WCAG 1.2.2: Napisy (nagrania wcześniej przygotowane)

Co Oznacza Ta Zasada

WCAG 1.2.2 — Napisy (nagrania) wymaga, aby napisy były zapewnione dla wszystkich nagranych wcześniej treści audio w mediach zsynchronizowanych. Media zsynchronizowane są definiowane jako treści audio lub wideo zsynchronizowane z innym formatem i/lub z interaktywnymi komponentami zależnymi od czasu — w praktyce oznacza to każdy plik wideo, który zawiera również dźwięk, taki jak nagrane wykłady, demonstracje produktów, materiały informacyjne, referencje czy filmy marketingowe.

Napisy są tekstową alternatywą zsynchronizowaną z osią czasu wideo. Muszą przekazywać nie tylko wypowiadany dialog, ale także wszelkie inne znaczące dźwięki — w tym identyfikację mówiącej osoby, istotne efekty dźwiękowe (takie jak [brawa], [trzask drzwi] czy [gra muzyka]) oraz ton lub sposób mówienia, jeśli wpływa to na zrozumienie. To odróżnia napisy od napisów dialogowych (subtitles), które zazwyczaj prezentują jedynie wypowiadane słowa i są przeznaczone dla odbiorców, którzy słyszą dźwięk, ale nie rozumieją języka mówionego.

Spełnienie tego kryterium wymaga wszystkich następujących elementów: napisy istnieją dla wszystkich nagranych wcześniej mediów zsynchronizowanych, są dokładnie zsynchronizowane z odpowiadającym im dźwiękiem, opisują wszystkie znaczące dźwięki (dialog, tożsamość mówiącej osoby, istotne efekty dźwiękowe) oraz są dostępne w tym samym miejscu co samo medium — a nie jedynie podlinkowane z osobnej strony.

Niespełnienie ma miejsce, gdy: nie zapewniono żadnych napisów, napisy istnieją, ale są niedokładne lub niekompletne (np. automatycznie wygenerowane bez korekty), napisy pomijają znaczące dźwięki inne niż mowa, napisy są obecne, ale nie są prawidłowo zsynchronizowane lub napisy są zapewnione wyłącznie jako osobna transkrypcja (sama transkrypcja nie spełnia tego kryterium).

Jedyny oficjalny wyjątek zdefiniowany w WCAG dotyczy mediów, które same w sobie są alternatywą medialną dla tekstu. Na przykład, jeśli strona internetowa zawiera artykuł pisemny oraz wideo, które po prostu przedstawia tę samą informację co artykuł, i wideo jest wyraźnie jako takie oznaczone, wówczas napisy do wideo nie są wymagane. Ten wyjątek jest wąski i celowy — nie powinien być używany jako furtka do unikania tworzenia napisów do filmów, które zawierają istotne treści niedostępne w innej formie tekstowej.

Napisy mogą być otwarte (wypalone bezpośrednio w wideo i zawsze widoczne) lub zamknięte (dostarczane jako osobna ścieżka, którą użytkownicy mogą włączać i wyłączać). Oba rozwiązania są akceptowalne w ramach WCAG 1.2.2, choć napisy zamknięte są zazwyczaj preferowane, ponieważ pozwalają użytkownikom dostosować wygląd i mogą być wyłączone przez osoby, które ich nie potrzebują. W HTML napisy zamknięte są zazwyczaj implementowane przy użyciu elementu <track> z kind='captions' wewnątrz elementu <video>, wskazującego na plik napisów w formacie WebVTT lub SRT.

Dlaczego To Jest Ważne

Około 466 milionów osób na całym świecie żyje z upośledzeniem słuchu powodującym niepełnosprawność, według Światowej Organizacji Zdrowia — liczba ta ma wzrosnąć do ponad 900 milionów do 2050 roku. Poza osobami z głęboką głuchotą, znacznie większa grupa doświadcza sytuacyjnych trudności ze słuchem: osoby w hałaśliwym otoczeniu, takim jak transport publiczny, biura typu open space czy zatłoczone kawiarnie, które nie mogą usłyszeć dźwięku mimo prawidłowego słuchu, użytkownicy, którzy tymczasowo utracili dostęp do sprzętu audio, oraz osoby oglądające treści w cichym otoczeniu, gdzie dźwięk musi być wyciszony.

