音频描述

音频描述是一条语音旁白轨道，用于向无法观看视频的用户描述视觉内容：场景切换、角色动作、表情、屏幕上的文字。旁白在对话的自然停顿处播放，由专业配音演员录制或通过语音合成引擎生成。

音频描述与字幕互为镜像：字幕为听不到声音的观众转录音频；音频描述则为看不到画面的观众朗读视频内容。

WCAG 的要求

有两项成功准则专门涵盖音频描述：

• 1.2.3 音频描述或媒体替代（预录制）——A 级——预录制视频必须提供音频描述或完整的文字替代内容。
• 1.2.5 音频描述（预录制）——AA 级——所有预录制视频必须提供音频描述。
• 1.2.7 扩展音频描述（预录制）——AAA 级——若原视频音频的停顿不足以进行充分描述，可通过程序化暂停视频来插入更长的描述片段。

AA 级准则是实际底线；大多数引用 WCAG 的法律制度均包含 1.2.5。

标准描述与扩展描述

• 标准音频描述利用对话中的自然停顿。适用于有自然沉默的对话驱动内容；对节奏紧凑、对话密集、几乎没有停顿空间的内容则难以实现。
• 扩展音频描述通过暂停视频来插入更长的描述片段。会显著增加总时长；在商业内容中较为少见。

大多数专业音频描述属于标准描述。

制作流程

1. 撰写脚本。 经过训练的描述员（在同时提供字幕服务的公司中，通常与字幕撰写员为同一岗位）观看节目，为视觉内容撰写旁白。核心技能在于在有限时长内选择最能传达关键信息的内容，同时避免主观评价。
2. 录制。 由配音演员录制旁白，或——越来越普遍——由文本转语音引擎根据脚本合成旁白。
3. 混音。 将描述旁白以不干扰原始对话的音量混入音频轨道。
4. 交付。 作为视频播放器上的独立音频轨道（通过标有”AD”或类似标识的控件切换），或作为始终开启描述的”开放式描述”内容。

制作中常见的失误

• 完全没有音频描述——最常见的问题。许多认真提供字幕的网站却跳过音频描述，原因是被认为更复杂。WCAG AA 要求预录制视频同时提供两者。
• 仅在沉默处描述。 持续有背景音乐或环境音的场景没有真正的”停顿”——描述员要么在音乐上方讲话（效果欠佳），要么必须暂停视频（扩展描述）。
• 对装饰性内容过度描述。 填充性场景（长时间空镜、切换镜头）不需要逐一列举画面内容的旁白。有效的描述应传达叙事相关的信息。

AAA 级门槛何时重要

对于对话极为密集的内容（法律程序、语速极快的纪录片、访谈节目），标准音频描述往往不够充分。此时，AAA 级扩展音频描述（配合程序化暂停）是传达足够视觉上下文的唯一方式。部分流媒体平台已原生支持此功能；许多平台尚未支持，需要预先制作嵌入了扩展音频描述的视频版本。