簡短回答： 事先錄製的視頻至少需要對所有音頻內容、記錄稿或音頻替代版本以及音頻描述進行字幕——A級和AA級WCAG2.2中的視頻特定要求,是採購和立法參考最多的一級。 在歐洲,2025年6月28日的歐洲無障礙法適用於一套定義明確的產品和服務,EN 301 549通過WCAG操作. AI可以起草標題和合成描述,但準確性,揚聲器識別,時間和非語音信息仍然需要人傳.
核心重點
- WCAG 2.2要求標題(Level A),即基於時間的媒體(Level A)的文本替代,以及預錄視頻的音頻描述(Level A和AA); Level AA是大多數立法和採購參考的級別.
- 字幕和字幕不可互換:字幕服務於聽不到並攜帶揚聲器識別和非語音音的觀衆,而字幕則翻譯對話,供不懂語言的觀衆使用.
- 《歐洲無障礙法》(指令)EU) 2019/882)適用自 28 6月(半天) 2025 用於確定產品和服務的一套產品 EN 301 549 ,作爲納入 WCAG.
- 自動語音識別生成一個可用標題草稿,但仍未在適當的名詞、揚聲器識別和非語音音頻信息上成功,沒有人校正證。
- 當描述的空隙被設計成腳本時,音頻描述要便宜得多,因爲大多數商業視頻都是用對話書寫成的牆對牆.
視頻到底要提供什麼?
WCAG 多數立法和採購背後的實質性標準,因此在所述一級滿足了該制度要求的大部分內容。 WCAG (網頁內容無障礙準則) W3C標準, 目前版本 2.2,大多數無障礙法律和採購政策都指出,而不是寫出自己的標準。
| 要求 | 職等 | 生產中的意義 |
|---|---|---|
| 同步媒體預錄音頻的說明 | A | 帶有對話框、揚聲器身份和有意義的非語音音頻的準確、同步字幕 |
| 用於基於時間的媒體的替代品 | A | 覆蓋媒體內容的記錄稿或同等文本 |
| 預錄視頻的音頻描述 | A和AA 類 | 描述視覺信息的描述音軌 。 |
| 直播音頻的說明 | AA | 實時對流線進行字幕——與自己的供應商進行不同的生產學科 |
| 對比度和視覺度 | AA | 適用於任何顯示到圖片的文本,包括已燒掉的標題和屏幕圖形 |
| 音頻控制和背景音頻 | A和AAA 數據 | 自動播放的任意動作的控制; 語音後方背景音頻的限制 |
職等 AA 之所以成爲實際目標,是因爲這是大多數立法和採購參考。
字幕不是字幕,是字幕,是字幕 字幕是給聽不到音頻的觀衆:他們攜帶揚聲器識別和有意義的非聲波音——一個門響,電話響,帶有意義音樂. 字幕是給不懂語言的觀衆:他們翻譯對話框,假設觀衆聽到其他一切. 翻譯字幕文件不能滿足標題要求,而替代是庫中最常見的故障之一.
歐洲有什麼變化?
《歐洲無障礙法》爲一套界定的產品和服務規定了無障礙要求,從2025年6月28日起適用,將無障礙從採購優惠轉向涵蓋類別的市場準入條件。
《歐洲無障礙法》(指令)EU) 2019/882是一個 EU 指令,將無障礙作爲一套界定的產品和服務的合法市場準入條件,而不是優先選擇。 EN 301 549 統一歐洲標準,以達到無障礙要求 ICT 產品和服務,並納入 WCAG 實際操作中,將舉行一次製作人會議。 WCAG 2.2 職等 AA 媒體已按標準要求在內容方面開展了實質性工作; EN 301 549 還包括內容組範圍以外的軟件,硬件和文件.
具體組織是否在範圍之內取決於產品或服務以及各國執行立法,這些立法各不相同——這是從業者的總結,而不是法律諮詢,範圍應當由律師確認。 內容小組的安全操作假設是,無障礙是交付要求,而不是增強,而圖書館的改造成本遠遠高於從一開始就可訪問生產。
如何製作真正可用的字幕?
自動語音識別改變了標題而不是標準的經濟。 ASR 生成了乾淨的單語音頻的好第一稿,並完全在無障礙最關鍵的地方降解:適當的名詞、技術術語、重疊的語音、口音和所有根本不是語音的。
以下的順序讓ASR留下機械工作,讓人們留下決定結果是否可用的工作.
1. 與ASR對照,然後對照術語表更正。 飼料在製作的發音和名詞列表中,並首先固定名稱,產品和技術術語——最敏感和最突出的項目.
