Formatos y distribución: WebVTT avanzado, TTML, HLS y DASH sin perder pistas

Entre el guion de audiodescripción o el fichero de subtítulos que produce el equipo y la persona que activa el botón «CC» hay un viaje técnico: conversiones de formato, empaquetado en un contenedor, subida a una plataforma, troceado para el streaming adaptativo y, por último, un reproductor que debe encontrar las pistas. En cada eslabón se pueden perder, y la EN 301 549 (PDF, se abre en una ventana nueva) exige conservarlas (7.1.3 Conservación de subtítulos y 7.2.3 Conservación de la audiodescripción, como viste en la lección sobre el marco completo). En el nivel 2 aprendiste la anatomía básica de SRT y WebVTT; aquí verás las funciones avanzadas de WebVTT, los formatos profesionales y cómo se declaran las pistas en MP4, HLS y DASH para que lleguen intactas.

WebVTT avanzado: estilos, regiones y voces

WebVTT (el formato del W3C para el elemento <track>) admite mucho más que tiempos y texto. Tres capacidades útiles para un especialista:

• Bloques STYLE con el pseudoelemento CSS ::cue: dan estilo por voz o por clase. El soporte en navegadores es desigual, así que úsalos como mejora y no como única forma de transmitir información.
• Bloques REGION: definen zonas de pantalla con ancho y número de líneas, útiles para colocar sonidos (que la UNE 153010 sitúa arriba a la derecha) o un segundo hablante en otra posición de forma consistente.
• Etiquetas internas: <v> identifica a quien habla de forma semántica; <c.clase> aplica una clase; <lang en> marca un cambio de idioma dentro del subtítulo; <i> y <b> dan énfasis.

WEBVTT

STYLE
::cue(v[voice="Presentadora"]) { color: #ffff00; }
::cue(.sonido) { font-style: italic; }

REGION
id:arriba
width:40%
lines:2
regionanchor:100%,0%
viewportanchor:95%,8%

NOTE Subtítulos para personas sordas. Revisión final 14/05.

1
00:00:02.000 --> 00:00:05.200
<v Presentadora>Bienvenidas y bienvenidos a la jornada.

2
00:00:05.400 --> 00:00:08.000 region:arriba
<c.sonido>[Aplausos]</c>

3
00:00:08.200 --> 00:00:11.800 line:12% align:center
<v Ponente>Gracias. Empiezo por el gráfico de la izquierda.

El subtítulo 3 se coloca arriba (line:12%) porque en ese momento la parte inferior de la imagen lleva un rótulo con el nombre del ponente. Es la regla de la UNE 153010: los subtítulos van abajo y centrados, y se desplazan solo cuando taparían información relevante. Con la misma técnica se evita tapar la ventana de la intérprete de lengua de signos.

Pistas de descripciones y de capítulos

Las pistas kind="descriptions" contienen la audiodescripción en texto que, como viste en la lección de audiodescripción profesional, reproductores como Able Player leen con voz sintética. Se escriben con los mismos principios que un guion locutado, pero cada subtítulo debe caber en el hueco que marca su tiempo (o el reproductor deberá pausar el vídeo, lo que convierte la pista en audiodescripción extendida):

WEBVTT

1
00:00:03.000 --> 00:00:07.000
Fachada de ladrillo con grandes cristaleras. Rótulo: Biblioteca Municipal Río Segura.

2
00:00:31.000 --> 00:00:35.000
Rótulo: horario de lunes a sábado, de 9 a 21 horas.

Las pistas kind="chapters" permiten navegar por la estructura, una necesidad que recoge la nota MAUR del W3C. En plenos, clases y jornadas largas son casi imprescindibles. Sus títulos deben ser descriptivos, como los encabezados de una página:

WEBVTT

00:00:00.000 --> 00:02:10.000
Apertura y presentación

00:02:10.000 --> 00:18:45.000
Punto 1. Aprobación del acta anterior

00:18:45.000 --> 00:41:30.000
Punto 2. Presupuesto municipal de 2027

Formatos profesionales: TTML, IMSC y EBU-TT-D

Si trabajas con televisiones, productoras o empresas de subtitulado, recibirás subtítulos en formatos basados en XML. TTML (Timed Text Markup Language) es la recomendación del W3C de la que derivan los demás; IMSC es su perfil para subtítulos en internet, usado por muchas plataformas de vídeo a la carta; EBU-TT-D es el perfil de la Unión Europea de Radiodifusión para la distribución en línea, habitual en la televisión híbrida (HbbTV). En la emisión televisiva siguen vivos el teletexto (en España, la página 888 para los subtítulos) y los subtítulos DVB, y en Estados Unidos los formatos CEA-608 y CEA-708, que también aparecen incrustados en directos por HLS.

