同步文本音频不是把朗读文件塞进 EPUB

一位学生打开有声电子书，正文会随着声音逐句高亮。播放看似顺畅，到了第一张信息图，声音却直接跳到下一段。图中的文字没有朗读，脚注也找不到返回正文的位置。老师请全班翻到纸书第六十八页，他的阅读器只能显示进度百分比。

问题不在于有没有音频。同步文本音频要回答三个更严格的问题：声音是否覆盖必要内容，顺序是否符合文本逻辑，读者是否能控制次要与嵌套结构。若还要用于课堂、图书馆或跨境交换，页面导航、发现元数据、阅读系统表现和取得依据也要分别核对。

逐段高亮不等于内容完整

EPUB中的同步文本音频通常由文字片段和音频时间段建立对应。高亮移动说明阅读系统正在执行这组对应关系，却没有说明所有内容都进入了对应表。

W3C的EPUB Accessibility 1.1把同步文本音频列为可选能力。出版物可以没有这项功能，仍以清楚语义、替代文本和导航提供无障碍阅读。采用同步功能后，规范要求关注完整可见文字以及文字替代内容能否在音频中取得。

同步音频应覆盖完整可见文字和文字替代内容，例外需由无障碍摘要披露。该要求很容易在图表处失守。正文段落已有录音，制作者便认为章节完成；图像替代文本、公式说明、表格标题或练习题反馈却没有进入声音轨。视力正常的读者能从屏幕补齐信息，依赖音频的读者只能听见断裂的论证。

检查完整性时，不能只从第一段播放到第二段。应按内容类型抽样：正文、标题、列表、图像替代文本、表格、脚注、侧栏、练习和注释都要出现。发现缺漏后，要判断是内容本来没有可用文字，还是同步关系遗漏了已有文字。

无障碍摘要可以披露已知例外，但披露不是修复。它的作用是让读者在取得出版物前知道限制，并决定是否需要另一种版本或额外协助。

逻辑阅读顺序决定声音如何穿过结构

纸面布局可用栏位、颜色和位置表达关系，声音只能沿时间前进。同一页左侧是主文，右侧是背景框，底部还有脚注。若制作工具按坐标抓取文字，声音可能先读半段主文，跳到侧栏，再回到句子后半。

同步关系必须跟随逻辑阅读顺序。这个顺序不是简单的从上到下，也不总等于HTML元素在画面中的位置。它要表达标题带领段落、图注跟随图像、脚注由标记进入又回到原句等语义。

语义结构把声音时间线连接到逻辑阅读顺序，并让阅读系统识别可跳过与可退出的内容层级。若只保存时间戳而没有结构，播放器知道何时发声，却无法知道当前处于主文、注释还是表格。

判断顺序可用一个不看屏幕的测试。只听音频，并在每次结构转换时问：读者是否知道为何离开主文，当前内容属于哪一层，以及何时回到原来的叙述。若必须看版面才能理解跳转，声音顺序就没有独立承担结构。

顺序错误和音频缺漏是两类问题。全部文字都有录音，仍可能因排列错误而不可理解；顺序正确，也可能漏掉关键替代文本。记录时应把覆盖率与顺序分别列项，不要用“能够播放”同时回答两题。

跳过与退出解决不同层级的打断

长篇出版物会重复页眉、页脚、页码，也会包含脚注、表格、侧栏和插入案例。读者并不总想逐项听完，但不同结构需要不同控制。

可跳过处理的是次要结构。页眉在每页重复，逐页朗读会打断主文。阅读系统若识别相应语义，可让读者略过这类内容。跳过后，播放沿主线前进。

可退出处理的是嵌套结构。读者进入一条很长的脚注，听到一半已经取得所需信息，希望离开脚注并回到原句。表格或侧栏也可能形成较深层级。此时需要的是退出当前结构，而非把未来所有脚注都关闭。

可跳过用于略过页眉页脚等次要结构，可退出用于离开脚注或表格等嵌套结构后返回主叙事。两者不能合并成快进键。快进只移动时间，不知道主文在哪里，也不能保证回到语义上的入口。

测试时可以准备两条任务。一条要求关闭重复页眉后连续读三页，另一条要求进入脚注、听一半再回主文。前者验证跳过，后者验证退出。只完成其中一条，不能写成“导航控制完整”。

页面导航连接纸书课堂与可重排文本

可重排EPUB会随字体、窗口与设备改变每屏文字量。屏幕上的第十二页不是稳定位置，也未必对应任何纸本页码。课堂、读书会和引文核对却常以指定纸书页码沟通。

页面导航需要说明分页来源，并同时提供页面列表与分页标记。页面列表列出可选择的页码，正文中的分页标记指出页界发生的位置。两者合用，读者才能从目录式列表跳到页面，也能在连续阅读时知道已经跨页。

