AI 无障碍：用途、工具与局限实用指南

AI 无障碍是指利用人工智能（AI）帮助残障人士阅读、收听、说话和浏览数字内容，并确保 AI 工具本身具备无障碍性。

本指南将介绍 AI 如何满足不同的无障碍需求、利用 AI 提升数字内容无障碍性的最佳实践、如何检查结果、如何判断 AI 工具本身是否具备无障碍性，以及 AI 在无障碍领域仍存在哪些不足。

什么是 AI 无障碍？

AI 无障碍包含两层含义：服务于无障碍的 AI，以及 AI 自身的无障碍性。

服务于无障碍的 AI，是指利用 AI 让残障用户和有学习困难的用户也能无障碍地获取内容。

AI 驱动的无障碍工具可以帮助用户获取原本无法访问的内容，完成原本极其困难甚至根本无法完成的任务。

例如，文本转语音工具让盲人能够“阅读”书面文字，而听写和单词预测功能则让阅读障碍者更容易通过书面文字进行交流。借此，这些工具在一定程度上弥补了他们在个人生活、学业或职业中面临的不利处境。

AI 工具还能帮助创建无障碍内容，例如为盲人读者提供的图片替代文本，或为聋人和听障观众提供的视频字幕。

当我们谈论 AI 自身的无障碍性时，指的是 AI 工具本身的无障碍性。例如，手部灵活性受限的人能否仅通过键盘或语音来操控它，或者所有字段和按钮是否都为屏幕阅读器做了清晰的标注。

AI 如何为残障人士提供支持

多年来，辅助技术一直在使用 AI，例如光学字符识别（OCR）、语音识别和文本转语音工具，为残障用户和有学习困难的用户提供帮助。

生成式 AI 则更进一步。它能创作新的内容，例如图片描述、摘要或字幕。

以下介绍了 AI 如何满足从视觉障碍到认知障碍等不同的无障碍需求，以及它会在哪些方面出错：

如何利用 AI 提升内容的无障碍性

AI 工具可帮助内容创作者和发布者达到《Web 内容无障碍指南》（WCAG）中规定的无障碍标准。它们可以起草替代文本、字幕和音频描述，将文章转换为音频，并用通俗易懂的语言改写复杂文本。

为图片、图表和信息图编写替代文本

使用 Perplexity 等 AI 助手为图片、图表和信息图起草替代文本（alt 文本）。屏幕阅读器会朗读替代文本，因此好的描述能让盲人和低视力读者获得图形所传达的信息。

以下是 Perplexity 为一张条形图生成的替代文本及更详细描述的示例：

放大

提示词如下：

为这张图表编写替代文本：用一两句话说明它展示了什么及其主要结论。然后编写一段更详细的描述，涵盖每一个趋势、数值、标签和数据点，详细到看不到图表的人仅凭描述就能完全理解。最后，列出所有你无法看清或不确定的内容，以便我对照源数据进行核实。

为视觉内容编写替代文本时：

• 为视觉内容提供简短版和详细版：编写一句话的替代文本，并附上数据或更详细的描述。
• 围绕用途编写：WCAG 要求文本替代内容能够起到与图片同等的作用。为此，AI 助手可能需要了解图片为何出现在文中，因此请提供更多上下文，例如文章正文。
• 核对每个数值：将描述中的每个数字与源数据进行比对，尤其是较小的标签和数字，以防 AI 误读。
• 将装饰性图片标记为装饰性：为纯装饰性图片设置空的 alt 属性（alt=""），让屏幕阅读器跳过它们。（省略该属性并不可行，因为正如 W3C 图片教程所解释的，某些屏幕阅读器会转而读出文件名。）

创建视频字幕和音频文字记录

如今，许多 AI 助手都支持上传音频和视频文件并进行转录。

字幕和文字记录让听不见的人也能获取语音内容。聋人和听障观众依靠字幕观看视频，依靠文字记录了解播客或通话录音的内容。对于更喜欢阅读或搜索内容而非收听的人来说，它们同样很有帮助。

Perplexity 和其他 AI 助手可以转录视频和音频文件并标注说话人，但专用的转录和字幕工具能加快这一过程。例如，Otter.ai 和 Sembly AI 可以转录音频文件和会议并标记说话人，而 Descript 和 Tella 等视频编辑工具可以自动生成字幕。

WCAG 的字幕标准（1.2.2 适用于录制视频，1.2.4 适用于直播视频）涵盖对话、说话人以及有意义的音效，因此请检查字幕中是否也包含说话人切换以及笑声等声音

AI 工具经常弄错人名或产品术语，因此请将录音中出现的人名和术语整理成术语表提供给 AI 助手，并将这些术语添加到字幕或转录工具提供的自定义词汇表中。

为视频添加音频描述

音频描述是录制视频的 AA 级要求（WCAG 1.2.5），用于向看不见画面的人说明音轨无法传达的内容，例如动作、场景切换、面部表情或屏幕上的文字。

手动编写描述耗时费力，因此 Verbit、3Play Media 或 ScreenPal 等专用工具现在会利用 AI 来起草描述并为其配音。

AI 起草的内容仍需人工编辑。在一项由 RNIB 委托、萨里大学于 2025 年开展的研究中，AI 生成的 BBC 节目描述“经常缺乏准确性、连贯性和语境意识”，并且会认错角色。