Dla osób głuchych lub niedosłyszących napisy nie są udogodnieniem — są jedynym sposobem na dostęp do treści mówionej w wideo. Bez napisów głucha osoba odwiedzająca serwis e-commerce nie może zrozumieć filmu prezentującego produkt, głucha studentka nie może śledzić nagranego wykładu, a głucha pacjentka nie może przyswoić informacji zawartych w instruktażowym filmie szpitala. Informacja jest dla nich całkowicie niedostępna, niezależnie od tego, jak wyraźnie film został nakręcony czy jak wysoka jest jakość produkcji.

Napisy przynoszą również korzyści osobom z niepełnosprawnościami poznawczymi i trudnościami w uczeniu się, takim jak osoby z zespołem nadpobudliwości psychoruchowej z deficytem uwagi (ADHD) czy dysleksją, które mogą łatwiej przetwarzać informacje, gdy są one prezentowane jednocześnie w formie audio i tekstowej. Osoby niebędące rodzimymi użytkownikami języka korzystają z napisów, ponieważ wzmacniają one zrozumienie mowy z akcentem lub w szybkim tempie. Starsi użytkownicy z ubytkiem słuchu związanym z wiekiem — stanem dotykającym około jednej trzeciej osób powyżej 65 roku życia — również polegają na napisach.

Rozważmy konkretny scenariusz: turecki bank publikuje na swojej stronie internetowej film wyjaśniający, jak otworzyć konto cyfrowe. Potencjalna klientka, która jest głucha, odwiedza stronę. Bez napisów nie może zrozumieć żadnego z omawianych kroków, nie może śledzić procesu i nie jest w stanie wykonać zadania — tworząc zarówno problem z dostępnością, jak i utraconą szansę biznesową dla banku. Dzięki dokładnym, zsynchronizowanym napisom śledzi każdy krok, kończy proces onboardingu i zostaje klientką.

Poza dostępnością dla osób z niepełnosprawnościami, napisy niosą wymierne korzyści SEO i użyteczności. Pliki napisów w formacie WebVTT lub SRT są możliwe do odczytu maszynowego, co oznacza, że wyszukiwarki mogą indeksować pełny tekst treści wideo, poprawiając możliwość ich odnalezienia. Badania wykazały, że większość widzów ogląda wideo w mediach społecznościowych bez dźwięku, co sprawia, że napisy stają się de facto funkcją użyteczności dla głównego nurtu odbiorców. Napisy ułatwiają również wyszukiwarkom i narzędziom oceny dostępności zrozumienie celu i treści osadzonych filmów, przyczyniając się do ogólnych sygnałów jakości strony.

Powiązane Zasady Axe-core

WCAG 1.2.2 wymaga testów manualnych. Nie istnieje zautomatyzowana zasada axe-core, która w sposób wiarygodny wykrywa brak lub niedokładność napisów dla nagranych wcześniej mediów zsynchronizowanych. Powody tego są fundamentalnie związane z tym, jak działa testowanie automatyczne:

• Wymagane testy manualne — brak ścieżki napisów: Zautomatyzowane narzędzie może wykryć, że element <video> nie zawiera elementu <track kind='captions'> i niektóre narzędzia oznaczą to jako potencjalny problem. Narzędzie nie może jednak ustalić, czy wideo faktycznie zawiera znaczącą treść audio (może to być niemy film), czy w samym wideo obecne są napisy otwarte (wypalone), ani czy wideo kwalifikuje się do wyjątku dotyczącego alternatywy medialnej. Do podjęcia takiej decyzji potrzebna jest ocena człowieka.
• Wymagane testy manualne — dokładność i kompletność napisów: Nawet gdy plik ścieżki napisów jest obecny i podlinkowany, zautomatyzowane narzędzie nie może ocenić, czy napisy dokładnie odzwierciedlają wypowiadane treści, czy zawierają istotne efekty dźwiękowe i identyfikację mówiącej osoby oraz czy są prawidłowo zsynchronizowane z dźwiękiem. Plik napisów zawierający całkowicie błędny tekst, automatycznie wygenerowany bełkot lub napisy konsekwentnie przesunięte o 10 sekund względem dźwięku przeszedłby wykrywanie automatyczne, ale nie spełniłby kryterium. Tylko osoba recenzująca, która ogląda wideo i jednocześnie czyta napisy, może ocenić ich dokładność.
• Wymagane testy manualne — napisy otwarte: Jeśli napisy są wypalone bezpośrednio w pliku wideo (napisy otwarte), narzędzia automatyczne nie mają żadnej możliwości ich wykrycia. Widzą jedynie element <video> bez ścieżki i nie mogą analizować wizualnej zawartości klatek wideo, aby ustalić, czy tekst jest obecny.

