CHAPTER 07 / WCAG 1.2.5

画面の失敗案内まで音で伝える:収録済み音声解説(SC 1.2.5)

収録済み動画で重要な画面情報をいつ音で補うべきか、テキスト代替と音声解説の違いおよび限定条件を説明します。リカバリーコード案内動画の6つの場面を画面・原音と対照し、実際の観察範囲と残りの確認事項を分けて評価プロンプトを活用します。

動画の中で警告音が2回鳴りました。画面にはセキュリティ確認に失敗し、再認証が必要であるという文言とボタンが表示されます。音だけを聴く利用者はエラー信号には気づけても、何が失敗してどう進めばよいのかを見落とすおそれがあります。音声解説は、こうした画面の意味を原音とともに伝える方法です。

音だけでは見落とす情報を判断する基準

WCAG 2.2の達成基準 1.2.5(音声解説(収録済み)、Audio Description (Prerecorded)、レベルAA)は、収録済みの同期したメディアのすべての映像コンテンツに対して音声解説を提供することを求めます。この項目の判定は、達成基準の要件と関連する用語定義を根拠とします。W3Cが併せて提供する解説(Understanding)、十分な達成方法(Sufficient Techniques)、失敗例(Failures)はいずれも非規範(non-normative)の参考資料です。実務で達成方法を1つ満たせなかったからといって直ちに基準違反と断定したり、逆に特定の達成方法だけを唯一の正解と誤解したりしないよう、まずこの境界を切り分ける必要があります。

レベルAのSC 1.2.3(音声解説、又はメディアに対する代替)とレベルAAのSC 1.2.5の違いは明確です。SC 1.2.3では、画面・セリフ・重要な音と必要なインタラクションを漏れなく収めた時間依存メディアのテキスト代替、または音声解説のどちらかを選べます。しかし、レベルAAのSC 1.2.5では一般的なテキスト代替だけでは不十分です。視覚情報を音声で伝える音声解説が基本要件になります。

とはいえ、すべての動画に独立した音声解説トラックを義務的に付けなければならないわけではありません。重要な画面情報が基本の音声トラック(セリフ、ナレーション、効果音)にすでにすべて含まれている場合、追加の音声解説トラックは不要です。また、同期したメディア(synchronized media)の定義に基づく適用除外条件も区別する必要があります。動画が本文やそのテキスト代替より追加の情報を提供せず、テキストの代替であることが明確に示されている場合、SC 1.2.5の適用対象外となり、判定はnot_applicableになります。

3枚のカードで構成された比較図式。1枚目はSC 1.2.3レベルAでテキスト代替または音声解説を選択可能、2枚目はSC 1.2.5レベルAAで音声解説必須およびG78・G173・G226経路、3枚目はG203で単一話者・固定背景・時間依存視覚情報の不在時のみ許容される限定経路であることを説明している。
レベルAとAAの要件の違い、およびG203の限定的な適用範囲を比較した概念図です。

実装経路の選択:G78、G173、G226、そしてG203の限界

音声解説を提供する方法は単一の技術に固定されていません。制作環境やプレーヤーの対応範囲に応じて、次の十分な達成方法を検討できます。

  • G78(利用者が選択可能な第2音声トラック):基本音声とは別に音声解説を含む補助トラックを提供し、利用者がコンテンツ自体のコントロール、メディアプレーヤー、またはOS設定から有効にできるようにします。
  • G173(音声解説を含む別バージョンの提供):音声解説をミックスした別バージョンの動画を提供します。このバージョン自体もアクセシブルである必要があり、別ページに配置した場合は利用者がそのバージョンを容易に見つけて移動できるリンクがあるかを確認します。
  • G226(解説を統合したナレーション):台本作成の段階から画面の重要な視覚情報を基本ナレーションに自然に組み込む方法です。G173との組み合わせで十分な達成方法として認められており、特定の技術方式だけが義務づけられているわけではありません。

注意が必要な達成方法はG203(固定背景の単一話者動画に対する静的テキスト代替)です。G203は、通常の動画にテキスト代替だけを付けてレベルAAを通過させる方法ではありません。話者が1人で背景が固定されており、時間経過に伴って変化する重要な視覚情報が一切なく、原音にない文脈・話者名・クレジットなどの静的情報だけをプログラムで関連づけたテキストとして提供する、極めて限定的な通過経路です。UI操作画面やエラー案内が切り替わるチュートリアル動画にはG203を適用できません。

