Содержание статьи +
Коротко
Доступность видео – это не одна функция, а целый набор отдельных дорожек, каждая из которых предназначена для определённой категории зрителей: текст, передающий содержание речи, – для тех, кто не слышит, и звуковой закадровый комментарий, описывающий происходящее на экране, – для тех, кто не видит. Текстовая часть включает обычные скрытые субтитры (captions), субтитры для глухих и слабослышащих (SDH) и переводные субтитры; звуковая – это дорожка тифлокомментария (audio description, AD), дополнительная закадровая речь, вставляемая в паузы между диалогами. К 2026 году эти дорожки перестают быть опциональным украшением: Европейский акт о доступности (EAA) обязывает предоставлять их на большинстве коммерческих стримингов с июня 2025 года, а в США действуют аналогичные требования для вещания и государственного видео. Эта статья простым языком разбирает каждый элемент, объясняет, в каком формате файла и с каким флагом сигнализации он передаётся, и как спланировать весь стек без переделки конвейера упаковки.
Почему это важно
Если вы управляете стриминговым сервисом, платформой онлайн-обучения или любым продуктом, публикующим видео для аудитории в ЕС, дорожки доступности в 2025 году переходят из категории «было бы неплохо» в категорию «обязательны по закону». Ошибка в форматах означает, что плеер не покажет нужную дорожку, даже если сам файл корректен.
Статья предназначена для продакт-менеджеров, основателей и инженеров, которым нужно оценить объём работ по обеспечению доступности, уверенно общаться с вендорами упаковки и понимать, почему фраза «мы добавили субтитры» ещё не означает «мы соответствуем требованиям».
К концу статьи вы сможете назвать каждую дорожку в стеке, указать, какой формат и флаг она использует, и распознать три ошибки, которые тихо ломают доступность в продакшене.
Одна идея: два чувства, два направления
Вся суть становится ясной, как только вы замечаете, что дорожки доступности идут в противоположных направлениях – они обслуживают две разные особенности.
Человеку, который не слышит, нужно сделать звук видимым. Это текст на экране – произносимые слова и значимые незвуковые события, такие как хлопнувшая дверь или тревожная музыка. Информация переходит из звуковой дорожки в текстовую. (Если само понятие «звуковой дорожки» как потока отсчётов для вас новое, начните с нашего вводного материала о том, что такое цифровой звук.)
Человеку, который не видит, нужно превратить изображение в нечто слышимое. Это дополнительные произносимые слова – диктор описывает действия, сцену и любой текст на экране, который вслух не озвучивается. Информация переходит с видеодорожки на дополнительную звуковую дорожку.
Всё остальное в этой статье – детали, накладываемые на эту основу. Субтитры и captions – это сторона «увидеть звук». Тифлокомментарий – сторона «услышать картинку». Их создают разные люди, передают в разных форматах и указывают плееру разными флагами – поэтому команда, считающая «доступность» одним чекбоксом, обычно реализует лишь половину.
Сторона «увидеть звук»: captions, SDH и субтитры
Три элемента выглядят на экране почти одинаково – белый текст внизу – но это не одна и та же дорожка, и путаница между ними – самая частая ошибка доступности.
Субтитры (subtitles) рассчитаны на зрителя, который слышит звук. Их задача – перевести реплики на другой язык, поэтому они передают только произносимые слова. Французский фильм с английскими субтитрами позволяет слышащему зрителю читать диалоги на английском, но не содержит описания звуков – ведь взрыв он и так слышит.
Скрытые субтитры (captions) предназначены для тех, кто не слышит. Дорожка captions, часто называемая скрытыми субтитрами, включает реплики плюс дополнительную информацию, которую глухой зритель мог бы упустить: [хлопает дверь], [напряжённая музыка] и указание, кто говорит, если это неочевидно. Слово «closed» означает, что зритель может включать и выключать их по желанию; «open» captions встроены в изображение и не удаляются.