Z powodu tych ograniczeń WCAG 1.2.2 musi zawsze obejmować etap przeglądu dokonywanego przez człowieka w ramach każdego kompleksowego audytu. Skanowania automatyczne służą jako przydatny pierwszy etap do identyfikacji oczywiście brakujących elementów ścieżek, ale nie mogą zastąpić manualnej oceny jakości, dokładności i synchronizacji napisów.

Jak Testować

1. Sporządź inwentarz wszystkich mediów zsynchronizowanych: Przed uruchomieniem jakiegokolwiek narzędzia ręcznie przejrzyj stronę, aby zidentyfikować każdy element wideo — osadzone znaczniki <video>, odtwarzacze osadzone w iframe (YouTube, Vimeo, podmioty trzecie) oraz wszelkie odtwarzacze mediów HTML5. Wypisz każde wideo i zanotuj, czy zawiera znaczącą treść audio (dialog, narracja, istotne efekty dźwiękowe). Filmy bez ścieżki audio lub jedynie z muzyką w tle, która nie niesie treści informacyjnej, mogą być traktowane inaczej, ale udokumentuj swoje uzasadnienie.
2. Uruchom skan automatyczny za pomocą axe DevTools lub Lighthouse: Otwórz axe DevTools w narzędziach deweloperskich przeglądarki i uruchom skan całej strony. Wyszukaj wszelkie naruszenia lub elementy niekompletne związane z elementami wideo lub audio. Lighthouse (uruchamiany przez Chrome DevTools w kategorii audytu Accessibility) podobnie oznaczy filmy, którym brakuje elementu <track>. Zauważ, że czysty wynik automatyczny nie oznacza, że kryterium jest spełnione — oznacza jedynie, że nie wykryto oczywiście brakującej ścieżki. Traktuj wyniki automatyczne jako punkt wyjścia, a nie wniosek końcowy.
3. Sprawdź źródło HTML: Dla każdego elementu <video> na stronie sprawdź DOM, aby zweryfikować, czy obecny jest element <track kind='captions'> oraz czy jego atrybut src wskazuje na prawidłowy, dostępny plik napisów (WebVTT lub SRT). Sprawdź, czy atrybut srclang jest ustawiony na odpowiedni język. Potwierdź, że plik ładuje się bez błędu sieciowego, otwierając adres URL bezpośrednio w przeglądarce.
4. Odtwórz wideo i ręcznie oceń napisy: Włącz napisy w odtwarzaczu wideo (lub potwierdź, że pojawiają się automatycznie, jeśli używane są napisy otwarte). Obejrzyj wideo w całości — lub statystycznie reprezentatywną próbkę z początku, środka i końca. Dla każdego fragmentu zweryfikuj: (a) dialog jest dokładnie zapisany bez istotnych błędów, (b) zmiany mówiącej osoby są identyfikowane tam, gdzie pomaga to w zrozumieniu, (c) znaczące dźwięki inne niż mowa są opisane w nawiasach (np. [dzwoni telefon]) oraz (d) napisy pojawiają się i znikają w synchronizacji z dźwiękiem — nie znacząco przed ani po wypowiadanych słowach.
5. Przetestuj z czytnikiem ekranu, gdy ma to zastosowanie: Korzystając z NVDA z Firefoxem, VoiceOver z Safari lub JAWS z Chrome, przejdź do elementu wideo. Potwierdź, że kontrolki odtwarzacza są dostępne z klawiatury i że włączanie oraz wyłączanie napisów może być wykonane bez użycia myszy. Testuje to użyteczność funkcji napisów oprócz samego ich istnienia.
6. Przetestuj osadzone odtwarzacze podmiotów trzecich: Dla iframe osadzających odtwarzacze YouTube lub Vimeo otwórz wideo bezpośrednio na platformie i zweryfikuj, że napisy zostały przesłane i są domyślnie włączone lub łatwe do włączenia. Automatycznie generowane napisy na platformach takich jak YouTube nie spełniają WCAG 1.2.2, chyba że zostały przejrzane i skorygowane pod kątem dokładności.
7. Udokumentuj wynik (pass/fail) z dowodami: Dla każdego testowanego wideo zanotuj adres URL strony, tytuł lub opis wideo, informację, czy napisy były obecne, oraz swoją ocenę ich dokładności. Zrzuty ekranu lub notatki z oznaczonymi znacznikami czasu z przeglądu stanowią dowód audytowy.

