Tworzenie napisów: przewodnik krok po kroku po dostępnych wideo

Od 28 czerwca 2025 r. w Niemczech obowiązuje Barrierefreiheitsstärkungsgesetz (BFSG, niemiecka ustawa o wzmocnieniu dostępności), a w Austrii Barrierefreiheitsgesetz (BaFG, austriacka ustawa o dostępności). Obie wdrażają European Accessibility Act (dyrektywę (UE) 2019/882). Nie oznacza to obowiązku tworzenia napisów do każdego filmu firmowego, lecz do wielu z nich: kto umożliwia konsumentom zawieranie umów online - od sklepu po proces rezerwacji - musi udostępnić wbudowane tam wideo. Napisy są kluczowym wymaganiem.

Mimo to wiele firm jeszcze nie dokonało zmiany. Często nie brakuje woli, lecz wiedzy: które napisy są “dostępne”? Jakiego formatu potrzebuję? I jak je tworzyć efektywnie, bez ręcznej obróbki każdego wideo?

Ten przewodnik prowadzi Cię przez cały proces - od wymogów prawnych po gotowy plik z napisami.

Co te przepisy oznaczają dla wideo

Od 28 czerwca 2025 r. BFSG (Niemcy) i BaFG (Austria) wymagają dostępnych usług cyfrowych w określonych usługach konsumenckich, zwłaszcza w sklepach i usługach umożliwiających zawieranie umów online. Wideo opublikowane po tej dacie jako część takiej usługi wymaga napisów. Na poziomie AA istotne informacje wizualne, których nie przekazuje dźwięk, muszą być dostępne również przez audiodeskrypcję. W praktyce punktem odniesienia jest EN 301 549 z WCAG 2.1 (poziom AA).

Ustawa o wzmocnieniu dostępności przenosi europejską dyrektywę (UE) 2019/882 (European Accessibility Act) do prawa niemieckiego. W Austrii dzieje się to za pośrednictwem ustawy o dostępności (BaFG). Dla firm mniej liczy się więc skrót niż praktyczne wdrożenie: usługi cyfrowe muszą być użyteczne dla osób z niepełnosprawnościami. W praktyce technicznym punktem odniesienia jest EN 301 549 z WCAG 2.1, poziom AA; wiążące pozostają właściwe krajowe wymogi prawne.

Dla typowych treści multimedialnych szczególnie istotne są te kryteria WCAG:

• Napisy do nagranych wcześniej zsynchronizowanych multimediów z treścią mówioną (WCAG 1.2.2, poziom A)
• Audiodeskrypcja istotnych informacji wizualnych, których nie da się wywnioskować z dźwięku (WCAG 1.2.5, poziom AA; na poziomie A WCAG 1.2.3 dopuszcza też alternatywę medialną)
• Alternatywy tekstowe dla nagranych treści tylko audio oraz alternatywa tekstowa lub ścieżka audio dla treści tylko wideo (WCAG 1.2.1, poziom A)

Pełna transkrypcja jest bardzo pomocna, ale nie stanowi automatycznie odrębnego wymogu poziomu AA dla każdego zsynchronizowanego wideo.

Ustawy obejmują wymienione usługi konsumenckie, w praktyce głównie handel elektroniczny: sklepy, procesy rezerwacji i zamówień, banki, telekomunikację, transport pasażerski i e-booki. Nie obejmują stron wyłącznie informacyjnych bez zamówień lub rezerwacji, ofert B2B, materiałów wewnętrznych ani wideo opublikowanych przed 28 czerwca 2025 r. Po istotnej zmianie i publikacji nowej wersji wyjątek trzeba ocenić ponownie. Mikroprzedsiębiorstwa zatrudniające mniej niż dziesięć osób i mające nie więcej niż dwa miliony euro rocznego obrotu lub sumy bilansowej są zwolnione jako usługodawcy.

W Niemczech naruszenia mogą skutkować grzywną do 100 000 euro (§ 37 BFSG); możliwe są też wezwania oparte na prawie konkurencji. W Austrii kary administracyjne mogą wynieść 80 000 euro, a dla MŚP maksymalnie 50 000 euro (§ 36 BaFG). Niezależnie od BaFG austriacka federalna ustawa o równości osób z niepełnosprawnościami może mieć zastosowanie, gdy bariera cyfrowa uniemożliwia równy dostęp do publicznie oferowanych towarów lub usług; możliwe są wtedy roszczenia odszkodowawcze.

Napisy standardowe vs. napisy dostępne

Napisy standardowe odtwarzają tylko tekst mówiony. Napisy dostępne (SDH) dodatkowo opisują istotne dźwięki, muzykę, zmiany mówców i ton emocjonalny. Tylko napisy dostępne spełniają wymogi WCAG, a tym samym wymogi dla dostępnych ofert wideo.

