摘要

  • W3C 2020 年首份公开 Media Session 草案允许网页提供节目元数据与操作处理函数；浏览器最多选择一个活跃会话，展示给设备控制界面。
  • 同一份草案把耳机的播放／暂停共用按键，按活跃会话的实际播放状态解释。2021、2023、2026 年文本继续整理设备按键与网页行为之间的转接。

听众把手机放进口袋，采访节目还在耳边。有人叫他，他按一下耳机暂停。浏览器此时也许还开着上班路上的歌单、午休时的视频和一个对声音怀着不切实际热情的广告页。耳机只有一个按钮，根本不打算主持全体标签页会议。谁在播，谁该收下这次按键，必须有人调度。

W3C 2020 年 1 月 30 日的首份公开草案把调度交给浏览器。网页可以用 MediaMetadata 提供节目名、创作者和图像，让锁屏等设备界面知道正在播什么；也可以注册播放、暂停、下一首等操作处理函数。浏览器至多把一个媒体会话作为活跃会话展示给平台。网页准备节目单，浏览器决定哪个节目占用设备的播控台。

为什么网页自己的播放按钮不够？因为耳机按键、锁屏按钮和通知栏控件都住在网页之外。它们发出的指令要穿过操作系统与浏览器，再抵达正确的页面。若三个标签页都能播放声音，给每个页面画一枚漂亮按钮也解决不了外部指令归谁的问题。调音台上的“当前节目”只能有一个。

2020 年草案连单键的尴尬也写明了：耳机常用同一枚键负责播放和暂停。浏览器先看活跃会话的实际播放状态；正在播，就交给页面一个暂停动作，否则交给它播放动作。2021 年 6 月的草案沿用这条思路和 setActionHandler。浏览器负责把手指那一下翻译成动作，网页决定“继续播放”究竟是从断点接上播客，还是重连一场直播。

2023 年 10 月的草案继续处理活跃会话变化后的平台更新。这个细节像后勤工作，缺了却很显眼：早上新闻已经开播，锁屏仍挂着昨晚的专辑封面；按“下一首”，休眠中的旧标签页倒先行动了。节目的身份、按键和实际声音要一起换班，听众才知道自己在控制什么。

W3C 发布历史从 2020 年首份公开草案排到 2021、2023 与 2026 年版本。时间线展示了同一个难题被反复打磨：网页里的媒体如何走出标签页，在设备自己的控制界面上保持一张可靠名片。浏览器此时不只是运送命令的电线，还得分配一个稀缺座位。

2026 年 6 月的草案仍规定平台至多呈现一个活跃媒体会话，同时把动作词汇扩到更多场景，并继续说明播放状态、进度与节目元数据。调音台按钮变多了，分工没变：浏览器选择谁上台，入选网页提供资料并执行操作。耳机只按了一下，不该让十个标签页一起抢麦。

对媒体网站来说，平台界面上的标题和封面是对听众的承诺。暂停处理函数也是承诺：按下去，耳朵里的声音应当停。浏览器能把指令送到门口，却不会替网站修好错误的节目名或空转的按钮。读者不需要知道 API 名称，就能听出是谁没做好功课。

协调成功时，事情平静得近乎无聊：按一下暂停，再按一下继续。最好的 DJ 在幕后，听众只听见自己想听的节目。