2. 增加發言者身份。 誰是說話的,無論從圖片中看,它不明顯。這是標題的一部分,每個原始的ASR輸出中都沒有這個標題。
3. 增加有意義的非語音音頻。 帶信息的聲音 — — 敲門、報警、笑聲、信號變化的音樂。描述每個環境聲音都無益於描述無;測試是聽覺觀衆是否從中汲取意義。
4. 閱讀部分,而非語法部分. 突破含義邊界,所以每個標題都是自己可以理解的. Netflix出版的英文時間文字樣式指南是可用的行業參考:每行最多42個字符,屏幕上不超過兩行,成人讀取速度爲每秒20個字符.
5. 時間到音頻,尊重最低要求。 標題隨演講而出現,並保持足夠長的時間讀取 — — 最小事件持續時間和最大時間,所以沒有閃光和任何停留。 計時錯誤是使技術上正確的標題無法使用最快的方法。
6. 圍繞重要圖片內容的立場。 將標題從已燒掉的標題、面部和下部移動。 這是一種自動工具無法制作的放置決定 。
7. 以副車廂文件形式交付。 SRT,WebVTT或TTML 而不是在任何平臺支持它的地方燃燒——可編輯,可索引和可切換的由查看者.
8. 審查背景。 使用字幕觀看視頻。 字幕文件中的隱形錯誤—— 一個覆蓋正在討論的內容的字幕, 切片後線的落地—— 在播放後30秒內就很明顯了 。
音頻描述實際上需要什麼?
音頻描述是一種描述音軌,它傳遞的是現有音頻不包含的視覺信息:誰在屏幕上,他們在做什麼,在屏幕上寫了什麼,改變了什麼。這是WCAG對預錄視頻的要求,也是最常悄悄跳過的,因爲它是真正花費製作努力的。
難度是結構上的,而不是技術的。描述必須適應對話之間的空隙,大多數商業視頻都是用敘述寫成的。沒有空隙的視頻,要麼是延時描述的版本,要麼是重新編輯,就無法描述。
- 劇本階段描述的設計. 故意留下空白在寫作時不費錢,而後又會花費很多錢。 這是整個地區最高的貸款決定。
- 說明什麼是緊要的,按優先順序排列。 動作和屏幕文本先設定,然後細節。描述會與程序音頻爭奪時間, 並且永遠不會有足夠的時間。
- 高聲讀屏上文字. 標題、 標題、 統計和任何文本都顯示在圖片中。 這是最常被忽略的內容, 並且往往是信息最靈通的 。
- 綜合是適當的。 描述的音頻是功能性敘述,這正是合成語音表現良好的記錄器,正是這種描述使多種語言的描述變得可以負擔得起,只要 內容標籤和披露規則 適用於合成音頻的,則按此進行。
- 以單獨軌道或版本交付,每個平臺能力,因此觀衆可以選擇.
這在許多語言中是如何運作的?
無障礙和本地化是兩個角度上相同的生產問題,把它們當作一個工作流程來對待,使得兩者都能夠負擔得起。 兩者都以鎖定的圖片操作,都產生側車廂文本文件,都需要在市場上進行人文審查,同時利用相同的術語資產。
- 一個定時文本來源,許多衍生物. 字幕文件是基礎的動畫;其他語言的字幕也由此而來,並且記錄稿也是從中產生。獨立製作這些字幕會重複計時工作,這是昂貴的部分——後面的原則是相同的。 將一個視頻本地化爲多種語言.
- 重用發音詞典 各種語言的合成的 描述的音軌,準確的說 多語種AI語音製作,並把它從 已許可語音庫 而不是一個沒有執照的人
- 請檢查access-date=中的日期值 (幫助) 每種語言的讀取速度 。 同一句在不同語言之間擴展不同,因此一個語言中舒適的字幕時間在另一個語言中是無法讀取的。這是一個與腳本匹配的決定,而不是一個子詞。
- 有個市場審查員來看 註冊、術語、貨幣和文化可讀性在標題文件中不可見,它們是符合標準與可用之間的區別。
Reading speed = Characters in the caption ÷ Seconds the caption is on screen
每秒二十個字符是Netflix指南中針對英語的成人上限,每語言重算而不是將英文數字背過:一個通過每行字符規則的文件仍然可以運行太快,無法讀取.
怎麼樣 Lifewood 處理規模的視頻訪問?
Lifewood 生成字幕、字幕、記錄稿和描述音頻的音頻,這些音頻是在同一本地化管道內而不是作爲單獨的服務進行的,因此計時工作一次完成,並且跨越每種語言。每個語言的變體都得到區域本土審查,因爲記錄和術語表在標題文件中是看不到的。
覆蓋範圍 100+ 語言 橫跨 40+ 分娩中心 30+ 國家下,a下 95%+ 準確率 SLA 檢查過同一條 跨區域應用質量控制程序 AI-生成的內容,這在 ASR 的校正傳上最爲重要,其中錯誤集中在一個依賴標題的查看者最需要正確的名字上。這在 Lifewood 的更廣泛的範圍內。 AIGC 視頻製作 和 AIGC服務 工作,我們的工作。