Nie każdy napis spełnia wymogi dla dostępnych ofert wideo zgodnie z BFSG lub BaFG. Platformy jak YouTube generują automatyczne napisy - które na ogół nie wystarczają do zgodności z przepisami. Różnica tkwi w szczegółach:

• Napisy standardowe odtwarzają tylko tekst mówiony. Pomagają przy cichym dźwięku lub obcym języku, ale dla osób niesłyszących są niekompletne.
• Napisy dostępne (SDH) dodatkowo opisują istotne dźwięki ([dzwonek], [oklaski]), muzykę ([napięta muzyka]), zmiany mówców i ton emocjonalny. Udostępniają cały kontekst akustyczny.

WCAG wymaga napisów dostępnych. Oznacza to: identyfikację mówcy, synchroniczne wyświetlanie, opis treści dźwiękowych innych niż mowa i wystarczający czas na czytanie przy każdym wyświetleniu.

Tworzenie napisów: krok po kroku

Najefektywniejsza droga prowadzi przez transkrypcję wspieraną przez AI jako podstawę, która jest następnie dostosowywana do celów napisów. Przepływ pracy składa się z pięciu kroków:

• 1. Przygotuj audio: Wyodrębnij ścieżkę dźwiękową z wideo lub prześlij plik wideo bezpośrednio do narzędzia do transkrypcji. Popularne formaty jak MP4, MOV, MP3, WAV i M4A są obsługiwane przez większość usług. Im lepsza jakość audio, tym dokładniejsza transkrypcja - szum w tle i pogłos znacznie obniżają poziom rozpoznawania.
• 2. Zleć utworzenie transkrypcji: Zależnie od języka, jakości dźwięku, akcentu i liczby mówców nowoczesne modele AI tworzą w kilka minut użyteczny szkic. Upewnij się, że narzędzie obsługuje diaryzację mówców - przy wielu osobach wskazanie, kto mówi, jest ważne, gdy zmiana lub tożsamość mówcy są potrzebne do zrozumienia treści. Wynikiem jest transkrypcja ze znacznikami czasu i zmianami mówców.
• 3. Przetwórz transkrypcję: Sprawdź transkrypcję AI pod kątem błędów, zwłaszcza przy nazwach własnych, terminach fachowych i skrótach. Dodaj opisy istotnych dźwięków i muzyki w nawiasach kwadratowych. Długość wierszy, wielkość bloków i czas wyświetlania dostosuj do przewodnika stylistycznego platformy docelowej. Maksymalnie dwa wiersze to często dobra zasada redakcyjna; kluczowe są czytelność i synchronizacja z dźwiękiem.
• 4. Wyeksportuj plik z napisami: Wyeksportuj edytowaną transkrypcję jako plik SRT lub VTT. Oba formaty zawierają znaczniki czasu i tekst. SRT akceptuje wiele platform i programów do montażu; WebVTT jest przeznaczony dla elementu HTML5<track>. Wybór zależy od zastosowania. W scryp możesz sprawdzić transkrypcję w edytorze - z automatyczną diaryzacją w Pro i Ultra - i wyeksportować SRT lub WebVTT bez drugiego narzędzia.
• 5. Osadź napisy: Prześlij plik z napisami na swoją platformę wideo lub wypal napisy na stałe w wideo. Dla stron zalecany jest wariant przełączalny (closed captions), aby użytkownicy mogli sami włączyć napisy.

SRT, VTT czy wypalone: który format kiedy

Wybór formatu napisów zależy od tego, gdzie i jak używasz wideo:

• SRT (SubRip): Prosty, powszechny format wymiany. Zawiera numer kolejny, czas początku i końca oraz tekst i jest akceptowany przez wiele platform i programów montażowych. Dobrze nadaje się do przesyłania na platformy i przekazywania plików.
• VTT (WebVTT): Standard webowy dla wideo HTML5. Dodatkowo obsługuje opcje stylizacji, jak kolor czcionki, pozycjonowanie i klasy CSS. Zalecany, jeśli osadzasz wideo we własnym odtwarzaczu na swojej stronie i chcesz kontrolować prezentację.
• Wypalone (open captions): Napisy są na stałe renderowane w wideo i zawsze widoczne. Zapewniają spójny wygląd w mediach społecznościowych, ale użytkownik nie może ich wyłączyć ani dostosować. Wiele platform oferuje własne funkcje napisów, z różnym wsparciem i eksportem. Poprawki wymagają ponownego renderowania.

