Conformidade com a WCAG para áudio e vídeo

O que a WCAG 2.2 exige para áudio e vídeo

A WCAG exige transcrição para conteúdo apenas de áudio, legendas sincronizadas para vídeo e audiodescrição para os elementos visuais que a trilha sonora não explica.

A WCAG (Web Content Accessibility Guidelines, ou Diretrizes de Acessibilidade para Conteúdo Web) é o padrão internacional de acessibilidade digital publicado pelo World Wide Web Consortium (W3C). A versão atual, a WCAG 2.2, tornou-se Recomendação do W3C em outubro de 2023.

Ela define critérios de sucesso testáveis em três níveis de conformidade: A (o mínimo), AA (o nível que a maioria das leis e políticas exige) e AAA (aprimorado). Cada versão se baseia na anterior, por isso um conteúdo em conformidade com a WCAG 2.2 também está em conformidade com as versões 2.1 e 2.0.

Áudio e vídeo se enquadram na Diretriz 1.2, Mídias com base em tempo. Seus critérios não mudaram da WCAG 2.0 à 2.2, então os requisitos de mídia valem seja qual for a versão citada por uma lei ou um contrato. Veja o que cada critério exige, segundo a especificação do W3C.

Nível A: o mínimo para qualquer declaração de conformidade

1.2.1 Apenas áudio e apenas vídeo (pré-gravado). Conteúdo pré-gravado apenas de áudio, como um episódio de podcast, precisa de uma transcrição em texto que transmita informação equivalente. Conteúdo pré-gravado apenas de vídeo, como uma demonstração de produto sem som, precisa de uma alternativa em texto ou de uma faixa de áudio que descreva o que acontece na tela.

1.2.2 Legendas (pré-gravadas). Todo vídeo pré-gravado com áudio precisa de legendas sincronizadas: não uma transcrição ao lado do player, mas legendas que acompanham o tempo da fala e trazem os diálogos e as informações sonoras relevantes. A única exceção é a mídia que já é, ela própria, uma alternativa a um texto e está identificada como tal.

1.2.3 Audiodescrição ou mídia alternativa (pré-gravada). Vídeo pré-gravado precisa de uma faixa de audiodescrição ou de uma mídia alternativa completa: uma transcrição descritiva que registre tanto os diálogos quanto as informações visuais importantes. No Nível A, uma transcrição descritiva bem feita atende sozinha a este critério.

Nível AA: o que a maioria das leis exige

1.2.4 Legendas (ao vivo). Áudio ao vivo em mídia sincronizada, como um webinar ou uma transmissão ao vivo, precisa de legendas produzidas em tempo real, normalmente por um legendador ao vivo ou por um provedor de CART.

1.2.5 Audiodescrição (pré-gravada). No Nível AA, a transcrição alternativa já não basta para o conteúdo visual. Vídeo pré-gravado precisa de uma faixa de audiodescrição que narre as informações visuais importantes nas pausas dos diálogos. Se o áudio já transmite tudo o que acontece de relevante na tela, não é preciso uma faixa separada.

Nível AAA: acessibilidade aprimorada

O Nível AAA acrescenta interpretação em língua de sinais (1.2.6), audiodescrição estendida quando os diálogos não deixam espaço para a narração (1.2.7), mídia alternativa completa para toda mídia sincronizada pré-gravada (1.2.8) e alternativas em texto ao vivo para conteúdo ao vivo apenas de áudio (1.2.9).

Poucas organizações buscam o AAA no site inteiro, mas vale conhecer o 1.2.8: publicar uma transcrição descritiva completa junto de cada vídeo é o padrão de excelência, e esse é o único critério de mídia AAA que a automação torna barato.

As leis que tornam a WCAG uma exigência legal

A WCAG em si é um padrão técnico voluntário. Sua força legal vem das leis e regulamentos que a citam, e essa lista não para de crescer.

A ADA: empresas e governos dos EUA

A Americans with Disabilities Act (ADA) é anterior à web, mas o Departamento de Justiça dos EUA (DOJ) sustenta há muito tempo que ela se aplica ao conteúdo digital. Em abril de 2024, o DOJ publicou uma regra com base no Title II da ADA que exige que o conteúdo web e os aplicativos móveis de governos estaduais e locais estejam em conformidade com a WCAG 2.1 Nível AA.