SDH – текст, чьё название расшифровывается как «субтитры для глухих и слабослышащих» (subtitles for the deaf and hard of hearing), – это современная золотая середина. Это переводные субтитры, которые также передают незвуковые события и указания говорящего – как это делают captions. SDH существует потому, что стриминг глобален: глухому зрителю в Испании, смотрящему американский сериал, нужны и перевод, и звуковые подсказки, а SDH – единственная дорожка, которая обеспечивает и то, и другое. На практике стриминговые платформы используют SDH там, где в эфире были бы отдельные captions.
«Частая ошибка: поставить субтитры и назвать это captions. Субтитровая дорожка, которая просто переводит реплики, не соответствует требованиям доступности, поскольку игнорирует звуковые эффекты, музыкальные подсказки и указание говорящего – важные элементы для глухого зрителя. Автоматически сгенерированные «субтитры» на основе распознавания речи – это всё ещё субтитры, а не captions: они транскрибируют слова, но не добавляют [звонит телефон]. Если в нормативных документах указано «captions» или «SDH», обычный переводной субтитр не подходит, даже если слова переданы абсолютно точно.»
Форматы, которые несут текст на экране
Текстовую дорожку нужно упаковать в формат, понятный плееру. Четыре названия охватывают почти всё, что вы встретите.
Два старых вещательных формата – CEA-608 и CEA-708 (также обозначаются как CTA-608 / CTA-708). CEA-608 – это оригинальный американский аналоговый формат субтитров «line 21», ограниченный одним стилем и несколькими цветами; CEA-708 – его цифровой преемник, передаваемый внутри транспортного потока MPEG в эфирном и кабельном вещании, с более богатым оформлением и несколькими сервисными каналами. Декодер 708 обязан поддерживать встроенный 608, поэтому оба формата часто используются одновременно. Вы сталкиваетесь с ними каждый раз, когда принимаете видео вещательного происхождения.
Для интернета доминируют два формата. WebVTT (Web Video Text Tracks) – это текстовый формат субтитров, используемый в веб-доставке: небольшой файл .vtt, содержащий временные метки и строки текста, – именно его Apple требует для субтитров в HLS. IMSC (профиль языка разметки TTML, также известный как IMSC1) – это формат вещательного класса: он устойчив к строгой упаковке, поддерживает точное позиционирование и цветовую палитру и является единственным профилем TTML, совместимым с современным контейнером CMAF. Правила интеграции обоих форматов во фрагментированный MP4 – строки кодеков wvtt для WebVTT и stpp для IMSC – определены в стандарте ISO/IEC 14496-30, благодаря чему одна и та же полезная нагрузка субтитров может использоваться как в HLS, так и в DASH в рамках единого конвейера упаковки.
Практичная позиция на 2026 год – использовать WebVTT в качестве универсальной текстовой дорожки и применять IMSC только там, где это необходимо из-за требований типографики или условий контракта с платформой. Механизм контейнеров для дорожек caption в HLS, DASH и CMAF мы подробно разбираем в статье об аудио в HLS, DASH, CMAF.
| Тип дорожки | Кого обслуживает | Несёт незвуковые события? | Типичный формат |
|---|---|---|---|
| Субтитры | Слышащих, другой язык | Нет | WebVTT, IMSC |
| Captions (CC) | Глухих / слабослышащих, тот же язык | Да | CEA-608/708, WebVTT |
| SDH | Глухих / слабослышащих, часто перевод | Да | WebVTT, IMSC |
| Open captions | Всех (впечатаны) | Да | Пиксели в видео |
Сторона «услышать картинку»: тифлокомментарий
Тифлокомментарий, сокращённо AD (audio description, в нормативах США – video description), – это дорожка, о которой большинство команд забывают. Это вторая закадровая речь, записанная диктором-тифлокомментатором, которая объясняет важную визуальную информацию – действия, смены сцен, выражения лиц и текст на экране – и добавляется в паузы между репликами, чтобы не перекрывать речь актёров.
