JIS X 8341-3:2016 における、「1.2.1 音声だけ及び映像だけ（収録済み）の達成基準」の原文は下記の通りです。
収録済みの音声しか含まないメディア及び収録済みの映像しか含まないメディアは，次の事項を満たしている。ただし，その音声又は映像がメディアによるテキストの代替であって，メディアによる代替であることが明確にラベル付けされている場合は除く（レベルA）。
A） 収録済みの音声しか含まない場合
時間依存メディアに対する代替コンテンツによって，収録済みの音声しか含まないコンテンツと同等の情報を提供している。B） 収録済みの映像しか含まない場合
時間依存メディアに対する代替コンテンツ又は音声トラックによって，収録済みの映像しか含まないコンテンツと同等の情報を提供している。
この達成基準は、収録済の音声しか含まないコンテンツ、または収録済の映像しか含まないコンテンツによって伝えられる情報を、すべての利用者が入手しやすくするものです。
「時間依存メディア」とは、映像や音声などのように、時間の経過に伴って変化するコンテンツを指します。このようなコンテンツに、テキストや、映像のみの場合は音声によって同等の情報を代替コンテンツとして提供することで、利用者にとってアクセシブルな情報とすることができます。
さらに、テキストによって情報が提供されることで、それを利用したコンテンツの検索などが容易になり、映像や音声コンテンツのファインダビリティ（findability）を向上させます。これはすべての利用者にとって大きなメリットをもたらすでしょう。
適合レベルは「A」に分類されています。
簡単な解説
具体的にどのような適合例が考えられるでしょうか。下記にいくつか挙げてみましょう。
- 例えば「議会での議長の演説」という音声ファイルが再生用のプレーヤーと共にウェブページ上に掲載されています。その際、音声ファイルの内容を書き起こしテキストが、同一ページ内にそれとわかる状態で掲載されています（音声しか含まないコンテンツに対するテキストによる代替コンテンツの提供）。
- ウェブページに、ある機械の操作手順を示したチュートリアル動画（映像のみ）が掲載されています。同ページ内には、動画で説明される各手順を書き起こしたテキストが掲載されています（映像しか含まないコンテンツに対するテキストによる代替コンテンツの提供）。
- 無音映画など、音声を含まない映像が掲載されています。映像コンテンツの隣にはわかりやすい形で書き起こしテキストへのリンクが設置されており、書き起こしテキストには、映像に字幕として表示される台詞などの情報がすべてあり、あわせて、例えば「喝采」「笑い」「走る車の中」など、映像を理解する上で重要な状況の説明なども記述されています（映像しか含まないコンテンツに対するテキストによる代替コンテンツの提供）。
- ウェブページに動画を掲載することで美術館内の展示品や様子が説明されています。その際、動画内に映し出されている内容、状況や動きなどは、映像と同時に再生可能な音声トラックによって説明されています（映像しか含まないコンテンツに対する音声トラックによる代替コンテンツの提供）。さらに、説明用の音声トラックに対してもテキストによる代替コンテンツが提供されているとなお良いでしょう。
このように、映像に対しては音声、あるいはテキストによる代替コンテンツを、音声に対してはテキストによる代替コンテンツを提供する必要があります。映像や音声コンテンツをウェブページに掲載する場合は、代替コンテンツの作成も含めて企画、予算や工数の確保、デザインや実装を行わなければなりません。
ただし、その音声、あるいは映像が「テキストによって提供されている情報の代替」であり、かつそのことが明示されている場合は例外として扱われます。
