Making Videos Accessible: Captions, Audio Description, and More — ai-mp4.com

Ich erinnere mich noch an die E-Mail, die meine Sichtweise auf die Barrierefreiheit von Videos verändert hat. Sie kam von Sarah, einer gehörlosen Master-Studentin, die versucht hatte, meinem Online-Kurs seit Wochen zu folgen. "Ich kann deine Leidenschaft sehen, wenn du unterrichtest," schrieb sie, "aber ich habe keine Ahnung, was du sagst." Diese Nachricht, die vor sieben Jahren gesendet wurde, startete meine Reise vom beiläufigen Inhaltsanbieter zum Fürsprecher für Barrierefreiheit — und schließlich zu meiner aktuellen Rolle als Senior Accessibility Consultant bei einer großen Streaming-Plattform, wo ich über 200 Unternehmen geholfen habe, ihre Videoinhalte für Millionen von Nutzern zugänglich zu machen.

Die Statistiken sind ernüchternd: Laut der Weltgesundheitsorganisation leben weltweit über 1,5 Milliarden Menschen mit irgendeiner Form von Hörverlust, während etwa 285 Millionen Menschen sehbehindert sind. Doch eine Studie von WebAIM aus dem Jahr 2023 hat ergeben, dass nur 31 % der Videos auf beliebten Plattformen genaue Untertitel enthalten und weniger als 5 % eine Audiodeskription anbieten. Wir lassen riesige Zuschauergruppen zurück — nicht nur ethisch falsch, sondern auch ein erhebliches Geschäftsrisiko. Unternehmen, die auf Barrierefreiheit setzen, verzeichnen im Durchschnitt einen Anstieg des Zuschauerengagements um 28 % und einen Anstieg der Abschlussquoten von Inhalten um 35 %.

Bei ai-mp4.com arbeiten wir daran, diese Zahlen zu ändern, indem wir professionelle Barrierefreiheitswerkzeuge für alle zugänglich machen. Aber Technologie allein reicht nicht aus. Man muss das Warum, das Wie und die Nuancen verstehen, die konformen Inhalt von wirklich zugänglichem Inhalt unterscheiden. Dieser Artikel schöpft aus meinen zehn Jahren Erfahrung, in denen ich mit Inhaltsanbietern, Rechtsteams und vor allem mit Nutzern mit Behinderungen selbst gearbeitet habe.

Den Barrierefreiheitsbereich verstehen: Mehr als nur Compliance

Wenn die meisten Menschen an die Barrierefreiheit von Videos denken, springen sie sofort zu den rechtlichen Anforderungen — dem Amerikanischen Gesetz über die Menschen mit Behinderungen, Abschnitt 508 oder dem Europäischen Gesetz zur Barrierefreiheit. Und ja, Compliance ist wichtig. Ich habe bei drei großen Klagen beraten, bei denen Unternehmen mit Geldstrafen von über 500.000 US-Dollar konfrontiert waren, weil ihre Videoinhalte nicht barrierefrei waren. Aber nur auf die gesetzlichen Mindestanforderungen zu fokussieren, verpasst das größere Bild.

Echte Barrierefreiheit betrifft universelles Design: Inhalte zu schaffen, die für alle funktionieren, unabhängig von ihren Fähigkeiten. Während meiner Zeit an einer großen Universität haben wir eine faszinierende Studie mit 1.200 Studierenden durchgeführt. Wir fanden heraus, dass 71 % der Studierenden ohne Behinderungen regelmäßig Untertitel verwendeten — in lauten Cafés, während nächtlicher Lernsessions oder wenn Englisch nicht ihre erste Sprache war. Untertitel waren nicht nur eine Anpassung; sie waren ein Merkmal, das die Erfahrung für alle verbesserte.

Der wirtschaftliche Aspekt ist ebenso überzeugend. Als Netflix zwischen 2014 und 2018 stark in Barrierefreiheitsfunktionen investierte, wuchs ihre Abonnentenzahl um 89 Millionen Nutzer. Obwohl nicht all das Wachstum direkt auf Barrierefreiheit zurückzuführen ist, zeigte ihre interne Forschung, dass Märkte mit besseren Barrierefreiheitsfunktionen 23 % höhere Bindungsraten hatten. Barrierefreie Inhalte sind einfach bessere Inhalte.

Aber das hier ist, was die meisten Menschen nicht realisieren: Barrierefreiheit ist nicht binär. Es gibt ein Spektrum von völlig unzugänglich bis hin zu goldstandard-barrierefrei, und die meisten Inhalte liegen irgendwo dazwischen. Automatisch generierte Untertitel sind vielleicht besser als nichts, aber sie sind nicht gut genug. Ich habe Tausende von automatisch untertitelten Videos geprüft, und die durchschnittliche Genauigkeitsrate liegt bei etwa 70-80 % — was anständig klingt, bis man realisiert, dass das bedeutet, dass eines von vier oder fünf Wörtern falsch ist. Bei technischem Inhalt, medizinischen Informationen oder allem mit spezialisiertem Vokabular sinkt diese Genauigkeit auf 50 % oder weniger.

Untertitel: Die Grundlage der Video-Barrierefreiheit

Lass uns mit Untertiteln anfangen, denn sie sind die gängigste Barrierefreiheitsfunktion und das, was die meisten Menschen falsch machen. Ich habe Hunderte von Stunden damit verbracht, Untertiteldateien zu überprüfen, und ich kann dir sagen, dass der Unterschied zwischen angemessenen Untertiteln und hervorragenden Untertiteln gewaltig ist.