Dla wideo HTML5 na własnej stronie zalecany jest WebVTT przez element<track>. SRT jest szczególnie przydatny przy przesyłaniu na platformy. Napisy wypalone mogą uzupełniać te rozwiązania, lecz nie zawsze zastępują napisy przełączalne i konfigurowalne.

Częste błędy przy napisach

Nawet napisy tworzone w dobrej wierze nie spełniają wymogów dostępności, gdy wkradają się typowe błędy:

• Brak identyfikacji mówcy: W przypadku wideo z wieloma osobami musi być jasne, kto mówi. Bez identyfikacji nie można śledzić dyskusji, wywiadów i dialogów.
• Zbyt szybkie wyświetlanie: Napisy widoczne tylko przez pół sekundy są nie do przeczytania. WCAG nie określa jednego uniwersalnego limitu znaków na sekundę; stosuj przewodnik platformy i testuj napisy z rzeczywistymi użytkownikami.
• Niewystarczający kontrast: Biały tekst na jasnym tle jest nieczytelny. WCAG wymaga współczynnika kontrastu co najmniej 4,5:1. Półprzezroczysty czarny pasek za tekstem rozwiązuje problem.
• Brak opisów dźwięków: Jeśli rozbrzmiewa alarm lub ktoś się śmieje i jest to istotne dla kontekstu, trzeba to opisać - w przeciwnym razie niesłyszącym widzom brakuje kluczowej informacji.
• Automatyczne napisy bez korekty: Napisy generowane przez AI zawierają błędy. Nazwy własne, terminy fachowe i liczby są regularnie rozpoznawane błędnie. Bez ludzkiej weryfikacji napisy nie są wiarygodne.

Ochrona danych przy tworzeniu napisów

Wideo firmowe często zawierają poufne informacje - zapowiedzi produktów, szkolenia wewnętrzne, referencje klientów lub wywiady z pracownikami. Kto przekazuje ścieżkę audio do transkrypcji zewnętrznej usłudze, powinien sprawdzić, gdzie dane są przetwarzane i przechowywane.

RODO stawia jasne wymagania dotyczące przetwarzania: umowę powierzenia przetwarzania danych, miejsce przetwarzania w obrębie UE i odpowiednie zabezpieczenia techniczne. Zwłaszcza dla treści poufnych szyfrowanie po stronie klienta zapewnia najsilniejszą ochronę: plik pozostaje szyfrowany po stronie klienta przez cały proces.

Checklista: dostępne napisy wg BFSG/BaFG

• Wszystkie wideo z treścią mówioną mają napisy
• Napisy odtwarzają tekst mówiony w całości i poprawnie
• Zmiany mówców są identyfikowane
• Istotne dźwięki i muzyka są opisane w nawiasach kwadratowych
• Napisy są zsynchronizowane z dźwiękiem (bez zauważalnego przesunięcia)
• Czas wyświetlania i szybkość czytania są zgodne z przewodnikiem platformy i sprawdzone w praktyce
• Tekst jest czytelny (odpowiedni rozmiar, kontrast co najmniej 4,5:1)
• Napisy są dostępne jako przełączalny plik SRT/VTT lub wypalone na stałe
• Automatyczna transkrypcja została ręcznie sprawdzona i poprawiona
• Przy transkrypcji zapewniona jest ochrona danych (DPA, przetwarzanie w UE, szyfrowanie)

Podsumowanie

BFSG i BaFG czynią z dostępnych napisów prawdziwy temat zgodności z przepisami dla wielu wideo firmowych - a to więcej niż biurokratyczna przeszkoda. Dostępne wideo docierają do szerszej publiczności, poprawiają doświadczenie użytkownika i wzmacniają wykrywalność w wyszukiwarkach. Najefektywniejsza droga prowadzi przez transkrypcję wspieraną przez AI z następującą ręczną weryfikacją i eksportem jako plik SRT lub VTT. Ważne jest, by napisy nie tylko odtwarzały tekst, ale udostępniały cały kontekst akustyczny - mówców, dźwięki, atmosferę - wszystkim.

scryp obsługuje cały proces: prześlij wideo lub audio, popraw transkrypcję w edytorze zsynchronizowanym z dźwiękiem, opcjonalnie użyj automatycznej diaryzacji w Pro lub Ultra, dodaj opisy dźwięków i wyeksportuj SRT lub WebVTT. Plik pozostaje przez cały proces szyfrowany po stronie klienta i jest przetwarzany w Austrii. Także poufne materiały szkoleniowe i produktowe pozostają chronione. Uprawnieni nowi klienci mogą bezpłatnie wypróbować każdy plan przez 14 dni.

Uwaga: Ten artykuł służy ogólnym celom informacyjnym i nie zastępuje porady prawnej w konkretnych przypadkach.