AI 能描述图片,为什么替代文本仍然需要人审?

把网页里的图片暂时拿掉,剩下的文字是否仍然足够让人理解内容、找到链接并完成操作?这个问题比“模型能不能认出图片中的对象”更接近替代文本的目标。对使用屏幕阅读器的人而言,一句读起来流畅的图片描述,如果没有传达图片在当前页面的作用,仍然可能留下信息缺口。

AI 可以帮助起草替代文本,也可能把视觉识别中的错误和缺少语境的问题带进网页。可靠的编辑流程应先判断图片为什么出现在这里,再决定需要什么文字,最后用实际阅读与操作检验结果。下文依据 W3C WAI 图像教程和 2021 年一项替代文本创作研究,讨论怎样把这项工作做得可检查。

黑白手绘画里读屏器把网页图片的信息传给佩戴耳机的人
AI 生成配图 · 黑白独立杂志手绘 · 未完纪

一张图的用途,决定它需要说什么

同一张狗的照片放在犬种介绍、社区活动海报和页面装饰中,承担的功能不同。犬种介绍可能需要相关外观信息;活动页面可能需要说明照片展示的活动;如果图片只是装饰,而所有必要内容都已在正文里,额外朗读长描述反而增加负担。不存在一条只看像素就永远正确的替代文本。

W3C WAI 的决策树先检查图中文字、图片是否承担链接或按钮功能,以及它是否为当前内容提供意义。简单信息图可以使用简洁描述,复杂图表需要在其他位置提供更完整的信息,纯装饰内容通常使用空替代文本。这个框架处理的是信息和用途,而不是让每张图都尽可能多说几句。W3C 替代文本决策树

空替代文本和没有提供替代文本也应区分。对于纯装饰的图片,alt="" 明确表示无需朗读;如果直接遗漏属性,辅助技术可能用文件名等内容代替。另一方面,如果图片是一个链接的唯一内容,随意设为空又可能使链接没有可理解的名称。判断应在整块控件和上下文中完成。

图片按钮需要动作,信息图片需要意义

放大镜作为搜索按钮时,用户需要知道它会执行搜索,而不是听到“一个圆圈连着一根斜线”。同理,打印图标通常应传达打印功能。W3C 的功能性图片教程强调,替代文本应说明行动或目的,而非只描述外观。功能性图片教程

如果图标旁边已经有“搜索”文字,而且它们共同构成同一个按钮,重复朗读图标与文字也可能造成噪声。编辑者应检查控件最终的可访问名称,而不能单独看图标字段。视觉上很清楚的组合,在页面代码与辅助技术中未必按照人预想的方式组织。

信息图片则要找出与正文相关的差别。假设一篇文章比较两种折叠方式,图片里桌面的颜色通常不重要,折痕方向才重要。AI 如果只输出“桌上有一张纸”,视觉识别未必错,却没有提供文章依赖的信息。让编辑在生成前标记“这张图要解释哪一个差别”,能把审阅从语言润色推进到意义核对。

这也说明为什么不宜把文件名或附近标题直接复制为所有图片的替代文本。标题可能只说“实验结果”,没有表达图中结果;也可能正文已经完整说明,而图片无需再重复。上下文应帮助选择信息,而不是机械地成为一段固定模板。

打开 HTML 互动演示 · 换一个网页场景,替代文本要怎么变?

起草时给模型什么,才能减少无效描述

一个有用的 AI 起草输入,除了图片,还应包含图片用途、页面主题、相邻正文以及链接目标。对于产品图,应说明当前页面是在展示外观、比较差异还是引导购买选项;对于教学图,应说明读者需要据此理解哪个步骤。模型仍可能出错,但这些信息至少把任务从“泛泛描述”变成“为具体用途补足内容”。

编辑界面可以先要求作者写一句用途,再显示候选描述,并把模型尚不确定的文字、对象或关系标出来。这样做属于根据 W3C 原则提出的工作流设计,不是 W3C 对某种 AI 产品作出的性能背书。自动生成只是提供草稿,发布责任仍然需要通过实际审阅体现。

初稿应避免没有依据的推断。模型看到一位人物皱眉,不应自行断言其职业、病情或真实想法;看到实验装置,也不应凭外观补出正文没有证实的测量结论。若某项身份或结论对文章必要,来源应来自经过核对的编辑信息,而非视觉猜测。

