Pagini cu voce: audio ca accesibilitate, nu ca extra

O versiune audio a unei pagini era, până nu demult, un extra de lux. Însemna studio, voce, editor și o reînregistrare de fiecare dată când se schimba un preț. O citire curată a unei pagini lungi durează acum câteva minute pe un laptop obișnuit, iar verificarea durează mai mult decât generarea. Când costul scade atât de mult, audio-ul nu mai e o funcție pe care o vinzi scump, ci o măsură de accesibilitate pe care ți-o permiți pe paginile care susțin argumentul. Legea europeană a accesibilității face din „destul de ieftin” o întrebare de business, dar nu în felul în care sugerează majoritatea rezumatelor.

Cine beneficiază cu adevărat de o versiune audio

Cei care câștigă nu sunt o nișă și nu sunt toți nevăzători.

• Dislexie. Descifrarea textului tipărit costă efort, iar efortul concurează cu sensul. O pistă audio îl ajută pe cititor să țină firul, iar mulți ascultă în timp ce citesc, cu vocea dând ritmul.
• Vedere slabă. Un cititor de ecran citește deja pagina, dar e o unealtă pe care o configurezi și o înveți. Un fișier audio e o trecere liniară, cu ritm, care pornește dintr-un buton și merge la fel pe telefon sau în mașină.
• Dizabilități motorii. Derularea, selecția și țintirea butoanelor mici sunt bariera; un singur buton care pornește și oprește e mai ușor de atins decât un articol întreg.
• Diferențe de atenție. Pentru unii oameni, cititul cere o liniște pe care nu o au. Ascultatul merge în timp ce mergi pe jos, gătești sau aștepți.
• Cititul într-o a doua limbă. Auzi cum se pronunță un termen, un nume de client sau un preț, iar textul devine mai puțin opac.
• Navetiști și șoferi. Cel mai mare grup numeric și cel mai puțin în nevoie, și motivul pentru care audio-ul se plătește singur.

Audio-ul nu înlocuiește un cititor de ecran, care navighează pe titluri și linkuri, și nici o transcriere, care servește cititorii surzi sau cu auz slab și pe oricine se află într-o cameră liniștită. Adaugă un canal; nu scuză contrastul slab sau butoanele neetichetate.

Ce cere de fapt Legea europeană a accesibilității

Legea europeană a accesibilității este Directiva (UE) 2019/882. Se aplică din 28 iunie 2025 produselor puse pe piață și serviciilor oferite consumatorilor după această dată. Lista e concretă: calculatoare și sisteme de operare, smartphone-uri, cititoare de cărți electronice, terminale de plată și de autoservire, echipamente de televiziune; iar pe partea de servicii, comunicații electronice, acces la servicii media audiovizuale, elemente de transport, servicii bancare pentru consumatori, cărți electronice, comerț electronic și numărul de urgență 112. Pagina Comisiei Europene despre lege e punctul de plecare în limbaj clar, iar textul directivei e ce va citi un avocat.

Două limite contează pentru o firmă de dimensiunea noastră. Microîntreprinderile care prestează servicii sunt exceptate: articolul 4 alineatul (5) le scoate de sub cerințele pentru servicii, iar articolul 3 punctul 23 definește microîntreprinderea ca firma cu mai puțin de 10 angajați și cu cifră de afaceri sau total al bilanțului de cel mult 2 milioane EUR. Exceptarea acoperă serviciile, nu produsele. Articolul 32 le mai dă serviciilor până la 28 iunie 2030 pentru produsele pe care le foloseau deja în mod legal.

Ce cere legea e mai îngust și mai util decât „publică un MP3”. Pentru serviciile vizate, Anexa I secțiunea III cere ca informațiile despre funcționarea serviciului să fie disponibile „prin mai mult de un canal senzorial”, într-un mod ușor de înțeles, în text care poate fi transformat în alte formate. Audio-ul e o cale de a adăuga un canal. O pagină curată, cu o transcriere reală, poate acoperi aceeași clauză pentru mulți cititori, iar audio-ul ajunge la cei pe care textul nu îi poate servi.