Uma regra final provisória publicada em abril de 2026 adiou os prazos de conformidade em um ano. Entidades públicas que atendem 50.000 pessoas ou mais agora têm até 26 de abril de 2027, e entidades menores e governos de distritos especiais, até 26 de abril de 2028 (fonte: ADA.gov). Para universidades públicas, órgãos de transporte público e prefeituras, legendas em vídeos pré-gravados são uma exigência regulatória explícita, não uma interpretação.

Para empresas privadas sujeitas ao Title III, ou seja, os sites de estabelecimentos abertos ao público, como varejistas, bancos, hotéis e serviços de streaming, ainda não existe um padrão técnico formal. Tribunais e acordos com o DOJ apontam de forma consistente para a WCAG como referência, os processos por acessibilidade digital chegam a milhares por ano nos tribunais dos EUA, e vídeos sem legenda estão entre as barreiras citadas nessas ações.

Section 508: órgãos federais e seus fornecedores

A Section 508 da Rehabilitation Act exige que os órgãos federais tornem acessível a sua tecnologia da informação e comunicação. Os padrões revisados da Section 508 do US Access Board, em vigor desde 2018, incorporam por referência a WCAG 2.0 Nível AA (fonte: access-board.gov). Isso inclui os critérios de mídia: legendas em vídeos pré-gravados e audiodescrição no Nível AA.

A Section 508 também alcança contratadas e fornecedores que vendem para o governo federal, e é por isso que os relatórios de conformidade de acessibilidade (ACRs, baseados no modelo VPAT) agora aparecem nas licitações. Se os seus vídeos de treinamento ou demonstrações de produto fazem parte de uma venda ao governo federal, eles precisam de legendas.

Ato Europeu de Acessibilidade: a fiscalização já começou

O Ato Europeu de Acessibilidade (EAA, Directive (EU) 2019/882) se aplica desde 28 de junho de 2025. Ele abrange uma ampla gama de produtos e serviços digitais vendidos na UE, incluindo e-commerce, serviços bancários, serviços de mídia audiovisual, e-books e serviços de transporte, e alcança empresas de fora da UE que vendem para o mercado europeu.

Seus requisitos são avaliados com base na norma europeia harmonizada EN 301 549, que incorpora os critérios de sucesso da WCAG, inclusive os de mídias com base em tempo. A fiscalização e as penalidades ficam a cargo de cada Estado-membro, então as multas variam de país para país. Empresas dos EUA que vendem serviços abrangidos a consumidores da UE estão sujeitas à lei.

TV e streaming: regras da FCC e a CVAA

Nos EUA, a 21st Century Communications and Video Accessibility Act (CVAA) e as regras da FCC exigem closed captions na programação de vídeo exibida com legendas na TV americana e depois distribuída on-line. Se você republica conteúdo de TV na web, a obrigação de legendar vai junto.

Esta página traz informações gerais, não aconselhamento jurídico. Para decisões de conformidade, consulte um advogado que conheça a sua jurisdição e o seu setor.

Como transcrições e legendas atendem a cada requisito

O padrão se repete em todas as normas: alternativas em texto para o áudio, legendas sincronizadas para o vídeo e descrição dos elementos visuais relevantes.

Transcrições

Para conteúdo apenas de áudio, a transcrição atende ao 1.2.1 por completo: publique uma transcrição precisa junto do episódio e o critério está cumprido. Uma transcrição descritiva, que inclua as informações visuais relevantes além dos diálogos, também atende ao 1.2.3 no Nível A e ao 1.2.8 no Nível AAA. A transcrição automática do Sonix converte áudio em texto com 99% de precisão em gravações nítidas, e o editor permite que você adicione descrições visuais antes de publicar.

Legendas

As legendas atendem ao 1.2.2, e a palavra-chave do critério é sincronizadas: o texto da legenda precisa acompanhar o tempo do áudio. O Sonix gera legendas automáticas com marcação de tempo palavra por palavra e exporta arquivos SRT, VTT e TTML compatíveis com YouTube, Vimeo e todos os principais players e programas de edição.

Para o fluxo de produção completo, da divisão e sincronização à gravação das legendas na imagem, consulte nosso guia de referência sobre legendagem automática e closed captions e o artigo sobre como posicionar legendas em um vídeo.

Legendas SDH

As legendas SDH vão um passo além das legendas comuns ao incluir identificação de falantes, efeitos sonoros e indicações de música, que é o que espectadores surdos e com deficiência auditiva precisam para acompanhar toda a trilha sonora. A definição de legendas da WCAG inclui informações sonoras que não são fala, por isso uma saída no estilo SDH é a aposta mais segura para o 1.2.2. O Sonix identifica os falantes automaticamente e você adiciona as indicações sonoras no editor; nosso guia de legendas SDH explica formatos, convenções e fluxo de trabalho.

