Media bersuara adalah konten yang paling sering menutup pintu. Teks bisa dibacakan pembaca layar, gambar punya alt, form punya label — tetapi video tanpa takarir dan podcast tanpa transkrip tidak punya jembatan apa pun menuju pengunjung yang tidak dapat mendengar audionya. Bagi penyandang disabilitas pendengaran, media tanpa teks pendamping bukan konten; ia hanya pemutar waktu yang berjalan tanpa isi.

Section Audio dan Video sudah membahas pemasangan track takarir pada chapter track-element dan captions-dan-subtitles. Chapter ini memperdalam mutu isinya: apa yang layak masuk takarir, kapan video butuh deskripsi audio, dan bagaimana menyusun transkrip untuk konten audio murni.

Captions yang Membaca Suasana #

Takarir yang baik tidak hanya menyalin dialog. Elemen track dengan kind="captions" dirancang untuk situasi suara tidak tersedia — isinya dialog plus efek suara yang membawa makna: [musik keronconan lembut], [tepuk tangan], [suatu gelas diletakkan]. Efek suara inilah yang sering terlewat padahal menentukan suasana adegan.

Pembeda dengan kind="subtitles" perlu diingat: subtitles menerjemahkan dialog untuk penonton yang bisa mendengar (misalnya film berbahasa Jepang dengan teks Indonesia); captions menuliskan dialog dan suara untuk penonton yang tidak bisa mendengar. Kebutuhan aksesibilitas kita berdiri di captions.

Video juga punya sisi kebalikan: informasi yang hanya tampil secara visual — grafik yang ditunjuk pembicara, teks yang muncul di layar. Alat untuk itu adalah deskripsi audio: narasi tambahan yang menjelaskan visual penting, bisa lewat track kind="descriptions" atau yang lebih praktis, menyusun narasi utama video agar menyebutkan sendiri semua hal pentingnya.

Lihat takarir yang bekerja pada video pendek berikut — trek kind="captions" aktif sejak awal karena atribut default, dan tiap baris berganti tepat saat rentang waktunya habis:

Putar videonya dan amati dua hal: takarir menyala tanpa perlu dipilih, dan teksnya menghilang sendiri di luar rentang waktunya. Tekan tombol takarir (CC) pada bilah kendali untuk mematikannya lalu menyalakannya kembali.

Video contoh (CC0, dari MDN) dimuat daring — demo ini membutuhkan koneksi internet. Video ini tidak memuat dialog, sehingga isi cue ditulis sebagai deskripsi adegan; pada video sungguhan, tulis dialog dan efek suara yang benar-benar terdengar, termasuk penanda kurung siku seperti [musik lembut] atau [tepuk tangan].

Transkrip untuk Audio Murni #

Podcast dan rekaman audio tidak punya jalur takarir — tidak ada layar untuk menempelnya. Solusinya adalah transkrip: teks utuh yang dipublikasikan sebagai halaman biasa di sebelah pemutar audio. Praktik ini membuka akses sekaligus memberi bonus: teks tersebut terindeks mesin pencari dan bisa dicari pengunjung — episode podcast yang sebelumnya gelap bagi pencarian kini muncul sebagai halaman berisi.

Struktur transkrip yang baik sederhana: judul dan durasi di pembuka, lalu satu paragraf per giliran bicara dengan nama pembicaranya ditandai tebal.

Contoh Struktur Transkrip #

html 
<section aria-labelledby="judul-transkrip">
  <h2 id="judul-transkrip">Transkrip — Podcast Seduh #12: Memilih Biji untuk Tubruk</h2>
  <p>Durasi 8 menit 30 detik. Pembicara: Siti dan Dewi.</p>
  <p><strong>Siti:</strong> Selamat datang kembali di Podcast Seduh. Hari ini kita membahas biji yang cocok untuk tubruk.</p>
  <p><strong>Dewi:</strong> Untuk tubruk, aku selalu mulai dari robusta tingkat sedang, sangrai gelap, giling kasar.</p>
  <p><strong>Siti:</strong> Kalau aku lebih suka body yang ringan — coba ceritakan alasannya.</p>
</section>

Mari kita bedah strukturnya:

  1. Baris 1 (aria-labelledby="judul-transkrip"): nama wilayah transkrip diambil dari judulnya — pembaca layar mengumumkan bagian ini dengan namanya, bukan sekadar “bagian”.
  2. Baris 2 (h2 id="judul-transkrip"): judul transkrip menjadi heading yang bisa dilompati — pengguna tiba di transkrip lewat satu penekanan H.
  3. Baris 3 (metadata): durasi dan nama pembicara — pengunjung tahu komitmen waktunya sebelum mulai membaca.
  4. Baris 4-6 (strong penanda pembicara): satu paragraf per giliran bicara, nama pembicara ditandai tebal — struktur ini mudah dipindai mata dan mudah dilompati pembaca layar.
  5. Pola keseluruhan: tidak ada markup khusus transkrip — hanya heading, paragraf, dan penekanan; semua peralatan HTML yang sudah kita kuasai.

Ringkasan #

  • kind="captions" menuliskan dialog dan efek suara; kind="subtitles" hanya menerjemahkan dialog.
  • Informasi visual penting dibaca deskripsi audio, atau disebutkan langsung dalam narasi video.
  • Audio murni memakai transkrip di halaman — satu paragraf per giliran, pembicara ditandai tebal.
  • Transkrip membuka akses dan menambah halaman yang terindeks mesin pencari.

Chapter berikutnya menjawab pertanyaan yang sering muncul begitu kita mulai serius menulis markup: kapan ARIA benar-benar dibutuhkan?