Есть две разновидности, и разница между ними – реальный инженерный выбор. Стандартный тифлокомментарий встраивается в существующие паузы фонограммы за счёт закадровой речи; он работает, когда реплик достаточно мало, чтобы оставить место для описания. Расширенный тифлокомментарий (extended) может приостанавливать воспроизведение видео, если пауз недостаточно для всего, что нужно озвучить: картинка замирает, диктор говорит, после чего воспроизведение продолжается. Стандартный AD – обычное требование уровня AA для веба; расширенный AD – более высокая планка уровня AAA, и в массовом стриминге он встречается редко, потому что пауза в видео нарушает естественный поток просмотра. На платформах с иммерсивным звуком дорожка комментария обычно идёт как обычный стереосигнал параллельно иммерсивным каналам, а не как отдельный объект в иммерсивном миксе Atmos – это упрощает как процесс авторинга, так и выбор форматов.
Важно: тифлокомментарий передаётся как отдельная звуковая дорожка, а не в виде текста. Это полноценный альтернативный микс – оригинальная фонограмма с наложенной закадровой речью, – который пользователь выбирает так же, как и язык дубляжа. Поэтому он относится к звуковому стеку и использует ту же многодорожечную структуру, что и описано в статье про многоязычное аудио, дубляж и описательный звук. Поскольку микс AD представляет собой полноценную дорожку, он должен соответствовать тем же требованиям по уровню громкости, что и любой другой вариант, – см. нормализацию громкости (EBU R128, ITU-R BS.1770, ATSC A/85), – чтобы закадровая речь ни заглушалась, ни звучала резко на фоне основного звукового сопровождения.
Сигнализация: как плеер узнаёт, какая дорожка доступна
Правильная дорожка AD или SDH, которую плеер не может найти, хуже, чем её отсутствие. У каждой системы доставки есть специальный флаг, помечающий дорожку как доступную, а пропуск этого флага – вторая классическая ошибка.
В HLS звуковой вариант, несущий комментарий, помечается в плейлисте CHARACTERISTICS="public.accessibility.describes-video"; рекомендация Apple по авторингу также советует ставить AUTOSELECT=YES, чтобы плеер мог выбрать его, когда устройство пользователя запрашивает тифлокомментарий. Вариант caption для глухих помечается public.accessibility.describes-spoken-dialog,public.accessibility.describes-music-and-sound.
В DASH для решения этой задачи используются два дескриптора MPEG-DASH: дескриптор Role и дескриптор Accessibility на уровне adaptation set. Звуковая дорожка тифлокомментария использует схему классификации назначения звука (urn:tva:metadata:cs:AudioPurposeCS:2007), а текстовая дорожка SDH – роль caption. Спецификация совместимости DASH-HLS, CTA-5005, организует эти флаги таким образом, что один и тот же пакет может поддерживать обе системы.
«Частая ошибка: непомеченная или включённая по умолчанию дорожка комментария. Повторяются два сценария сбоя. Первый: звук AD присутствует, но не несёт никакой характеристики доступности, поэтому плеер показывает его как ещё один язык, и пользователи скринридеров никогда не получают его автовыбором. Второй – наоборот: дорожка комментария случайно помечена как звук по умолчанию, и тогда каждый зритель слышит диктора, описывающего сцену, заводит баг, а поддержка недоумевает. Ставьте флаг доступности и никогда не делайте дорожку комментария звуком по умолчанию.»
Правила: кто что требует в 2026 году
Коммерческая важность этого стека в том, что он стал обязательным, а требования к нему различаются по регионам. Приведённые ниже цифры имеют значение при оценке объёма работ.
В Европейском союзе Европейский акт о доступности (EAA) вступил в силу 28 июня 2025 года. Он обязывает большинство потребительских цифровых сервисов – включая стриминг и видео по запросу, предлагаемые жителям ЕС, даже компаниями, базирующимися за пределами ЕС, – обеспечивать доступность. Для видео это означает предоставление субтитров (captions/SDH) и тифлокомментариев. Новый контент, опубликованный с июня 2025 года, должен соответствовать требованиям; существующим каталогам обычно даётся до 2030 года на адаптацию. Национальные законы, реализующие EAA, устанавливают точные пороги, а вещательные квоты по доступности (например, субтитрирование определённого процента программ) продолжают действовать в рамках аудиовизуальных правил ЕС и технического стандарта EN 301 549.