Aplicarea depinde de ce vinzi și cui. Comerțul electronic, în sensul directivei, este un serviciu prestat la distanță, printr-un site, la cererea unui consumator, în vederea încheierii unui contract de consum. Un site de studio care se termină într-un formular de contact nu e un magazin care încasează bani. Dacă vinzi online consumatorilor, pornește de la premisa că intri sub incidența legii. Dacă ești un studio mic care lucrează B2B, poți fi în afara ei sau exceptat, dar clientul care a comandat site-ul poate să nu fie. Transpunerea și sancțiunile diferă de la țară la țară. Nu este consultanță juridică.

Ce pagini merită audio primele

Criteriul nu e „e lungă pagina asta”, ci „trebuie cineva să înțeleagă asta înainte să poată acționa”. Asta aduce în față patru tipuri de pagini.

• Paginile de serviciu. Ce vinzi, ce include, cât costă, ce se întâmplă după ce cineva te contactează.
• Ghidurile lungi. Un articol de 2.000 de cuvinte care răspunde la o întrebare este exact ce vrea omul să audă în timp ce face treaba descrisă.
• Instrucțiunile de programare și de proces. Cum programezi, ce pregătești, cum anulezi. Confuzia aici costă bani direct.
• Întrebările frecvente și prețurile. Răspunsuri scurte citite cu voce tare sunt ieftine și acoperă exact întrebările care generează e-mailuri.

Restul poate aștepta. O știre de trei paragrafe nu are nevoie de voce. Ordonează lucrul după trafic înmulțit cu costul unei greșeli, nu după cât de interesant e de înregistrat pagina.

Înregistrează fiecare limbă separat, cu o voce care o pronunță corect.

Cum produci audio-ul

Există patru variante reale, iar răspunsul bun e de obicei o combinație.

• Citire înregistrată de un om. Cea mai bună prozodie, cele mai bune nume, cel mai bun ritm. Cere o cameră liniștită, un microfon și o persoană, iar fiecare modificare de text înseamnă o reînregistrare. Merită pentru o pagină care se schimbă rar sau pentru vocea fondatorului pe pagina de prezentare.
• Sinteză vocală locală. Un model pe propriul calculator. Piper e punctul de plecare practic: sinteză neuronală locală, mutată din depozitul arhivat în OHF-Voice/piper1-gpl, licență GPL-3.0, cu linie de comandă și API Python. Nimic nu pleacă de pe mașină, ceea ce contează când textul e o pagină nepublicată a unui client. Am construit VoiceSynth Studio în jurul acestei idei: o singură interfață peste mai multe backend-uri deschise, profiluri de voce pe proiect și o coadă de procesare care îmbină textele lungi cu crossfade.
• Sinteză vocală în cloud. Calitate constantă, fără hardware, facturată pe caracter, iar textul ajunge la un terț. Bună pentru un articol public; sub NDA, citește întâi termenii privind datele.
• Vocea browserului. Web Speech API citește o pagină cu vocile instalate pe dispozitiv. Gratuit și fără fișiere, dar vocea variază de la un sistem de operare la altul și de la un browser la altul, deci nu poți livra un material constant. Bună ca buton de rezervă, slabă ca versiune publicată.

Orice ar produce sunetul, fluxul de lucru e același.

• Ia textul din CMS, nu din pagina randată. Vrei articolul, nu navigația și bannerul de cookie-uri.
• Rescrie pentru ureche. Desfă abrevierile, citește prețurile ca vorbe, citește adresele de e-mail și URL-urile ca vorbe, înlocuiește simbolurile precum „&” și „/” cu vorbe. Un sintetizator care citește „SRL” sau „1.500” literă cu literă este cea mai frecventă defecțiune pe care o auzim.
• Taie la titluri. Un fișier pe secțiune îți dă marcaje de capitol gratis și îi lasă ascultătorului să sară înainte.
• Împarte la granițe de propoziție. Paragrafele lungi fac modelul să deraieze, iar îmbinările neglijente produc click-uri audibile; un crossfade scurt rezolvă problema.
• Lasă tăcere și niveluri egale. Cam o secundă între secțiuni semnalează un titlu nou, iar egalizarea sonorității oprește volumul să sară de la un articol la altul.
• Ascultă primul minut și fiecare cifră. Nu un eșantion din mijloc.

Cum îl publici

Trei rute, care nu se exclud.