分页来源很重要。同一作品的精装版、平装版和不同语言版可能各有分页。只写“第六十八页”而不说明来源，会制造看似精确却不可复查的坐标。

没有对应纸本来源时，不应为了满足字段而虚构页码。章节、标题、地标和搜索仍能提供数字导航。页面导航是一种特定连接，不是所有EPUB的必备外观。

实测时，任选三个页码，从页面列表进入，再从正文分页标记返回列表。核对纸本相邻句子是否一致，并记录版本或ISBN。字体放大后，即使屏幕分页改变，这组来源页码仍应指向同一文本边界。

发现元数据不能替代实际检验

读者通常在下载、购买或借阅前做决定。这时还没有文件可测，只能依赖书店、图书馆目录或出版物中的无障碍元数据。

发现元数据应描述访问模式、无障碍特征和潜在危害。音频、替代文本、页面导航、转录，以及闪烁或声音等风险，都应以可处理的字段表达。足够访问模式还用于说明哪种感知组合能够取得全部信息。

无障碍摘要用来补充这些字段。例如，摘要可以说明部分复杂图表只有简短替代文本，附录没有同步音频，或页面导航对应某一纸本版本。它不应把字段逐字改写成一段宣传话术。

元数据解决的是可发现性，不是符合性证明。出版者可以正确声明“有同步音频”，文件仍可能漏读脚注；也可以诚实声明限制，让不完全符合的文件至少容易被正确判断。

采购人员应把声明和实测并排保存。声明回答出版者承诺了什么，实测回答选定阅读系统中发生了什么。两者冲突时，记录冲突的文件版本、测试日期和软件版本，而不是直接覆盖原声明。

整本符合性不能用开头演示代替

演示常选封面、目录和第一段，因为这些位置容易制作。一本书真正复杂的部分可能在后章：多层表格、数学公式、跨页图、注释网络或互动练习。

EPUB内容无障碍符合性以整本出版物为对象。一个章节通过，不能推出全书通过。同步文本音频也要在不同结构中保持完整与顺序。

全书逐秒人工重听成本很高，仍可设计风险导向的评估。先盘点内容类型，再选每类最复杂的样本。对自动检测到的断链、空替代文本和未同步片段进行人工复核。最后检查目录、地标与页面列表能否到达样本。

抽样只能支持“已检查样本未发现问题”，不能冒充整本认证。若要作符合性声明，应留下评估者、日期、版本和报告位置。文件改版影响内容或导航后，旧报告也要重新判断是否仍适用。

这种记录让修复可重复。下一位测试者知道检查的是哪一个文件，不会把同名的新版本与旧结论混在一起。

阅读系统会改变交付体验

同一文件在两个阅读系统中的结果可能不同。一个系统识别脚注退出和页面列表，另一个只支持基本播放。文件结构没有改变，用户可用的控制却不同。

这不表示所有问题都应归咎于软件。若同步关系本身漏掉替代文本，换阅读器也不会凭空补齐。若文件语义正确而某个系统忽略语义，问题才更接近实现差异。

区分方法是交叉测试。用两个独立阅读系统完成相同任务，并保留文件校验值。两个系统都在同一位置失败，优先检查内容；只有一个失败，再查该系统的功能说明和已知限制。

辅助技术也构成交付链。屏幕阅读器、键盘控制、语音速度和操作系统设置会影响结果。测试报告应写清组合，而不是只写“电脑端正常”。

目标不是找出一套代表所有读者的组合。最低限度是选择与目标读者实际使用情境相近的组合，并清楚标示没有覆盖的设备和辅助技术。

把失败定位到可以修复的一层

测试记录若只写“无法使用”，制作团队很难行动。应把现象、任务、预期和实际结果分开。现象是脚注无法返回，任务是从正文进入脚注后退出，预期是回到原句，实际是播放跳到下一章。

随后判断证据层。检查脚注是否有结构语义，同步关系是否包含脚注边界，阅读系统是否宣称支持退出。缺少语义属于内容问题；语义存在而单一系统忽略，更接近实现问题。

若两个阅读系统都失败，仍不能仅凭共同现象断言文件错误。两者可能共享同一渲染组件。可以再用结构检查工具查看标记，并由人工核对逻辑关系。

严重程度也要联系任务。目录无法进入正文，会阻断整本使用；偶发高亮偏移但声音与文字仍完整，影响较小。优先级应由读者能否完成任务决定，而不是由错误数量决定。

修复后使用同一文件位置和任务回归。只检查修改点不足够，因为重建同步时间线可能影响后续段落。至少复核修改前一段、修改段及后一段，并重新检查章节跳转。

速度、暂停和恢复也会暴露结构问题

许多读者会调整语速。播放速度改变后，文字高亮仍应落在对应片段，不能逐渐漂移。长章中的微小时间误差可能累积，到结尾才明显错位。

暂停和恢复是另一项常见任务。读者在脚注中暂停，重新打开书后，应理解自己位于哪一层，并能回到主文。仅恢复到相同秒数，却丢失结构上下文，仍会造成迷路。

跨章节跳转还要保存合理焦点。由目录进入章节时，声音、高亮和辅助技术焦点应指向同一入口。若声音从标题开始，高亮停在上一页，读者会收到互相冲突的线索。

这些行为不都由EPUB文件单独决定。证据卡需要记录阅读系统与辅助技术版本，才能知道重现条件。更新软件后，旧结果应标为历史记录，而不是继续当成当前表现。

发行链可能丢掉特征说明

出版者完成文件和元数据后，渠道还会重新包装、转换或摘录资料。书店页面可能只保留“有声书”标签，删除同步文本、页面导航和已知限制。图书馆系统也可能把结构化字段压成一行简介。