编辑描述时，只保留观众理解视频所需的内容，并将描述放在对话的自然停顿处。

用通俗易懂的语言改写复杂的书面内容

生成式 AI 工具可以改写、缩写、重组和解释文本。对于有认知、学习或注意力差异（例如阅读障碍或 ADHD）的人来说，长句、专业术语和大段文字难以理解，而这些工具可以将晦涩的书面内容转换为更清晰的版本。

当文本所需的阅读能力超过初中教育水平（约九年学校教育）时，WCAG 建议提供更简单的版本或补充内容（标准 3.1.5，AAA 级）。

以下是一个示例提示词，你可以对其稍加调整，用于改写文档：

用通俗易懂的语言改写[附件中的育儿假政策]，面向可能以英语为第二语言或患有阅读障碍或 ADHD 的员工。目标阅读水平为 12 至 14 岁的人能够理解。所有[资格规则、截止日期、天数和表格名称]均须与原文完全一致。每句话不超过 20 个词，且每句只表达一个意思。先用两句话概括[谁符合资格以及如何申请]。将[申请]流程改为编号步骤，在每个部分前添加简短标题，并在[“应计”]或[“法定薪酬”]等专业术语首次出现时，在括号中加以解释或替换。所有缩写在首次使用时都要写出全称。

AI 可能会遗漏重要细节、改变原意，而表面上却看不出问题，因此请对照原文进行检查，并在发布前请熟悉该主题的人确认没有遗漏重要内容。

为书面内容制作音频版本

音频版本让人们可以收听文章或文档，从而让视力丧失者以及有读写相关学习困难（例如阅读障碍）的人更容易获取内容。

放大

AI 语音生成器可将文本转换为自然流畅的语音。例如，ElevenLabs Audio Native 可为文章创建可嵌入的配音播放器，而 Amazon Polly 可将文本转换为可供发布的语音文件。

两者都允许你设置人名、首字母缩略词和产品术语的发音。请先检查这些内容，以免让听众感到困惑。

在页面中嵌入音频版本时，请确保音频播放器支持键盘操作，并且控件标注清晰。为长篇内容添加简短摘要，并在文本更改时及时更新音频。

提升网站的无障碍性

自动检查工具和 AI 编程助手可以很好地配合使用：检查工具负责发现网站代码中的问题，助手负责修复这些问题。

首先使用 Axe 等自动化网页无障碍检查工具，它会根据固定规则测试页面，并标记出不合格项，例如颜色对比度低、按钮和链接缺少名称、表单字段缺少标签等。然后将报告和页面代码，连同需要遵循的无障碍规则一起提供给编程助手：

我对这个页面运行了自动化无障碍检查工具，附件中有检查报告和页面代码。请修复每一个不合格项，使页面符合 WCAG 2.2 AA 标准，用一句话解释每项更改，并保持正确的代码不变。

构建新网站时，请预先将这些规则提供给 AI 助手。

在 Microsoft 于 2026 年 5 月对八个 AI 模型进行的测试中，在没有无障碍指令的情况下构建的页面只有 12% 通过了自动检查。添加一份约 100 行的 WCAG 2.2 编码规则清单后，平均通过率提高到 60%。将这些指导打包为可复用的技能后，通过率提高到 82%；而让模型运行测试并修复自己的代码后，通过率提高到 86%。

放大

正如 Microsoft 的报告所指出的，自动化测试只能发现部分无障碍问题，因此即使页面通过了所有检查，也可能仍然难以使用。

要警惕 AI 无障碍覆盖层，即那些号称一行代码就能让网站合规的小组件。2025 年 1 月，美国联邦贸易委员会责令 accessiBe 支付 100 万美元，原因是该公司声称其 AI 小组件可以让任何网站符合 WCAG 标准；2025 年 4 月的最终裁决禁止该公司在没有证据的情况下发表此类声明。

AI 在无障碍领域的局限性

AI 扩大了可及性，但也带来了隐私风险，而且其输出可能不可靠并存在偏见。

隐私问题

辅助性 AI 会处理敏感信息：摄像头拍到的信件、文件和药品标签，对话录音，以及可能暴露残障情况的细节。

这些数据的隐私程度在很大程度上取决于工具在哪里处理数据。

有些工具（例如 Apple 的 Personal Voice）完全在设备端处理所有内容，而另一些则依赖云端。例如，Be My Eyes 的 Be My AI 会将照片发送到 AI 提供商的服务器以生成描述。

另一个主要问题是供应商是否会使用用户数据训练其模型。

可靠性问题

AI 工具（包括 AI 驱动的无障碍技术）可能会出错，而这些错误对残障人士造成的伤害更大。

在一项 2026 年发表的、针对 20 名盲人和低视力者的日记研究中，对后续问题的回答有 22% 包含错误信息；当 AI 读取文本或图形时，这一比例上升到 35%（不过，AI 给出的大多数初次描述是准确的）。

