Resumen

  • El primer borrador público de Media Session, publicado por el W3C en enero de 2020, dejaba que la página aportara metadatos y controladores de acciones. El navegador elegía como máximo una sesión activa para los controles del dispositivo.
  • Una pulsación conjunta de reproducir/pausar en los auriculares se interpretaba según el estado real de esa sesión. Los textos de 2021, 2023 y 2026 siguieron afinando el reparto entre plataforma y página.

La persona guarda el móvil y sigue escuchando una entrevista. Suena el teléfono; aprieta el botón de los auriculares para detenerla. En el navegador hay varios candidatos: la entrevista, un vídeo que quedó abierto y una pestaña que cree que cualquier silencio es una invitación para poner música. El botón físico no puede preguntar «¿a cuál de ustedes?». Alguien tiene que elegir la cabina que está al aire.

El primer borrador público Media Session del W3C, del 30 de enero de 2020, asignó al agente de usuario esa elección. La página podía ofrecer MediaMetadata, con datos del programa y una imagen para los controles del sistema. También podía registrar funciones para reproducir, pausar o pasar a otra pista. El navegador mostraba como máximo una sesión activa en la interfaz del dispositivo. El sitio producía el contenido; la plataforma ocupaba el puesto de coordinación.

La frontera es práctica. El botón dibujado dentro de una página pertenece a esa página. El botón de los auriculares y los controles de la pantalla bloqueada están fuera de ella. Cuando varias pestañas podrían responder, la plataforma necesita una identidad activa antes de llevar la orden a una función concreta. Pintar una portada bonita no otorga a ningún sitio la custodia permanente de los auriculares.

El texto de 2020 resolvía el caso de un botón que sirve para las dos cosas. Si la sesión activa está reproduciendo, la pulsación se convierte en pausa; en otro caso, en reproducción. El borrador de junio de 2021 mantuvo esa idea, los metadatos y setActionHandler. El navegador interpreta el gesto ambiguo; la página decide cómo reanudar un episodio, conectar un directo o avanzar en una lista. El mismo dedo no obliga a que todos los programas compartan código interno.

El borrador de octubre de 2023 seguía dedicando espacio a la sesión activa y a actualizar lo que el dispositivo muestra cuando cambia. Es trabajo de limpieza, pero se nota cuando falta. La portada del disco de ayer en la pantalla bloqueada mientras hoy suena un informativo confunde al oyente; un botón de «siguiente» enviado a la pestaña dormida lo enfada. El turno debe cambiar junto con el nombre y los controles.

El historial de publicaciones del W3C sitúa el primer texto público en 2020 y recoge las versiones de 2021, 2023 y 2026. El hilo que las une es hacer que un reproductor web tenga una presencia comprensible fuera de su pestaña. Un navegador que atiende auriculares tiene que dirigir tráfico entre páginas independientes y una superficie de control con espacio para una sola voz.

El borrador de junio de 2026 conserva la regla de como máximo una sesión activa, el estado de reproducción, la posición y un repertorio de acciones más amplio. La mesa de mezclas tiene más botones. El pacto sigue siendo reconocible: el navegador selecciona la sesión que presenta al sistema y la página seleccionada explica qué significa ejecutar cada acción.

Esto obliga al editor de audio a decir la verdad en dos sitios. El título y la imagen del programa que aparecen fuera del navegador deben corresponder al sonido real. Su función de pausa debe detener lo que la persona oye. El navegador puede llevar la orden hasta la puerta; no puede hacer que una lista de reproducción tenga sentido ni arreglar una función vacía. En los auriculares, esas promesas se comprueban al instante.

Cuando todo funciona, la experiencia es casi aburrida. Un toque detiene la entrevista; otro la devuelve. El oyente no ve el casting de pestañas ni la cabina de control, y puede dedicarse a escuchar.