因此要核对内部与外部描述。内部是EPUB包内的无障碍元数据，外部是读者在目录或商店看到的说明。两处应指向同一版本，并保留关键特征和限制。

若渠道转换文件，还要重新测同步关系。格式名称相同不表示字节与结构相同。记录原始文件和交付文件的校验值，可以确认测试结论对应哪一份副本。

发现外部资料缺漏时，不要用笼统的“支持无障碍”补洞。列出可以证明的特征，例如具有页面列表、同步正文音频和已披露的图表限制。无法验证的能力保持空白。

合法流通属于另一层条件

技术上可以制作无障碍副本，不等于任何人都可以复制和公开传播。WIPO对马拉喀什条约的摘要说明，获授权实体在特定条件下可非营利制作和分发无障碍格式副本。

这些条件包括合法取得作品，只进行无障碍所需改变，并把副本提供给受益人。条约也建立跨境进口与出口框架，但仍受缔约关系、获授权实体和各地实施规则约束。

文件符合性不保证每个阅读系统都完整实现功能，马拉喀什条约也不是公开转载许可。一本EPUB完全符合技术标准，也不能由此推出它可自由上传。某项法律例外允许制作副本，也不能证明制作出的文件具有完整同步关系。

项目记录应把技术证据与流通依据分栏。前者引用文件测试与标准条款，后者记录权利来源、授权实体角色、受益范围和适用地区。遇到个案争议，应查现行国内法并寻求专业意见。

条约摘要适合说明框架，不替代具体法律判断。本文也不判断任何机构或副本是否满足条件。

建立六层同步阅读证据卡

第一层记录文件。写明EPUB版本、文件名、取得日期和校验值。文件改变后，旧测试不自动沿用。

第二层记录内容覆盖。按正文、替代文本、表格、公式、脚注和侧栏列出样本。注明哪些进入音频，哪些由摘要披露为限制。

第三层记录结构与导航。分别测试逻辑阅读顺序、跳过、退出、目录、地标和页面导航。页面导航还要写出分页来源。

第四层记录发现信息。抄录访问模式、无障碍特征、潜在危害和摘要，并与文件实测逐项对照。

第五层记录交付组合。列出阅读系统、辅助技术、操作系统和版本。使用同一组任务做交叉测试，区分内容缺陷与实现差异。

第六层记录取得与交换依据。说明副本从何处取得、面向谁、由何种主体提供，以及跨境使用需核对哪些现行规则。

以文件、内容、导航、元数据、阅读系统和流通依据六层证据卡记录测试样本、日期与限制。每一层还要写证据位置和待复核项。它不是一枚永久合格章，而是让读者、教师、出版者和图书馆能够重做判断的路线图。

用一次完整任务验收交付版本

最后不要以功能清单收尾，而要让目标读者完成一次连续任务。任务从目录检索开始，进入指定章节，按纸书页码定位，听完含图像与脚注的一段，再退出注释并保存位置。

观察者只记录事实，不替读者操作。若读者停顿，先问他期待发生什么，再记录界面实际反馈。这样能区分功能不存在、入口难找和操作结果不明确。

完成任务后，让读者用自己的话复述段落关键关系。播放成功不等于信息被理解。漏掉图像替代文本时，复述会暴露论证断点；顺序混乱时，读者可能听见全部句子却无法建立关系。

同一任务在另一套阅读组合上重复，可以发现实现差异。若为了跨境提供副本，再由负责人员核对取得与交换依据。技术测试者不应代替法律判断，权利核对也不应代替内容测试。

验收结论要采用有限表述。可以写“在所列版本与任务中完成”，不能写“适用于所有读者和设备”。未覆盖的语言、残障需求、设备与复杂内容类型应明确列出。

还要保留失败样本。成功截图只能证明某一时刻的画面，失败记录却能说明读者在哪项任务中失去信息或控制。修复人员据此重现，采购人员也能判断限制是否影响目标课程。若失败只发生在某套组合，就把组合名称写进结论；若内容本身缺漏，则暂缓对外宣称相关特征。

声音随着文字移动，只是同步阅读的入口。完整内容、逻辑顺序、可控结构、稳定导航、诚实元数据、实际阅读系统和合法流通共同决定一本书能否被找到、理解与使用。任何一层都不能替其他层作答。

资料来源

• World Wide Web Consortium：《EPUB Accessibility 1.1》，发布或更新于 2024-10-17
• World Wide Web Consortium：《EPUB Accessibility Techniques 1.1》，发布或更新于 2025-03-13
• World Intellectual Property Organization：《Summary of the Marrakesh Treaty》，发布或更新于 2013-06-27