Jak Naprawić

Wideo HTML5 bez jakiejkolwiek ścieżki napisów — Niepoprawne

<!-- Fails 1.2.2: video with audio has no caption track at all -->
<video controls width='800'>
  <source src='product-demo.mp4' type='video/mp4'>
  Your browser does not support the video element.
</video>

Wideo HTML5 bez jakiejkolwiek ścieżki napisów — Poprawne

<!-- Passes 1.2.2: a WebVTT caption track is linked with kind='captions' -->
<video controls width='800'>
  <source src='product-demo.mp4' type='video/mp4'>
  <!-- The track element links the WebVTT file; srclang and label aid player UI -->
  <track
    kind='captions'
    src='product-demo-captions-en.vtt'
    srclang='en'
    label='English Captions'
    default
  >
  Your browser does not support the video element.
</video>

Wielojęzyczne wideo z jedynie ścieżką napisów dialogowych, bez napisów — Niepoprawne

<!-- Fails 1.2.2: kind='subtitles' provides translated dialogue but omits -->
<!-- sound effect descriptions and speaker identification needed for deaf users -->
<video controls width='800'>
  <source src='webinar.mp4' type='video/mp4'>
  <track kind='subtitles' src='webinar-tr.vtt' srclang='tr' label='Turkish'>
</video>

Wielojęzyczne wideo z jedynie ścieżką napisów dialogowych, bez napisów — Poprawne

<!-- Passes 1.2.2: a dedicated captions track is provided alongside subtitles. -->
<!-- The captions file includes [Speaker: Dr. Aydin], [applause], etc. -->
<video controls width='800'>
  <source src='webinar.mp4' type='video/mp4'>
  <track
    kind='captions'
    src='webinar-captions-tr.vtt'
    srclang='tr'
    label='Turkish Captions'
    default
  >
  <track kind='subtitles' src='webinar-en.vtt' srclang='en' label='English'>
</video>

Osadzenie YouTube polegające na niepoprawionych automatycznie generowanych napisach — Niepoprawne

<!-- Fails 1.2.2: uncorrected auto-captions are not considered accurate captions -->
<iframe
  width='800'
  height='450'
  src='https://www.youtube.com/embed/VIDEOID'
  title='Company Introduction Video'
  allowfullscreen
></iframe>

Osadzenie YouTube ze zweryfikowanymi, ręcznie zredagowanymi napisami — Poprawne

<!-- Passes 1.2.2 provided that captions have been uploaded or reviewed -->
<!-- in YouTube Studio and confirmed accurate by a human reviewer. -->
<!-- The &cc_load_policy=1 parameter enables captions by default. -->
<iframe
  width='800'
  height='450'
  src='https://www.youtube.com/embed/VIDEOID?cc_load_policy=1&cc_lang_pref=tr'
  title='Company Introduction Video'
  allowfullscreen
></iframe>
<!-- Also ensure in YouTube Studio that the caption track is marked as -->
<!-- human-reviewed and that auto-captions have been corrected. -->

