。
4. 阅读部分,而非语法部分. 突破含义边界,所以每个标题都是自己可以理解的. Netflix出版的英文时间文字样式指南是可用的行业参考:每行最多42个字符,屏幕上不超过两行,成人读取速度为每秒20个字符.
5. 时间到音频,尊重最低要求。 标题随演讲而出现,并保持足够长的时间读取 — — 最小事件持续时间和最大时间,所以没有闪光和任何停留。 计时错误是使技术上正确的标题无法使用最快的方法。
6. 围绕重要图片内容的立场。 将标题从已烧掉的标题、面部和下部移动。 这是一种自动工具无法制作的放置决定 。
7. 以副车厢文件形式交付。 SRT,WebVTT或TTML 而不是在任何平台支持它的地方燃烧——可编辑,可索引和可切换的由查看者.
8. 审查背景。 使用字幕观看视频。 字幕文件中的隐形错误—— 一个覆盖正在讨论的内容的字幕, 切片后线的落地—— 在播放后30秒内就很明显了 。
音频描述实际上需要什么?
音频描述是一种描述音轨,它传递的是现有音频不包含的视觉信息:谁在屏幕上,他们在做什么,在屏幕上写了什么,改变了什么。这是WCAG对预录视频的要求,也是最常悄悄跳过的,因为它是真正花费制作努力的。
难度是结构上的,而不是技术的。描述必须适应对话之间的空隙,大多数商业视频都是用叙述写成的。没有空隙的视频,要么是延时描述的版本,要么是重新编辑,就无法描述。
- 剧本阶段描述的设计. 故意留下空白在写作时不费钱,而后又会花费很多钱。 这是整个地区最高的贷款决定。
- 说明什么是紧要的,按优先顺序排列。 动作和屏幕文本先设定,然后细节。描述会与程序音频争夺时间, 并且永远不会有足够的时间。
- 高声读屏上文字. 标题、 标题、 统计和任何文本都显示在图片中。 这是最常被忽略的内容, 并且往往是信息最灵通的 。
- 综合是适当的。 描述的音频是功能性叙述,这正是合成语音表现良好的记录器,正是这种描述使多种语言的描述变得可以负担得起,只要 内容标签和披露规则 适用于合成音频的,则按此进行。
- 以单独轨道或版本交付,每个平台能力,因此观众可以选择.
这在许多语言中是如何运作的?
无障碍和本地化是两个角度上相同的生产问题,把它们当作一个工作流程来对待,使得两者都能够负担得起。 两者都以锁定的图片操作,都产生侧车厢文本文件,都需要在市场上进行人文审查,同时利用相同的术语资产。
- 一个定时文本来源,许多衍生物. 字幕文件是基础的动画;其他语言的字幕也由此而来,并且记录稿也是从中产生。独立制作这些字幕会重复计时工作,这是昂贵的部分——后面的原则是相同的。 将一个视频本地化为多种语言.
- 重用发音词典 各种语言的合成的 描述的音轨,准确的说 多语种AI语音制作,并把它从 已许可语音库 而不是一个没有执照的人
- 请检查access-date=中的日期值 (帮助) 每种语言的读取速度 。 同一句在不同语言之间扩展不同,因此一个语言中舒适的字幕时间在另一个语言中是无法读取的。这是一个与脚本匹配的决定,而不是一个子词。
- 有个市场审查员来看 注册、术语、货币和文化可读性在标题文件中不可见,它们是符合标准与可用之间的区别。
Reading speed = Characters in the caption ÷ Seconds the caption is on screen
每秒二十个字符是Netflix指南中针对英语的成人上限,每语言重算而不是将英文数字背过:一个通过每行字符规则的文件仍然可以运行太快,无法读取.
怎么样 Lifewood 处理规模的视频访问?
Lifewood 生成字幕、字幕、记录稿和描述音频的音频,这些音频是在同一本地化管道内而不是作为单独的服务进行的,因此计时工作一次完成,并且跨越每种语言。每个语言的变体都得到区域本土审查,因为记录和术语表在标题文件中是看不到的。
覆盖范围 100+ 语言 横跨 40+ 分娩中心 30+ 国家下,a下 95%+ 准确率 SLA 检查过同一条 跨区域应用质量控制程序 AI-生成的内容,这在 ASR 的校正传上最为重要,其中错误集中在一个依赖标题的查看者最需要正确的名字上。这在 Lifewood 的更广泛的范围内。 AIGC 视频制作 和 AIGC服务 工作,我们的工作。