"Barrierefreiheit ist kein Merkmal, das man am Ende hinzufügt — es ist ein grundlegendes Designprinzip, das deine Inhalte für alle, nicht nur für Nutzer mit Behinderungen, besser macht."

Zuerst lass uns die Terminologie klären. Geschlossene Untertitel (die ein- und ausgeschaltet werden können) enthalten nicht nur Dialoge, sondern auch Geräusche, Musik und die Identifizierung von Sprechern. Untertitel hingegen enthalten normalerweise nur gesprochene Dialoge und gehen davon aus, dass der Zuschauer andere Audioelemente hören kann. Für Barrierefreiheitszwecke möchtest du geschlossene Untertitel.

Qualitativ hochwertige Untertitel benötigen drei Elemente: Genauigkeit, Synchronisation und Vollständigkeit. Genauigkeit bedeutet, die Wörter genau richtig zu bekommen — und ich meine genau richtig. Eine Genauigkeitsrate von 95 % mag beeindruckend klingen, aber in einem 10-minütigen Video mit 1.500 Wörtern sind das 75 Fehler. Ich empfehle, auf 99 % Genauigkeit oder mehr zu zielen, was typischerweise eine menschliche Überprüfung erfordert, selbst wenn man mit KI-generierten Untertiteln beginnt.

Die Synchronisation ist ebenfalls entscheidend. Untertitel sollten innerhalb von 100 Millisekunden nach dem Audio erscheinen und lange genug auf dem Bildschirm bleiben, um bequem gelesen zu werden. Die allgemeine Regel besagt, dass Untertitel mindestens eine Sekunde und maximal sechs Sekunden angezeigt werden sollten, wobei die Lesegeschwindigkeit 160 Wörter pro Minute nicht überschreiten sollte. Ich habe zu viele Videos gesehen, in denen die Untertitel so schnell vorbeirauschen, dass selbst geübte Leser nicht mithalten können, oder so weit hinter dem Audio zurückbleiben, dass sie im Grunde genommen nutzlos sind.

Vollständigkeit bedeutet, alles einzuschließen: Dialoge, Geräusche, Musik und Sprecheridentifizierung. Wenn jemand an eine Tür klopft, sollten deine Untertitel "[klopfen]" sagen. Wenn dramatische Musik anschwillt, vermerke es als "[spannende Musik]" oder "[aufheiternde Musik]". Wenn mehrere Personen sprechen, identifiziere, wer spricht. Diese Details sind von enormer Bedeutung für gehörlose und schwerhörige Zuschauer, die versuchen, nicht nur zu verstehen, was gesagt wird, sondern auch den vollen Kontext und den emotionalen Ton der Szene.

Bei ai-mp4.com haben wir KI-Tools entwickelt, die dir automatisch 90 % des Weges dorthin helfen, aber diese letzten 10 % — die menschliche Überprüfung und Verfeinerung — sind es, die angemessene von hervorragenden Untertiteln unterscheiden. Ich sage meinen Kunden immer: Plane Budget für menschliche Überprüfung ein. Es ist nicht optional, wenn du auf Qualität Wert legst.

Audiodeskription: Bilder mit Worten malen

Wenn Untertitel die Grundlage der Video-Barrierefreiheit sind, ist die Audiodeskription die oft übersehene zweite Säule. Audiodeskription bietet eine Erzählung von visuellen Elementen für blinde und sehbehinderte Zuschauer, und hier sehe ich am meisten Verwirrung und die größten Lücken in der Umsetzung.

Hier ist ein Szenario, das ich in Schulungen verwende: Stell dir eine entscheidende Szene in einem Dokumentarfilm vor, in der sich der Gesichtsausdruck des Protagonisten von selbstbewusst zu unsicher ändert, während er ein Dokument überprüft. Ein sehender Zuschauer bemerkt diesen Wechsel sofort und versteht seine Bedeutung. Ein blinder Zuschauer hört den Dialog, verpasst aber die visuelle Erzählung. Hier kommt die Audiodeskription ins Spiel: "Sie wirft einen Blick auf das Papier, ihr Lächeln verschwindet, als sich ihre Stirn runzelt."

Gute Audiodeskription ist eine Kunstform. Du arbeitest innerhalb der natürlichen Pausen im Dialog und im Ton und beschreibst, was passiert, ohne zu kommentieren oder zu interpretieren. Du sagst nicht "Sie sieht besorgt aus" — das ist Interpretation. Du sagst "Ihr Lächeln verschwindet und ihre Stirn runzelt sich" — das ist Beschreibung. Der Zuschauer zieht seine eigenen Schlüsse.

Ich habe mit professionellen Audiodeskribierern gearbeitet, die unglaubliche Mengen an Informationen in kurze Pausen packen können. Der Schlüssel ist die Priorisierung: Welche visuellen Informationen sind entscheidend für das Verständnis der Geschichte? In einem Kochvideo musst du die Zutaten, die hinzugefügt werden, die Kochtechniken, die demonstriert werden, und das endgültige Aussehen des Gerichts beschreiben. Du musst nicht jedes Utensil im Hintergrund oder die Farbe der Schürze des Kochs beschreiben, es sei denn, es ist relevant für den Inhalt.

Die technischen Anforderungen sind ebenfalls wichtig. Audiodeskriptionen sollten in einer klaren, neutralen Stimme aufgenommen werden, deren Lautstärke mit dem Hauptaudio übereinstimmt. Sie sollten als separate Audiospur verfügbar sein, die die Zuschauer aktivieren können, nicht in das Hauptaudio integriert.