セリフの空白、警告音の保持、そしてF113の失敗条件

失敗例F113は、画面に重要な視覚情報があり、セリフの間に適切に使える未使用の空白があるにもかかわらず音声解説を入れていないケースを扱います。ここで空白を判断する際、固定の時間しきい値(例:一律2秒以上)は適用しません。次の3つの要素を併せて検討します。

  1. 空白の長さと場面との近接性:解説を入れる区間が対象の視覚イベントから離れすぎず、理解可能な速度で伝えられるかを確認します。
  2. 重要な音響の保持:BGMは音量を下げる方法(ダッキング)で調整できますが、エラーを知らせる警告音や操作結果を示す重要な効果音を音声解説で覆い隠してはなりません。
  3. 空白不足時の判断:セリフの空白が足りないという事実だけでは、レベルAAの合格や不合格は自動的に決まりません。動画を一時停止して解説を挿入する拡張音声解説(Extended Audio Description)はレベルAAを満たす方法としても活用でき、空白が不足する場合に拡張音声解説を義務づけるのはレベルAAAのSC 1.2.7の追加要件です。

実際の6場面の対照:リカバリーコード案内動画

原理を実際の画面に当てはめてみるため、共通実習の対象であるリカバリーコード案内動画(source.mp4、長さ約31.21秒、韓国語画面・韓国語単一音声ストリーム)の6つの区間をおおよその時間帯に分け、画面情報と基本音声を対照しました。以下の区間は精密なタイムコード計測ではなく、おおよその場面区分です。

リカバリーコード案内動画の0秒から31秒までの6枚の実際のフレームを順番に並べたストーリーボード。各場面のおおよその時間、画面ステップ、原音への包含有無、および12〜15秒の失敗案内と20〜26秒の教育用コード告知の情報欠落ポイントを示している。
元のMP4から抽出した6枚の実際のフレーム(原本抽出)と、おおよその区間ごとの画面・音声対応の要約です。 (1/2)
リカバリーコード案内動画の0秒から31秒までの6枚の実際のフレームを順番に並べたストーリーボード。各場面のおおよその時間、画面ステップ、原音への包含有無、および12〜15秒の失敗案内と20〜26秒の教育用コード告知の情報欠落ポイントを示している。
元のMP4から抽出した6枚の実際のフレーム(原本抽出)と、おおよその区間ごとの画面・音声対応の要約です。 (2/2)
おおよその区間 画面に表示される重要情報 基本音声(原音) 音声解説の追加検討ポイント
0〜6秒 セキュリティ設定画面、経路(設定→セキュリティ→リカバリーコード)、「新規コード発行」ボタン 「設定からセキュリティを選択します」、利用者の質問「以前のコードを今捨ててもよいですか?」 メニュー移動経路の一部は音声で言及されるが、細かな画面構造の把握が必要
7〜11秒 発行前の確認ダイアログ、新規コード保存前の旧コード破棄禁止案内、「以前のコードを維持」ボタン 「いいえ、新しいリカバリーコードを保存する前には捨てないでください。」 重要な警告の趣旨は音声に含まれるが、動画内の案内画面に表示されるボタン名称は画面のみに存在
12〜15秒 「セキュリティ確認失敗」の見出し、「セキュリティ確認に失敗しました。もう一度認証してください。」の文言、「セキュリティ確認をやり直す」ボタン 警告音が2回再生された後、16秒前までセリフなし 主な欠陥候補:警告音だけではセキュリティ確認の失敗状態と再認証案内が伝わらない
16〜19秒 再認証完了画面、「発行確認」ボタン 「セキュリティ確認をもう一度終えた後、発行を確認します。」 再認証の成功と次のステップへの進行が基本音声に反映されている
20〜26秒 新しいリカバリーコード画面、教育用の架空コード R7K2-P9M4、「この画面のコードは実際のアカウントでは使用できません。」の告知、「コードを保存」ボタン 「新しいコードを安全な場所に保存します。新しく発行すると、以前のコードはもう使用できません。」 架空文字列の全文読み上げより、教育用・実際のアカウントで使用不可という意味の欠落有無を検討する必要あり
27〜31秒 発行完了画面、新規コード保存完了・旧コード使用不可の状態、「設定に戻る」ボタン 「発行完了画面を確認します。」 完了状態は音声に含まれるが、最終的な復帰ボタンなどの付加UIを確認