一旦出错，就可能造成实际伤害。在美国盲人基金会于 2025 年开展的一项调查中，使用 AI 图像描述的盲人和低视力者中有 21% 表示曾因 AI 的错误而受到伤害，而视力正常的用户中这一比例为 9%。在使用 AI 字幕的聋人和听障者中，这一比例为 24%，而非残障用户中为 4%。

报告作者给出了两个原因：残障用户往往无法对照原始图像或音频检查输出内容，而且有些人会在风险较高的情境中使用这些工具，例如阅读药品标签或财务文件。

偏见与训练数据

某些 AI 工具（例如语音识别工具）对残障人士的效果可能不佳，而训练数据有限是部分原因

Speech Accessibility Project 于 2024 年发表的一篇论文指出，在 2008 年至 2023 年间，构音障碍言语识别的最佳错误率下降到原来的三分之一，而其他说话人的则下降到原来的五分之一。作者认为数据缺乏是主要原因之一。该项目 2025 年的后续论文则表示，这一差距部分是由于缺乏数据造成的。

不过，数据并不是问题的全部，模型的工作方式也是原因之一。

包容性设计研究中心（Inclusive Design Research Centre）的 Jutta Treviranus 在 W3C 2023 年 AI 与无障碍研究研讨会上发表主题演讲时指出，AI 系统对接近平均水平的人很准确，而对偏离平均水平最远的人则会失效。

她在一篇2024 年的文章中补充道，在训练数据中纳入更多残障人士并不能消除这个问题，因为模型仍然偏向平均值：“即使训练数据中残障人士的占比完全公平、合乎比例，机器仍然会偏向统计意义上的平均水平。”

如何选择无障碍 AI 工具

在组织内推广 AI 工具时，它必须适用于所有人，包括残障人士或有学习障碍的人。

放大

在选定工具之前，请检查它是否符合以下标准：

• 带标签的控件：每个按钮和字段都有辅助技术可以读取的名称，且名称能说明控件的作用：例如“发送”，而不是“按钮”（WCAG 4.1.2 和 1.1.1）。
• 完整的键盘操作：仅使用键盘即可输入并发送提示词、在回复之间切换以及复制回复，并有可见的焦点指示器显示当前位置（WCAG 2.1.1 和 2.4.7）。
• 会播报的状态消息：诸如“正在生成答案…”之类的消息无需移动焦点即可传达给屏幕阅读器（WCAG 4.1.3）。
• 结构化、可复制的输出：回复使用真正的标题和列表，复制时保留格式，并且你可以要求以纯文本形式输出。
• 时间：如果会话会超时，你可以关闭时间限制、将其延长至默认时长的至少十倍，或者收到警告并有至少 20 秒时间进行延长（WCAG 2.2.1）。
• 缩放：在 400% 缩放（视口宽度为 320 像素）下，内容会重排为单列，无需横向滚动即可阅读（WCAG 1.4.10）。
• 支持每个人自己的辅助技术：该工具支持第三方屏幕阅读器及其设置，而不是用内置功能取而代之。这并非 WCAG 准则，但它决定了用户能否继续使用自己已经熟悉的配置。
• 易读的对比度：提示框中的文本（包括占位文本）以及回复中的文本均达到 4.5:1 的对比度（WCAG 1.4.3）。
• 可发现的错误提示：当上传失败或提示词被拒绝时，工具会用文字加以说明，而不只是通过颜色变化或图标来提示（WCAG 3.3.1）。

许多供应商会发布无障碍合规报告（ACR），即信息技术产业协会（Information Technology Industry Council）自愿性产品无障碍模板（VPAT）的填写版本。它会根据每项无障碍准则对产品进行评级，因此是在试用前比较各类工具的实用方法。

AI 无障碍常见问题

辅助技术有哪些例子？

常见的辅助技术包括屏幕阅读器、字幕和转录工具、语音识别和语音控制、辅助与替代沟通（AAC）设备，以及开关控制或替代键盘。如今，其中许多技术都由 AI 驱动，尤其是字幕、语音识别和图像描述。

WCAG 是否有法律强制要求？

WCAG 本身是 W3C 标准，而非法律，但有些法律会引用它或设定类似的要求。

例如，在美国，司法部的 ADA 第二编规则要求州和地方政府的网页内容和移动应用达到 WCAG 2.1 AA 级：服务人口在 5 万及以上的政府须在 2027 年 4 月 26 日前达标，规模较小的政府和特别区须在 2028 年 4 月 26 日前达标。联邦机构遵循第 508 条，其标准纳入了 WCAG 2.0。

在欧盟，《欧洲无障碍法案》适用于电子商务、个人银行业务或电子书等产品和服务，但并未直接引用 WCAG。实际上，大多数组织会采用 WCAG 和欧洲标准 EN 301 549 来满足该法案的要求，而 2026 版 EN 301 549 采用的是 WCAG 2.2。

无障碍的四大原则是什么？

WCAG 将其指南归入四大原则：可感知、可操作、可理解和稳健。WCAG 的 13 条指南隶属于这四大原则，每条指南都包含可测试的成功标准，供审核时对照检查。