kind="descriptions" 不用于音频描述，而是提供同步文字旁白；真正音频描述需用 kind="metadata" 配合 JS 控制播放。

track kind="descriptions" 的实际作用不是给视障人士听的

直接说结论：kind="descriptions" 在规范中**不用于音频描述（audio description）**，而是为视频提供**同步的文字性旁白说明**，比如解说画面中未用语音表达的视觉信息（“镜头缓缓推进，一张泛黄的老照片出现在桌面”）。它默认渲染为字幕样式，浏览器不会自动转成语音；屏幕阅读器通常也不会主动朗读它——除非用户手动聚焦到该轨道对应的 <div> 或启用了特定辅助功能模式。

真正给视障人士提供音频描述要用 kind="metadata" + JS 驱动

W3C 明确将音频描述归类为元数据轨道，需配合脚本控制播放逻辑。关键点：

• kind="metadata" 是唯一被广泛支持用于音频描述的取值，且必须搭配 srclang 和 label
• 浏览器不会自动播放该轨道，必须监听 timeupdate 事件，检测当前时间点是否匹配描述触发区间
• 实际播放需用 <audio> 元素或 Web Audio API 加载独立的 AD 音频文件（不能直接“播放 track”）
• 示例结构：

  <video controls>
    <source src="movie.mp4">
    <track kind="metadata" src="ad.vtt" srclang="zh" label="音频描述">
  </video>

  其中 ad.vtt 内容需是带时间戳的文本描述，再由 JS 解析并触发对应音频

VTT 文件里写 descriptions 时容易忽略的兼容细节

即使用了 kind="metadata"，VTT 文件格式不对也会让 JS 解析失败：

Article To Html

文章转信息图。将文章/笔记转化为手机可读的 HTML 信息图，自动匹配视觉风格。触发场景：文章转图、笔记转图、信息图、转小红书图、做张图、可视化这篇文章、文生图。

下载

• 必须以 WEBVTT 开头，且首行后要空一行
• 时间戳格式严格为 HH:MM:SS.mmm --> HH:MM:SS.mmm，毫秒必须三位（如 00:01:23.450），少一位或用逗号会解析失败
• 每段描述前要加唯一 ID 行（如 1），否则部分旧版浏览器的 track.track.cues 可能为空
• 避免在描述文本中使用 HTML 标签——VTT 不支持渲染，但某些屏幕阅读器可能误读转义字符

无障碍落地的关键不在标签，而在播放器逻辑

很多开发者以为加了 <track kind="descriptions"> 就算完成音频描述支持，其实完全相反：

立即学习“前端免费学习笔记（深入）”；

• 原生 <video> 控件根本不识别 kind="descriptions"，也不提供切换开关
• 必须自己实现 UI 控件（如按钮），并绑定 track.mode = "showing" ——但这只影响字幕显示，和音频无关
• 真正的音频描述需要监听视频播放位置、预加载 AD 音频片段、处理暂停/快进时的中断逻辑，甚至要考虑多语言 AD 轨道的并发管理
• 最常被跳过的一步：在 <video> 上设置 aria-describedby 指向动态生成的描述容器，让屏幕阅读器知道当前有可读描述

音频描述不是加个 track 就能生效的功能，它是嵌入在播放器行为里的实时语音合成或音频注入过程。没 JS 控制，kind 值设成什么都只是静态文本。