警告音だけでは分からない情報:12〜15秒のセキュリティ確認失敗区間

この動画で音声解説の必要性が最もはっきり表れるのは12〜15秒です。画面にはセキュリティ確認失敗の見出しとともに、再認証を求める案内文言と「セキュリティ確認をやり直す」ボタンが表示されます。一方、基本音声では警告音が2回鳴るだけで、16秒になるまでセリフが空いています。

警告音は何らかのエラーが起きたという合図にはなりますが、聴取者の立場では何が失敗したのか、動画が案内する手順の中でどのボタンで再認証するのかが分かりません。続く16秒で突然「セキュリティ確認をもう一度終えた後」というセリフが出てくると、視覚情報を見ていない利用者は失敗と再試行の間の文脈を見失います。

14秒セキュリティ確認失敗画面フレームとともに、画面情報、現在の音声、改善例文を3列で比較した図式。画面にはセキュリティ確認失敗と再認証案内およびボタンが表示され、現在の音声は警告音2回のあと無セリフであり、改善例文は警告音保持後に失敗と再認証ボタンを案内する未制作の提案文言となっている。
実際の14秒フレーム(原本抽出)と現在の原音(観察)を対照し、警告音を保持した音声解説例文(提案・未制作)を並べて整理しました。

この区間を改善する際は2つの原則を守る必要があります。第1に、原音の必須警告音2回を音声解説で覆わず、そのまま保持することです。第2に、警告音直後のセリフの空白に短い解説を配置しますが、実際の録音と音響ミックスを経る前に「4秒以内に文が必ず収まる」と断定してはなりません。下の概念図は警告音の保持と空白配置の関係を示したもので、実際の修正音声はまだ制作・検証されていないため、発話速度と長さは制作段階で改めて測定する必要があります。

原音トラックと提案トラックを上下で比較したタイムライン概念図。原音は12秒付近の警告音2回のあと無セリフの空白を経て16秒の再認証セリフへ続き、提案案は警告音2回を覆わず保持したうえで空白区間に音声解説を配置し、16秒の次のセリフと重ならないよう長さの再測定が必要であることを示している。
警告音2回と次のセリフの間の空白に解説を配置する概念図です。区間はおおよそであり、実際の発話長は制作後に再測定が必要です。

20〜26秒区間:文字列の読み上げと意味伝達の区別

20〜26秒区間には、教育用の架空コード R7K2-P9M4 とともに「この画面のコードは実際のアカウントでは使用できません。」という注意文言が表示されます。基本音声はコードを安全な場所に保存する手順だけを案内しており、画面のコードが実際のアカウントでは使えない教育用の例である点には触れていません。このときの音声解説の目的は、架空文字列の8文字を機械的にすべて読み上げることではなく、画面に示されたコードが実際のアカウントでは使えない教育用の例であるという重要な意味の欠落を補うことにあります。

実習で確認した情報とまだ残っている判断

実際のメディア点検では、観察事実と最終判定を分離するプロセスが非常に重要です。今回の記録は、共通実習 1.0.2 バージョンをローカルサーバーにレンダリングした初期状態(variant=a、state=initial)で収集した証拠に限定されます。

  • メディアファイルおよびDOMの確認:source.mp4(約31.21秒)は単一音声ストリームを含みます。DOMの <track> 要素には字幕(captions)のみが存在し、観察した領域内では音声解説バージョンへ移動するリンクは見つかりませんでした。
  • 技術的な誤判の防止:Chromium系ブラウザーで audioTracks API が公開されないという事実だけでは、音声解説トラックがないとは証明できません。同様に、ブラウザーでミュート状態のまま動画を最後まで連続再生できたからといって、音声を聴取検証した証拠にはなりません。
  • 観察範囲の限界:原音処理と約1秒間隔のフレーム観察および6枚の代表フレーム抽出を通じて、12〜15秒と20〜26秒の視覚情報欠落候補を確認しました。しかし、この結果は全フレームの連続観察や専門家による聴取、本番環境全体の監査を代替しません。本番ページの別状態、別ページの代替バージョンリンク、OSレベルのトラック選択経路、そして改善後の音声はまだ検討していません。