Pistas en el contenedor y en el streaming adaptativo

Ficheros MP4 y MKV

Un mismo fichero puede llevar varias pistas de audio (original y con audiodescripción) y de subtítulos. Lo importante es que cada pista lleve idioma, título y, si el contenedor lo admite, la marca de función (por ejemplo, la de pista para personas con discapacidad visual). Con la herramienta libre ffmpeg se puede añadir una pista de audiodescripción sin recodificar el vídeo:

# Añadir una pista de audiodescripción a un MP4 sin recodificar
ffmpeg -i jornada.mp4 -i jornada-ad.m4a \
  -map 0:v -map 0:a -map 1:a -c copy \
  -metadata:s:a:0 language=spa -metadata:s:a:0 title="Español" \
  -metadata:s:a:1 language=spa -metadata:s:a:1 title="Español con audiodescripción" \
  -disposition:a:0 default -disposition:a:1 visual_impaired \
  jornada-con-ad.mp4

# Comprobar qué pistas tiene el fichero resultante
ffprobe -v error -show_entries stream=index,codec_type:stream_tags=language,title jornada-con-ad.mp4

Según el contenedor y el reproductor, algunas marcas no se conservan o no se muestran; por eso el segundo comando comprueba el resultado. Si el reproductor de destino no permite elegir pista de audio, la alternativa sigue siendo publicar una versión completa con audiodescripción.

HLS

En HLS (el streaming adaptativo de Apple, muy extendido en web y móvil) las pistas alternativas se declaran en la lista maestra con #EXT-X-MEDIA, y su función con el atributo CHARACTERISTICS. Los reproductores de Apple usan esas marcas para ofrecer la audiodescripción o los subtítulos para personas sordas automáticamente cuando la persona los tiene activados en los ajustes de accesibilidad del sistema:

#EXTM3U
#EXT-X-MEDIA:TYPE=AUDIO,GROUP-ID="aud",LANGUAGE="es",NAME="Español",DEFAULT=YES,AUTOSELECT=YES,URI="audio_es.m3u8"
#EXT-X-MEDIA:TYPE=AUDIO,GROUP-ID="aud",LANGUAGE="es",NAME="Español con audiodescripción",DEFAULT=NO,AUTOSELECT=YES,CHARACTERISTICS="public.accessibility.describes-video",URI="audio_es_ad.m3u8"
#EXT-X-MEDIA:TYPE=SUBTITLES,GROUP-ID="subs",LANGUAGE="es",NAME="Español para personas sordas",DEFAULT=NO,AUTOSELECT=YES,CHARACTERISTICS="public.accessibility.transcribes-spoken-dialog,public.accessibility.describes-music-and-sound",URI="subs_es.m3u8"
#EXT-X-STREAM-INF:BANDWIDTH=2800000,RESOLUTION=1280x720,AUDIO="aud",SUBTITLES="subs"
video_720.m3u8

DASH

En MPEG-DASH, cada pista es un AdaptationSet con descriptores de función (Role) y de accesibilidad (Accessibility). La convención DVB marca la audiodescripción con el esquema de propósito del audio y el valor 1 (para personas con discapacidad visual):

<AdaptationSet contentType="audio" lang="es">
  <Role schemeIdUri="urn:mpeg:dash:role:2011" value="alternate"/>
  <Accessibility schemeIdUri="urn:tva:metadata:cs:AudioPurposeCS:2007" value="1"/>
  <Label>Español con audiodescripción</Label>
  ...
</AdaptationSet>
<AdaptationSet contentType="text" lang="es" mimeType="application/mp4">
  <Role schemeIdUri="urn:mpeg:dash:role:2011" value="caption"/>
  <Label>Español para personas sordas</Label>
  ...
</AdaptationSet>

Sin estas marcas, el reproductor ve dos pistas de audio en español y no sabe cuál es cuál: la persona tendrá que adivinar o, peor, el reproductor elegirá por ella la que no necesita.

Dónde se pierden las pistas

• Exportación desde el editor: el programa de edición exporta solo la pista de audio principal o «quema» los subtítulos en la imagen sin que nadie lo decida.
• Subida a la plataforma o al gestor de contenidos: algunas plataformas recodifican el vídeo y descartan pistas adicionales; hay que subir subtítulos y audio alternativo por su vía específica.
• Del directo a la grabación: los subtítulos en directo no siempre se guardan con la grabación; acuerda con el proveedor la entrega del fichero corregido.
• Recortes para redes: al extraer un fragmento o pasarlo a vertical se pierden los subtítulos cerrados y, a menudo, la ventana de intérprete.
• Reproductores incrustados: un reproductor de terceros que solo lee la primera pista de audio, o que no admite kind="descriptions".
• Traducciones: la versión en otro idioma se publica con subtítulos de traducción (subtitles) pero sin subtítulos para personas sordas en ese idioma.

Resumen

• WebVTT avanzado ofrece estilos (STYLE y ::cue), regiones, voces semánticas y cambios de idioma; la identificación de hablantes nunca debe depender solo del color.
• Las pistas de descripciones deben caber en sus huecos y las de capítulos llevar títulos descriptivos, como encabezados.
• TTML, IMSC y EBU-TT-D son los formatos profesionales; cada conversión puede perder tildes, voces y posiciones, así que revisa siempre el resultado.
• En MP4, HLS y DASH, cada pista necesita idioma, título y marca de función (CHARACTERISTICS en HLS, Role y Accessibility en DASH) para que el reproductor la ofrezca bien.
• Las pistas se pierden al exportar, subir, recortar, pasar del directo a la grabación y traducir: comprueba la conservación (7.1.3 y 7.2.3) en cada eslabón.