Audiodescrição

A audiodescrição é o único requisito que o texto não consegue cobrir totalmente no Nível AA, e o Sonix não gera faixas de narração de audiodescrição. O que o Sonix oferece é o caminho mais rápido para as duas obrigações vizinhas: transcrições descritivas que atendem ao 1.2.3 no Nível A, e roteiros e marcações de tempo precisos que agilizam muito a gravação de uma faixa de audiodescrição com um locutor ou uma ferramenta de conversão de texto em fala.

Se a sua meta de conformidade é a WCAG 2.1 ou 2.2 AA e os seus vídeos trazem informações relevantes apenas visuais, planeje a produção de audiodescrição junto com o seu fluxo de legendagem.

Legendas ao vivo

O critério 1.2.4 se aplica a transmissões ao vivo e webinars. O fluxo do Sonix descrito nesta página foi criado para mídia pré-gravada; por isso, em eventos ao vivo, contrate um provedor de legendagem em tempo real (CART) ou pergunte sobre a transcrição em tempo real do Sonix para empresas, e depois passe a gravação pelo Sonix para que a versão sob demanda atenda ao 1.2.2 com legendas limpas e revisadas.

Conformidade depende de precisão e volume

As legendas só contam para a WCAG quando transmitem o áudio com precisão, e a maioria das equipes tem muito mais mídia do que um orçamento de legendagem humana consegue cobrir.

Legendas automáticas sem revisão costumam ser reprovadas em auditorias manuais porque distorcem nomes, termos técnicos e falas sobrepostas. A legendagem humana resolve a precisão, mas muitas vezes custa $100 ou mais por hora de conteúdo, o que deixa um acervo inteiro fora de alcance.

O fluxo abaixo resolve as duas coisas: a transcrição automática dá conta do volume, e uma revisão humana no editor garante a precisão que uma auditoria espera.

A quem a mídia acessível atende

A conformidade é o mínimo, não o objetivo: o público de transcrições e legendas é muito maior do que as definições legais sugerem.

Pessoas surdas e com deficiência auditiva

A Organização Mundial da Saúde estima que mais de 1,5 bilhão de pessoas vivem com algum grau de perda auditiva, cerca de 430 milhões delas com perda auditiva incapacitante, e projeta quase 2,5 bilhões até 2050. Para esse público, legendas e transcrições não são um recurso de conveniência. Elas são o próprio conteúdo.

Falantes não nativos

Ler enquanto se ouve ajuda a compreensão em uma segunda língua. Legendas no idioma original, somadas a legendas na língua materna do espectador, transformam um único vídeo em um ativo global. O Ato Europeu de Acessibilidade também torna o acesso multilíngue uma questão prática: o Sonix traduz transcrições e legendas para 54+ idiomas, então um único fluxo atende tanto a sua página de produto em alemão quanto a sua biblioteca de treinamentos em japonês.

Quem assiste sem som

Uma pesquisa de 2019 da Verizon Media e da Publicis Media com consumidores dos EUA constatou que 69% assistem a vídeos sem som em locais públicos e que 80% têm mais chance de assistir a um vídeo até o fim quando há legendas. As legendas melhoram o desempenho do conteúdo, além da acessibilidade.

Mecanismos de busca e sistemas de IA

Robôs de busca não ouvem. Uma transcrição publicada expõe cada nome de produto, pergunta e resposta da sua mídia ao Google e aos assistentes de IA que resumem cada vez mais a web, então uma página com transcrição pode ranquear para as buscas de cauda longa faladas na gravação.

Feito para equipes com prazos de conformidade a cumprir

O Sonix combina velocidade com as ferramentas de revisão que o trabalho de conformidade exige.

Isso significa transcrição automática com 99% de precisão em áudio nítido, um editor rápido no navegador para a revisão humana, exportação em SRT, VTT e TTML, identificação automática de falantes, tradução para 54+ idiomas e upload em lote para dar conta de acervos com centenas de arquivos. Universidades, empresas de mídia e grandes organizações usam o Sonix para zerar filas de legendagem que levariam meses com serviços tradicionais.

As avaliações de segurança também estão cobertas: o Sonix tem certificação SOC 2 Type II e está em conformidade com o GDPR, oferece planos em conformidade com a HIPAA e criptografa os seus arquivos com AES-256. Os detalhes estão na nossa página de segurança.