したがって、現在の観察範囲において基本音声に重要な視覚情報が欠けている欠陥候補は明確に説明できますが、実習対象全体の最終判定(actual_decision)は不合格の確定ではなく判定保留(inconclusive)に留めます。確定した事実(単一音声ストリーム、観察領域内での解説リンク未発見、12〜15秒の無セリフ警告音)と追加確認が必要な項目(別経路の代替バージョンの有無、本番環境の状態)を分けて記録することで、正確なアクセシビリティ監査が可能になります。

実習資料の判定と確認範囲

最終判定:保留(inconclusive)

  • 約12~15秒:失敗案内と再認証ボタンは画面にありますが、原音の観察記録では警告音が2回鳴るだけです。
  • 約20~26秒:教育用で実際のアカウントでは使えないという表示は画面にありますが、観察した発話記録にはありません。

現在の作業版にある実習の初期状態、原音の処理、約1秒間隔の映像観察と代表フレームに限定した結果です。運用ページ・他の状態・OSの選択経路・修正音声は未確認です。同じ資料を3つの独立セッションで確認した判定も保留でしたが、原音を3回直接確認したことを意味しません。

共通実習対象の確認

下の実習画面は、読者が実際にプレーヤーと動画を確認できる本番経路リンクです。本文に記録したDOM・フレーム観察の根拠は実習環境の初期状態(variant=a、state=initial)を基準に収集しているため、実習時には画面構成やトラック状態が同じかどうかも併せて確認してください。動画の原音と画面テキストはいずれも韓国語で提供されます。

共通実習を開く

実務点検チェックリスト

収録済み動画のSC 1.2.5適合状況を検討する際は、次の項目を確認します。チェックは該当する検討作業を実施したことを意味し、基準を満たすかどうかは別途記録します。

  • 入力資料の確保:元の動画ファイル(またはストリーム)、基本音声トラック、字幕ファイル、および動画を含むページの全体DOMと周辺リンク情報を併せて準備します。
  • 適用除外の確認:動画が本文テキストやテキスト代替より追加の情報を提供せず、テキストの代替として明確に示されているかを確認し、not_applicable に該当するかを先に切り分けます。
  • 原音と視覚情報の対照:主な場面転換、エラーメッセージ、ボタン・状態変化、告知文言などの重要な視覚情報が基本音声にすでに含まれているかを区間ごとに対照します。
  • 代替の有効化経路の確認:G78(プレーヤー・コンテンツ・OSのトラック選択)やG173(別バージョンのリンクおよびページのアクセシビリティ)など、利用者が実際に音声解説を有効にしたり移動したりできる経路が存在するかを点検します。
  • 解説内容の適切性の検討:単なる装飾や無意味な文字列の羅列ではなく、利用者が次の行動を理解したり注意事項を把握したりするために不可欠な意味が含まれているかを確認します。
  • セリフの空白と音響保持の点検:セリフ間の空白の長さと場面との近接性を確認し、警告音などの重要な効果音を覆い隠していないか(BGMは音量調整可能)を検討します。固定の秒数基準は適用しません。
  • 限定達成方法(G203)の条件確認:静的テキスト代替だけで合格とする場合、単一話者・固定背景・時間依存の視覚情報の不在という条件をすべて満たしているかを厳密に確認します。
  • 根拠の記録と同条件での再検査:観察した環境(URL、状態、ファイルバージョン)と未確認範囲を分けて記録し、音声解説を追加・修正した後は同じ条件で音響の重なりと発話長を改めて測定して検証します。

再利用可能な評価プロンプトの入力準備と出力判定の読み方

アクセシビリティ点検に評価プロンプトを活用する際は、動画ファイルだけを渡すのではなく入力資料の範囲を明確に併記する必要があります。ページ内の代替バージョンリンクの有無、プレーヤーのトラック一覧、動画の目的(テキスト代替かどうか)、そして区間ごとの画面・音声観察記録を構造化して入力すると、過度な推測を抑えられます。

