纯音频和纯视频（预录制）

要求内容

本成功准则涵盖两种单通道媒体类型。纯音频文件（播客、录音采访、MP3 片段）必须提供文本转录稿。纯视频文件（静音产品演示、传达信息的动态 GIF、仅含手语的片段、B-roll 说明视频）必须提供文本替代内容，或添加传达相同信息的同步音轨。核心目标是：失聪用户能够获取播客内容，盲人用户能够获取静音演示内容。

如何满足

• 在音频播放器正下方直接发布完整文本转录稿，而非仅提供下载链接。
• 对于静音视频，在同一页面编写文本描述，涵盖每个动作和屏幕上的文字。
• 或者，为静音视频添加旁白音轨，实时描述画面中发生的内容。
• 仅将机器转录作为起点——Whisper / Otter 的输出必须经过人工编辑，校正准确性并标注说话人。
• 使用真实 HTML 结构（<h2>、<ol>、<time>）标记转录稿的标题、说话人姓名和时间戳，而非大量 <br> 标签。
• 对于嵌入的社交媒体音频（Twitter Spaces、语音备忘），在周边页面文字中提供转录稿。

常见失败

• 播客单集页面只有节目说明——对话本身从未被转录。
• 自动生成的 YouTube 转录稿准确率仅约 80%，专有名词混乱，说话人边界缺失。
• 静音产品 GIF 在页面上没有任何描述，在营销页面上极为常见。
• 转录稿隐藏在”点击展开”后，与播放器没有程序化关联。
• 音频采访中一位说话人已被标识，另一位在全程被称为”说话人 2”。

重要性

转录稿也是任何媒体密集型网站成本最低的 SEO 收益——搜索引擎会对其建立索引，视力正常的用户可以快速浏览，同时一举解锁失聪用户的访问需求。跳过转录稿几乎总是工作流程问题，而非技术问题。