Un element audio cu transcriere

Varianta implicită. Un element <audio controls> cu sursă MP3, o etichetă care spune ce este și cât durează, plus transcrierea completă dedesubt. Două detalii din referința HTML contează. Elementul nu afișează singur piste WebVTT, deci nu promite subtitrări sincronizate decât dacă adaugi o bibliotecă sau un element <video>. Nu porni niciodată redarea automat: criteriul WCAG 1.4.2 cere o modalitate de a opri sau de a pauza sunetul care pornește singur mai mult de trei secunde, sau un control de volum independent de cel al sistemului.

Un flux de podcast

Un flux RSS 2.0 cu un element pe fișier audio și un <enclosure> care poartă URL-ul fișierului, lungimea lui în bytes și tipul MIME. Specificația RSS cere toate trei, iar URL-ul trebuie să fie un URL HTTP. Asta e ruta către aplicațiile de podcast și ascultarea offline. Tot aici încape și o serie: un flux pe limbă, nu un flux cu limbi amestecate.

Fișiere de descărcat

Un link simplu către MP3, lângă transcriere. Funcționează fără JavaScript, supraviețuiește unui bug de player și se potrivește unei pagini pe care cineva o printează sau o salvează.

Orice ai alege, păstrează URL-ul stabil și versionează-l când se schimbă textul: slug-2026-10.mp3, nu un nume care se suprascrie.

Ce nivel de calitate să ceri

Patru verificări înainte ca un fișier să ajungă public.

• Nume și termeni. Nume de clienți, nume de produse, diacritice românești, numele studioului. Ține o listă de pronunție pe proiect și refolosește-o; o trecere umană de cinci minute bate orice model aici.
• Prețuri și date. „De la 1.500 de lei” citit ca vorbe, cu moneda numită, iar termenele citite ca dată, nu ca șir de cifre.
• Marcaje de capitol care corespund titlurilor. Dacă transcrierea spune că secțiunea a treia începe la 4:12, acolo trebuie să înceapă.
• Ritmul la viteză mărită. Mulți ascultă la 1,25x sau 1,5x. Ascultă o dată la viteza aceea; artefactele sar imediat în ureche.

Cum măsori folosirea fără supraveghere

Poți răspunde la întrebarea „îl folosește cineva” fără să construiești profilul nimănui.

• Numără cererile pentru fișier. Serverul web sau CDN-ul loghează deja fiecare cerere pentru MP3. Asta îți dă porniri pe pagină pe zi, nu oameni, suficient ca să vezi dacă funcția e vie.
• Trimite un singur eveniment anonim. Un POST mic când redarea trece de, să zicem, treizeci de secunde, care reține doar slug-ul paginii și un moment în timp. Fără cookie, fără adresă IP, fără identificator. Afli câte ascultări au început și câte au trecut de introducere.
• Compară cu vizualizările paginii. Cifra utilă e rata: ascultări împărțite la vizualizări pentru aceeași pagină. Trafic mult cu aproape nicio ascultare spune ceva despre amplasare, nu despre cerere.
• Numără descărcările și redările din podcast. O descărcare e cineva care vrea fișierul offline, cazul navetistului; cifrele gazdei de podcast sunt tot numărări de cereri, dar arată ce episoade circulă.
• Întreabă, o dată. O opțiune „am ascultat / am citit” într-un formular de feedback valorează mai mult decât un panou de indicatori.

Ce să nu faci: fingerprinting, înregistrarea sesiunilor, istorice de ascultare pe vizitator. Oamenii cărora le servește funcția au cele mai multe motive să evite profilarea. Ține și transcrierea în HTML: motoarele de căutare indexează text, nu audio.

Unde intră audio-ul într-un proiect de site

Audio-ul e acum încă o ieșire a aceluiași conținut, nu o producție separată. Dacă pagina trăiește deja într-un CMS, textul e sursa, un model îl transformă în fișiere, iar site-ul le servește cu transcrierea alături. E puțină inginerie și un obicei de verificare, nu un buget de studio de voce. Dacă refaci un site și vrei accesibilitatea tratată ca parte din construcție, nu ca un audit de mai târziu, vezi dezvoltare web. Ghidul despre transcrierea locală cu Whisper acoperă direcția inversă, iar articolul despre CMS-ul pe git explică unde ar sta textul. Ca să discutăm cazul tău, programează un apel introductiv gratuit.