Resumo

  • O primeiro rascunho público de Media Session do W3C, em janeiro de 2020, permitia que a página fornecesse dados do programa e tratadores de ações. O navegador selecionava no máximo uma sessão ativa para aparecer nos controles do aparelho.
  • Um único botão de tocar/pausar no fone era interpretado conforme o estado real de reprodução dessa sessão. Os textos de 2021, 2023 e 2026 continuaram a organizar o caminho entre dispositivo e página.

O ouvinte guarda o celular no bolso e continua escutando uma entrevista. Precisa interrompê-la, então aperta o botão do fone. O navegador abriga a entrevista, um vídeo esquecido e uma aba que acha toda pausa uma oportunidade de tocar som. O botão físico não sabe realizar uma reunião entre candidatos. Ele envia uma ordem. Falta escolher quem ocupa o estúdio naquele momento.

O primeiro rascunho público Media Session do W3C, de 30 de janeiro de 2020, entregou a escolha ao agente de usuário. A página podia oferecer MediaMetadata — título, autoria, imagem — para o aparelho mostrar fora da aba. Podia registrar funções para reproduzir, pausar ou avançar. O navegador apresentava à plataforma no máximo uma sessão de mídia ativa. A página preparava o programa; o navegador cuidava do balcão de distribuição.

Um botão desenhado dentro do site não resolve o problema do botão que mora fora dele. O fone, a tela bloqueada e a área de notificações pertencem à interface do aparelho. A ordem atravessa essa interface, chega ao navegador e precisa encontrar uma página específica. Várias abas podem ter um tocador; só uma pode ocupar o espaço comum que o ouvinte tem na mão.

O texto de 2020 tratava do caso mais engraçado: um único botão para duas ações opostas. Se a sessão ativa está tocando, o navegador pede pausa; caso contrário, pede reprodução. O rascunho de junho de 2021 manteve essa lógica junto de setActionHandler e dos dados do programa. O navegador traduz o gesto. A página sabe se «tocar» significa retomar um episódio do ponto certo ou reconectar uma transmissão ao vivo. A simplicidade do fone não obriga todos os serviços a funcionar do mesmo jeito por dentro.

O rascunho de outubro de 2023 continuou a descrever a sessão ativa e as atualizações quando a escolha muda. Parece serviço de faxina até a capa do álbum de ontem aparecer na tela bloqueada enquanto toca o noticiário de hoje. Pior: o comando de próxima faixa pode parar numa aba que já terminou seu expediente. Título, imagem e ações precisam acompanhar o programa que recebeu a vez.

O histórico de publicações do W3C começa com o texto público de 2020 e segue por 2021, 2023 e 2026. A sequência mostra o esforço de dar a um tocador da web uma identidade confiável fora da sua aba. O navegador, diante de várias páginas e um único painel de controle, faz uma escolha. Essa escolha é parte do produto que o ouvinte percebe, mesmo sem ver o processo.

O rascunho de junho de 2026 continua a limitar a apresentação a uma sessão ativa e a tratar metadados, estado, posição e uma lista maior de ações. A mesa ganhou teclas novas, mas mantém a mesma lógica: o navegador designa a sessão mostrada ao aparelho; a página designada executa a ordem. Um toque no fone não deve transformar cada aba em voluntária para o microfone.

Para quem publica áudio, título e capa na tela do aparelho são uma promessa sobre o que está tocando. O tratador de pausa é outra promessa: apertou, parou o som correto. O navegador consegue entregar a mensagem, mas não conserta uma lista de reprodução sem sentido nem uma função que ignora a pessoa. O ouvinte faz a auditoria com o ouvido.

Quando dá certo, ninguém pensa na mesa de som. Um toque pausa; outro devolve a entrevista. O DJ competente fica nos bastidores e deixa a história continuar.