В Соединённых Штатах ситуация различается в зависимости от среды. FCC в рамках Закона о коммуникациях и видеодоступности XXI века (CVAA) требует наличия скрытых субтитров и – для крупнейших вещателей и сетей – видеоописания на определённое количество часов программ. Что касается веб-видео, публикуемого государственными органами штатов и муниципалитетов, то правило DOJ по ADA Title II от 2024 года обязывает соблюдать стандарт WCAG 2.1 уровня AA; сроки выполнения требований были перенесены на 2026 год, поэтому организации, обслуживающие 50 000 и более человек, должны соответствовать нормам к 26 апреля 2027 года, а меньшие – к 26 апреля 2028 года.
Базовая веб-планка, на которую все ссылаются, – это WCAG, Руководство по доступности веб-контента от W3C, в текущей версии 2.2. Релевантные для видео критерии успеха – 1.2.2 Captions (Prerecorded) и 1.2.4 Captions (Live) на текстовой стороне, а также 1.2.3 и 1.2.5 Audio Description (Prerecorded) на звуковой стороне: стандартный тифлокомментарий соответствует уровню AA, а расширенный (1.2.7) – более строгому уровню AAA.
Небольшой расчёт: сколько времени на комментарий у вас реально есть
У тифлокомментария есть жёсткий физический предел, удивляющий продуктовые команды: комментировать можно только в тишине. Допустим, 30-минутный эпизод (1800 секунд) сравнительно небогат репликами, и 25% его хронометража – это паузы между речью:
бюджет комментария = хронометраж × доля тишины
= 1800 с × 0,25
= 450 с пригодных паузПри комфортном темпе закадровой речи – около 150 слов в минуту – это:
450 с ÷ 60 × 150 сл/мин = 1125 словТо есть у тифлокомментатора примерно 1125 слов, чтобы передать всё важное визуально за весь эпизод – меньше 38 слов на минуту хронометража. Вот почему сценарии AD лаконичны, почему быстро смонтированные экшен-сцены описывать сложнее всего и почему расширенный тифлокомментарий (с паузой видео) существует как аварийный выход, когда просто не хватает пауз.
Где здесь Фора Софт
Фора Софт разрабатывает видеософт с 2005 года – в стриминге и OTT, онлайн-обучении, телемедицине и видеоконференциях. Сегодня доступность в этих сферах – не пожелание, а обязательное требование при доставке контента. Работа редко сводится к простой генерации субтитров: ключевая задача – правильно выстроить стек от начала до конца. Нужно убедиться, что дорожка SDH помечена как caption, а не как обычный субтитр, что вариант тифлокомментария имеет характеристику доступности и никогда не является звуком по умолчанию, а также что один конвейер упаковки корректно выдаёт флаги и для HLS, и для DASH. Команды, которые подключают доступность на поздних этапах, часто сталкиваются с тем, что их плеер молча игнорирует правильные дорожки. Продумать модель дорожек и систему сигнализации заранее – вот та часть, в которой мы помогаем продуктовым командам сделать всё верно до того, как упаковка будет зафиксирована.
Главное
- Доступность – это два взаимодополняющих потока: звук преобразуется в текст на экране, а изображение дополняется озвучкой.
- Субтитры передают только диалоги; captions и SDH включают звуковые эффекты и указания на говорящего – для глухих и слабослышащих.
- Тифлокомментарий – это отдельная звуковая дорожка с закадровой речью, вставляемой в паузы между репликами, а не текстовый элемент.
- Используйте WebVTT как универсальный формат субтитров; применяйте IMSC, если требуется сложная типографика или контрастность.
- Непомеченная дорожка остаётся невидимой: в HLS для этого используется CHARACTERISTICS, в DASH – дескрипторы Role и Accessibility.
- EAA обязывает предоставлять субтитры и тифлокомментарий на стриминговых сервисах в ЕС с 28 июня 2025 года.