对于图片中的文字,核对要具体到必要内容。日期、地址、单位和符号的识别错误,可能比形容词不准确更影响任务。如果相关文字已经作为真实文本出现在页面上,可以按语境避免重复;如果只有图里有,则需要提供等效信息,而不是一句“带有文字的海报”就结束。

复杂图表不能只靠一句概括

图表、流程图和地图往往包含多层关系。一句“柱状图显示销量变化”既没有提供数值,也没有说明变化方向。W3C 的复杂图片教程提出,短描述用于识别图片及引导读者寻找详细说明,长描述则传达必要信息。详细说明可以放在正文或关联内容中,让更多读者都能使用。复杂图片教程

以下是纯假设案例:一张柱状图比较三个组,数值分别为十、二十和十五。短描述可以说明它在比较三组结果,正文或数据表则列出组名、数值和单位,再说明文章关注的差异。若纵轴截断、误差线或样本量影响理解,也要在相应说明中交代。这里的数字只用于演示编辑方法,不代表任何实际研究。

AI 可以帮助把已核对的数据表改写为概括,但最好不要让模型从低分辨率图像估读数值后直接发布。图像识别与文本概括是两项独立误差来源,把原始数据提供给后者能够减少一层不确定性。编辑仍需检查排序、单位、增长与下降方向,以及模型是否把相关性写成因果关系。

流程图还需要顺序和分支条件。逐个念出方框文字,不一定能让人知道哪一步通向哪一步。对于复杂关系,可以提供结构化段落或列表,而不是把全部内容塞进很长的单个属性。替代方案是否充分,要看读者能否完成原图支持的理解任务。

人审要防止被流畅初稿带着走

2021 年 Mack 等研究了替代文本创作与自动文本反馈界面,并访谈屏幕阅读器用户。研究发现,在其特定原型和任务中,作者从自动替代文本开始编辑,最终质量低于从空白框开始;作者与使用者对高质量的理解也存在差别。它并未证明所有后来模型都会得到同样结果,却提醒我们,默认草稿可能影响人注意到什么。原始研究

因此,审阅不应只是把初稿中的错别字改掉。可以先不看草稿,独立写下图片必须传达的两三项信息,再与候选比较。这样较容易发现模型遗漏了核心关系,或加入了无关细节。对于承担关键操作或重要解释的图片,第二位审阅者可以从用户任务角度复查,而非重复做语法检查。

错误记录也应分类。对象认错、文字读错、遗漏功能、重复正文和臆测身份,需要不同修正。若所有反馈都写成“描述不够准确”,开发者很难判断该改识别、上下文输入还是编辑界面。清楚的错误类型还方便建立后续回归样本,检查一次模型更新有没有改善旧问题。

用任务完成情况评价,而不只比较文字相似度

两条替代文本使用不同词语,也可能提供同样有效的信息;两条词语很相似的描述,也可能因为一个单位或方向错误导致误解。单纯和参考答案比较文本相似度,不足以判断无障碍质量。更直接的评价,是让参与者在使用辅助技术的条件下完成阅读、查找和操作任务。

评价样本应包括装饰图、唯一内容的图片链接、正文插图、带文字的图片和复杂图表。比较人工从零创作、无语境的自动描述,以及提供语境后人审的流程,才能了解工具在哪些任务真正节省时间。除完成率外,还可以记录理解错误、重复操作和编辑时间,但不应把快几秒自动等同于体验更好。

屏幕阅读器检查可以发现朗读顺序、重复名称和链接用途不清等问题。它仍然不能替代有实际使用经验的人参与评价,因为熟悉页面的开发者可能知道下一步在哪里,而第一次访问的读者并不知道。参与者意见也可能不同,研究应呈现任务和偏好差异,而不是寻找一条适合所有人的最长描述。

替代文本也需要随页面一起维护

一张图片从教程移到营销页面,其功能可能已经改变;一个原本带文字的按钮在移动布局中只剩图标,也需要重新检查名称。替代文本的有效性依赖当前语境,因此不能把图片上传时填写一次视为永久完成。内容管理流程应让用途变化能够触发复核。

AI 在这里适合承担可重复的辅助工作:提示缺失项、起草候选、核对图片与给定文字是否一致,帮助编辑整理复杂说明。它是否减少劳动,应由真实任务和质量验证决定。给每张图自动补上一句话,只增加字段覆盖率;让看不到图片的读者仍然能够理解和行动,才是这项工作的结果。

参考资料

© 版权声明
THE END
喜欢就支持一下吧
点赞40