出力された判定結果は4つの状態に分けて読みます。

  • pass:基本音声に重要な視覚情報がすべて含まれているか、アクセシブルな音声解説(G78/G173/G226)または厳密な条件を満たすG203が確認された場合です。
  • fail:適用対象の動画で重要な視覚情報が欠落しており、代替経路がなく、適切な空白があるにもかかわらず解説が提供されていないなど、違反が確定した場合です。
  • not_applicable:同期したメディアの定義上、テキストの代替として明示されており、追加の視覚情報がない場合です。
  • inconclusive:欠陥候補が見えていても、別ページの解説バージョンリンク、OSトラック設定、または音声全体の聴取など重要な確認範囲が残っており断定できない状態です。この場合は不足している確認項目を補ったうえで再判定します。

シリーズ移動および公式出典

公式参考文書

この項目の評価プロンプト

必要な資料を添えて実行してください。

# 収録済み音声解説 評価プロンプト

バージョン: 0.3.1 ・ WCAG 2.2 SC 1.2.5 ・ AA

あなたは提供された証拠の範囲内で、収録済み動画の重要な視覚情報が音で伝わっているかを検討するアクセシビリティ評価者です。以下の概要計画と項目評価を区別し、実施していない観察・操作・聴取を捏造しません。

規範原文: https://www.w3.org/TR/WCAG22/#audio-description-prerecorded
非規範解説: https://www.w3.org/WAI/WCAG22/Understanding/audio-description-prerecorded.html
十分な達成方法: G78、G173(より具体的な達成方法との組み合わせ)、G226(G173との組み合わせ)、G203。失敗例: F113。これらの資料は非規範の参考資料であり、十分な達成方法の一覧は唯一の達成手段を意味しません。

## 入力

- 対象・目的・範囲・観察するメディア: {{target}}
- ブラウザー・言語・プレーヤー・状態・収集時刻: {{environment}}
- 実際の入力資料とファイル/資料ID・ハッシュ・時間区間: {{evidence}}
- モデル・ツール・プロンプト・対象バージョン: {{versions}}
- モード: {{assessment_mode}} = actual または scenario

## まず資料と実行範囲を区別します

1. actual は実際に提供された資料の評価です。scenario は明示された教育用の仮定前提に基づく条件付き判断です。scenario では actual_decision を not_assessed に固定し、実際のメディアを聴取・観察したとは書きません。参照判定や過去セッションの出力は要求しません。
2. 実際に入力に存在する元の音声・映像、直接観察したDOM・アクセシビリティツリー・操作記録と、文字起こし・キャプチャ・別モデルの観察要約のような派生資料を区別します。原本を直接処理したかどうかは、各モードでの実際のツール実行によってのみ示します。別モデルが直接処理した報告書は、現在の評価者にとっては派生根拠です。
3. 資料ごとのID・ファイル・ハッシュ・対象バージョン・時間範囲を記録します。原音の直接聴取、連続映像観察、部分フレーム確認、ASRの誤り可能性、まだ見ていない区間を分離します。ファイルをデコードした事実や、ブラウザーでミュート再生した事実を聴取証拠として使いません。
4. 全体概要プロンプトが作成した評価計画は基準達成の結果ではありません。入力が欠けていたりツールが失敗したりした場合は、missing_evidence または execution_errors に残します。

