Hi Jan,
das Consortium hat für Deine Probleme eine eigene Sprache entwickelt. Sie dient zur Darstellung von Multimedia-Inhalten.
Schau mal bei http://www.w3.org/AudioVideo/ rein.
Das ist allerdings nicht die schnellste Lösung :-) SMIL nennt sich die Technik. Wie sie funktioniert kann ich Dir auch nicht sagen.
Gruß OLE