Typowe Błędy

• Zapewnienie transkrypcji tekstowej zamiast zsynchronizowanych napisów: Transkrypcja, która pojawia się pod lub obok wideo, spełnia w niektórych kontekstach WCAG 1.2.3 (Opis audio lub alternatywa medialna), ale nie spełnia 1.2.2. Napisy muszą być zsynchronizowane z osią czasu wideo, tak aby tekst pojawiał się w momencie, gdy występuje odpowiadający mu dźwięk. Statyczny blok tekstu nie spełnia tego wymagania.
• Użycie kind='subtitles' zamiast kind='captions': Napisy dialogowe (subtitles) są projektowane dla widzów, którzy słyszą dźwięk, ale nie rozumieją języka — zazwyczaj zawierają jedynie wypowiadany dialog przetłumaczony na inny język. Napisy (captions) są projektowane dla widzów, którzy w ogóle nie słyszą dźwięku — muszą zawierać identyfikację mówiącej osoby, znaczące efekty dźwiękowe i inne informacje niewerbalne. Zastąpienie ścieżki napisów ścieżką napisów dialogowych tam, gdzie wymagane są napisy, jest częstym i poważnym błędem.
• Poleganie na niepoprawionych automatycznie generowanych napisach z YouTube lub podobnych platform: Automatycznie generowane napisy wykorzystują rozpoznawanie mowy i często zawierają błędy, szczególnie w przypadku terminologii technicznej, nazw własnych, akcentów lub szybkiej mowy. WCAG wymaga, aby napisy były dokładne. Automatycznie generowane napisy, które nie zostały przejrzane i poprawione przez człowieka, nie spełniają standardu dokładności 1.2.2.
• Dołączenie elementu <track>, ale wskazanie uszkodzonego lub brakującego pliku VTT: Jeśli atrybut src elementu track odwołuje się do ścieżki pliku, która zwraca błąd 404, napisy po cichu nie zostaną załadowane. HTML przechodzi inspekcję automatyczną, ale użytkownik nie otrzymuje żadnych napisów. Zawsze weryfikuj, że adres URL pliku napisów poprawnie się rozwiązuje w środowisku produkcyjnym.
• Pomijanie znaczących dźwięków innych niż mowa w plikach napisów: Plik napisów, który zapisuje jedynie wypowiadane słowa, ale ignoruje ważne dźwięki — takie jak alarm, dzwoniący telefon, brawa czy huk kluczowy dla zrozumienia filmu — nie spełnia kryterium. Napisy muszą opisywać wszystkie informacje dźwiękowe niezbędne do zrozumienia treści, a nie tylko dialog.
• Napisy znacznie niesynchronizowane z dźwiękiem: Plik WebVTT z nieprawidłowymi znacznikami czasu może wyświetlać napisy na kilka sekund przed lub po odpowiadającej im mowie. Zakłóca to zrozumienie i stanowi niespełnienie kryterium, nawet jeśli sam tekst napisów jest dokładny. Zawsze przeglądaj synchronizację na całej długości filmu, szczególnie w okolicach cięć scen i pauz.
• Zakładanie, że wyjątek dotyczący alternatywy medialnej ma szerokie zastosowanie: Niektóre zespoły zakładają, że ponieważ mają artykuł pisemny towarzyszący wideo, film kwalifikuje się jako alternatywa medialna i nie wymaga napisów. Wyjątek ma zastosowanie tylko wtedy, gdy wideo nie dodaje żadnych informacji poza tym, co zawiera tekst, relacja jest dla użytkowników jednoznaczna, a film jest wyraźnie oznaczony jako alternatywa. Wideo, które dodaje demonstracje, ton wypowiedzi lub informacje wizualne niewystępujące w tekście, nie kwalifikuje się.
• Umieszczanie kontrolek napisów dostępnych wyłącznie za pomocą myszy: Nawet jeśli napisy istnieją, jeśli przycisk do ich włączenia w niestandardowym odtwarzaczu wideo nie jest dostępny z klawiatury — na przykład ostylowany <div> z obsługą onclick, ale bez tabindex='0' lub obsługi zdarzeń klawiatury — użytkownicy polegający na nawigacji klawiaturą nie mogą włączyć napisów. Sama funkcja napisów musi być obsługiwana z klawiatury.
• Brak testowania napisów w osadzonych odtwarzaczach lub odtwarzaczach podmiotów trzecich: Zespoły często testują zachowanie napisów w środowisku deweloperskim, ale zapominają, że osadzenia produkcyjne za pośrednictwem odtwarzaczy podmiotów trzecich (Vimeo, Wistia, JW Player) mogą mieć inne zachowanie ładowania napisów, stany domyślne lub konfiguracje API. Zawsze testuj doświadczenie związane z napisami w rzeczywistym kontekście osadzenia produkcyjnego.
• Zapewnienie napisów tylko w jednym języku, gdy strona obsługuje odbiorców wielojęzycznych: Choć WCAG nie wymaga ściśle napisów we wszystkich językach obsługiwanych przez stronę, zapewnienie napisów tylko w jednym języku, gdy strona i treści wideo są dostępne na przykład po turecku i angielsku, oznacza, że część użytkowników otrzymuje treści dostępne, a część nie. Najlepszą praktyką jest zapewnienie ścieżek napisów odpowiadających każdej wersji językowej filmu.

