話し声の下で大きな音楽が流れるポッドキャスト

コーヒー豆の店のポッドキャスト「スモールバッチ」は、各回をサイトに載せ、プレーヤーの下に書き起こしを付けています。第12回のテーマは豆の保存方法です。司会のサムは、豆は密閉できる缶に入れて涼しくて暗い場所に置くこと、2週間で使い切れる量だけ買うこと、冷蔵庫には入れないことを話します。番組を温かい雰囲気にしたくて、制作者はオープニングだけでなく、エピソードの最初から最後までテーマ曲を流しています。ミキシングはFFmpegのコマンド一つです。二つのトラックの音量をそろえ、音楽を8 dB下げています。仕上がりを測ると、音楽は声より約6 dB小さいだけで、話の間ずっと流れています。聴力に問題のない人なら、少し気を付ければ聞き取れます。難聴の人には、声と曲がほとんど同じ大きさで聞こえ、冷蔵庫に入れてよいのかいけないのかが聞き分けられません。ページには音楽をオフにする方法もありません。

レベルAAAの達成基準1.4.7は、ポッドキャストや音声ガイドのように、主に前景の話し声からなる収録済みの音声だけのコンテンツを対象にします。音声CAPTCHA、音声ロゴ、歌は対象外です。求めるのは次の三つのいずれかです。背景音がないこと、背景音をオフにできること、背景音が話し声より20 dB以上小さいこと（ときどき鳴る1～2秒の音は除く）。WCAGは、20 dB小さいとはおよそ4分の1の大きさに聞こえることだと注記しています。W3Cはこの値を、補聴援助システムの研究から選んでいます。この例の音楽は、話の間ずっと声より約6 dB小さいだけで流れ続け、オフにもできないため、三つのどれも満たしません。

ミキサーの設定値は、実際の差ではありません。loudnorm のようにラウドネスで音量をそろえる処理は、耳の聞こえ方に合わせて周波数に重みを付けます。一方、差は音そのもので測ります。そのため、そろえた後で音楽を8 dB下げても声との差は約6 dBしかなく、制作者は自分のコマンドを見て、実際より下げたと思い込んでいました。プレーヤーの下の書き起こしは、エピソードを聞けない人のために1.2.1を満たしますが、耳で聞き、話し声がはっきり聞こえる必要がある人の助けにはなりません。

スマートフォンのスピーカーで聞く人や、車や台所で聞く人の周りには、ほかの音もあります。そこに話し声の下の音楽が加わると、さらに聞き取りにくくなります。はっきりしたミックスは、そうした人の役にも立ちます。

10グループ中2グループに影響

• 全盲 （影響なし）
• 弱視 （影響なし）
• 色覚 （影響なし）
• ろう （影響なし）
• 難聴 （影響あり）
• 発話 （影響なし）
• 手の操作 （影響なし）
• 筋力・可動域 （影響なし）
• 認知 （影響あり）
• 光過敏 （影響なし）

• 聴覚が限られる 難聴の人の多くは、話し声と背景音を聞き分けるのがとても難しくなります。音楽が話の間ずっと、声より約6 dB小さいだけで流れているため、保存方法の説明を聞き取りにくく、「入れないで」の「ないで」のような短い言葉を聞き落としやすくなります。
• 言語・認知・学習の能力が限られる 音を聞き分けるのが苦手な人は、音楽が流れる中で話を追うのに、余計に労力がかかることがあります。

ファイルの中の音を調べるルールは、axeにはありません。EaseWebの監査は録音済みの <audio> プレーヤーをすべて1.2.1の手動確認の対象として挙げ、書き起こしを求めますが、ミックスは測りません。測るには、人が部分を選ぶ必要があります。Audacityのコントラスト分析は、話し声の部分と背景音だけの部分をRMSで比べ、その差が1.4.7を満たすかを示します。音楽が途切れない場合、背景音だけの部分は話の切れ目やイントロしかないため、制作者の手元にある分離前のトラックで測るのがいちばん確実です。トラックが残っていない場合は、完成したファイルをAIで声と音楽に分けるツールで、おおよその値を出せます。