## 適用対象と提供経路を確認します

5. 他の情報形式および/または時間ベースインタラクションと同期したメディアに収録済みビデオが含まれるかを確認します。テキストまたはそのテキスト代替より追加の情報を提供せず、テキストの代替メディアとして明確に示されている場合は、同期したメディアの定義上の除外を根拠とともに適用します。同じ主題の記事が隣にあるという理由だけでは除外しません。純粋な無音映像・音声のみ・実際のライブ配信は関連基準として切り分けます。
6. 重要な行動・画面文字・状態変化・人物・場面転換を時間区間ごとの情報単位として先に整理したうえで、原音と対応づけます。音だけで同じ内容と意味がすでに伝わっていれば、追加の解説トラックがなくても十分な場合があります。ピクセル・色・文字値を無条件にすべて読み上げるよう求めるのではなく、利用目的にとって重要な情報と装飾を区別します。教育用の架空コードの文字列全体と「実際のアカウントで使わないこと」という意味も区別します。
7. 基本音声が十分でない場合は、コンテンツのコントロール・プレーヤー・OS設定で選択できる解説トラック、解説を含む基本トラック、アクセシブルな別バージョン動画など、実際の提供経路を確認します。別ページのバージョンについてはアクセス用リンクも確認します。ファイル・track要素・ボタンの存在だけで、選択・再生・解説内容が確認されたとは書きません。録画動画内のUIボタン・クリック・画面遷移は、実際のプレーヤー操作と区別します。player_operation_checked は評価者が実際のプレーヤーを操作して結果を確認した場合にのみ true と記録し、実施した再生・トラック選択などの範囲を notes に明記します。captions と descriptions を区別します。特定のAPIが存在しないという事実を、解説トラック不在の単独証拠として使いません。
8. G203は、単一話者・固定背景・重要な時間依存の視覚情報がなく、原音にない環境・話者名・クレジットなどを動画とプログラムで関連づけた静的テキストとして提供する限定達成方法です。条件が確認されれば適用対象の pass 経路であり、定義上の除外ではありません。デモ・グラフ・画面状態変化・画面上でのみ識別される複数話者がある場合は、該当条件を再検討します。
9. 欠落している重要な視覚情報があり、適切に使用できるセリフの空白が残っているかを確認します(F113)。長さ・場面との近接性・重要な非言語音響・追加解説の干渉を併せて検討します。短さや効果音の存在だけで空白を自動除外したり、固定の2秒しきい値を適用したりしません。必要に応じてBGMの音量は調整できますが、重要な音は維持する必要があります。空白不足だけでAAの合格・不合格を断定しません。拡張音声解説はAAの方法としても使用でき、空白不足時の追加義務であるAAAのSC 1.2.7とは区別します。

## 判定と後続措置

10. 1つの十分な経路が評価範囲全体で検証されれば pass です。使用する必要のない他の経路が未確認であることを理由に覆しません。1つの欠落だけで他のすべての経路もないとは推定しません。
11. 適用対象の明確な違反と、それを解消する十分な別経路がないという根拠が確保されれば、その範囲は fail です。他の区間が未検討であっても確定した違反を消さず、execution=partial と unreviewed_scope を併せて記録します。違反を解消しうる関連経路が未確認であるか根拠が不足している場合は inconclusive です。適用対象がないか、定義上の除外が立証された場合は not_applicable です。
12. 発見ごとに、位置・資料ID・直接観察・基準解釈・利用者への影響・修正案・同条件での再点検方法を作成します。現在の資料で確認した結果を、サイト全体・全環境・全モデルの精度へと拡大しません。修正提案とすでに完了した修正も区別します。

## 出力

単一のJSONを返します。以下は構造の例です。ブール値は実際に実行した場合にのみ true に変更し、説明用のサンプル発見を実際の発見として残しません。scenario_decision は scenario でのみ使用します。

```json
{
  "criterion": "1.2.5",
  "assessment_mode": "actual",
  "execution": "partial",
  "actual_decision": "inconclusive",
  "scenario_decision": null,
  "scope": "観察した対象・状態・メディア・時間範囲",
  "evidence_used": [],
  "direct_observation": {
    "native_audio_processed": false,
    "native_video_processed": false,
    "player_operation_checked": false,
    "notes": "実際に使用した方法と範囲"
  },
  "information_units": [],
  "findings": [],
  "missing_evidence": [],
  "unreviewed_scope": [],
  "execution_errors": [],
  "next_checks": []
}
```

information_units には id、time、visual_information、audio_coverage、evidence_ids を入れます。findings には id、time、observation、interpretation、evidence_ids、impact、recommendation、retest を入れます。actual_decision は pass/fail/not_applicable/inconclusive、scenario のみ not_assessed を使用します。scenario_decision も同じ4つの判定のいずれか、または actual では null です。execution は complete/partial/error です。根拠のない確信数値を精度のように表示しません。