Związek z Tureckimi Regulacjami Dotyczącymi Dostępności

Okrężnik Prezydencki Turcji 2025/10, opublikowany w Dzienniku Urzędowym nr 32933 w dniu 21 czerwca 2025 r., ustanawia wiążące obowiązki w zakresie dostępności stron internetowych dla szerokiego zakresu podmiotów publicznych i prywatnych działających w Turcji. Okrężnik nakazuje zgodność z WCAG 2.2 na poziomie A jako minimalną podstawę, przy czym zgodność na poziomie AA jest zdecydowanie zalecana. WCAG 1.2.2 — Napisy (nagrania) jest wymaganiem poziomu A, co oznacza, że należy do najbardziej fundamentalnych obowiązków wynikających z okrężnika, a brak zgodności stanowi bezpośrednie naruszenie regulacyjne.

Podmioty objęte okrężnikiem obejmują instytucje publiczne i organy rządowe na wszystkich szczeblach, platformy e-commerce, banki i instytucje finansowe, szpitale i świadczeniodawców opieki zdrowotnej, operatorów telekomunikacyjnych z 200,000 lub większą liczbą abonentów, licencjonowane biura podróży, prywatne firmy transportowe oraz szkoły prywatne upoważnione przez Ministerstwo Edukacji Narodowej (MoNE). Instytucje publiczne są zobowiązane do osiągnięcia zgodności w ciągu roku od daty publikacji okrężnika. Podmioty sektora prywatnego w objętych kategoriach mają dwuletnie okno na osiągnięcie zgodności.

Dla organizacji w tych kategoriach praktyczna implikacja WCAG 1.2.2 jest jasna: każda treść wideo opublikowana na stronie internetowej lub platformie cyfrowej, która zawiera znaczącą treść audio, musi mieć dokładne napisy. Jest to szczególnie istotne dla sektorów takich jak bankowość, gdzie powszechne są filmy wyjaśniające produkty i proces onboardingu; opieka zdrowotna, gdzie filmy edukacyjne dla pacjentów są często publikowane online; oraz e-commerce, gdzie filmy prezentujące produkty są kluczowe dla doświadczenia zakupowego. Bank publikujący nieopisany napisami film instruktażowy o korzystaniu z bankowości mobilnej lub szpital zamieszczający nieopisany napisami film o zaleceniach pooperacyjnych byłby w bezpośrednim naruszeniu wymagań poziomu A określonych w okrężniku.

Okrężnik nie ustanawia odrębnej tureckiej normy — bezpośrednio odwołuje się do międzynarodowo uznanych kryteriów WCAG 2.2, co oznacza, że zespoły ds. zgodności w Turcji powinny stosować specyfikację WCAG 1.2.2 zgodnie z definicją W3C i opisem w tym artykule. Organizacje powinny dokumentować swoje praktyki dotyczące napisów, utrzymywać rejestry wersji plików napisów wraz z treściami wideo oraz uwzględniać dokładność napisów jako standardowy krok w procesie publikacji treści wideo. Audyty dostępności przeprowadzane na potrzeby zgodności regulacyjnej muszą obejmować manualny przegląd dokładności napisów, ponieważ same narzędzia automatyczne są niewystarczające do wykazania zgodności z tym kryterium.