AI 作为无障碍工具：哪些有效，哪些无效

一个真正的转折点——但有一些前提

人工智能正在改变残障体验，其影响的程度从真正具有变革性到被过度炒作不等。实时字幕、图像描述、文本简化和语音控制界面近年来都有显著改善，对许多残障人士而言，AI 驱动的工具实实在在地改变了日常生活中的可能性。

但 AI 在无障碍领域也被以一些行不通的方式应用——或者在声称解决排斥的同时又制造出新的排斥。无障碍覆盖层（overlay）承诺以 AI 驱动实现即时合规，结果两者都未能兑现。训练数据的偏见意味着某些 AI 系统对残障用户的表现明显逊于对更广泛人群的表现。而高质量 AI 无障碍工具的成本，对最需要它们的人来说仍然是一道门槛。

诚实地审视 AI 与残障，意味着要同时承认这两面。

AI 真正能够实现什么

实时字幕

自动语音识别（ASR）已经取得了长足进步。AI 驱动的实时字幕——通过 Google Live Captions、Microsoft Azure Cognitive Services 等系统，以及由 AI 增强的 CART（Communication Access Realtime Translation，实时通信访问翻译）等专门工具——如今已能生成准确到在现场场景（会议、讲座、活动）中真正实用的字幕。

对于聋人和听力障碍用户，这代表着一项有意义的实际改进。十年前，准确的实时字幕需要人工速记员。如今，AI 系统能够生成错误率足够低的字幕，从而在大多数场景下支持有效沟通——尽管在高风险场合中，人工审核仍然很重要。

准确度会因口音、背景噪音、专业词汇和语速而异。口音非标准的用户（其中包括许多非英语母语者）常常发现当前的 ASR 系统对他们的准确度远低于对母语者的准确度——这是一种植根于训练数据的偏见，至今仍是一个悬而未决的问题。

图像描述与替代文本生成

计算机视觉系统如今能够生成准确度足以实用的图像描述。Microsoft Seeing AI、Google Lookout，以及 iOS 和 Android 中的图像描述功能等工具，可以为盲人和低视力用户实时描述照片、文档和场景。

对于网站而言，AI 生成的替代文本相较于常见的替代方案（完全没有替代文本）是一项有意义的改进。社交媒体平台已经大规模部署了 AI 替代文本生成，尽管这些描述往往比较笼统，但它们总比沉默要好。

其局限在于：AI 生成的替代文本无法可靠地传达图像在具体语境中的含义。它能说”一群人站在一栋建筑前”，却说不出”QualiBooth 团队在 2025 年 Web Summit 上”。传达图像为何重要的人工撰写替代文本，仍然是黄金标准。关于实用指导，请参阅我们的撰写无障碍社交媒体内容指南。

文本简化

大语言模型能够将复杂文本——政府文件、法律条款、医疗信息——简化为通俗易懂的语言，让有认知障碍、学习障碍或较低识字水平的人也能理解。这一应用具有真正的潜力，尤其适用于那些机构在法律上被要求发布、但本身内容固有地复杂的内容。

挑战在于：AI 简化可能引入错误。简化后的输出应经过人工审核。而且”正确”的简化因用户而异——对读写障碍者有帮助的，可能与对智力障碍者有帮助的有所不同。

语音控制与听写

对许多有运动障碍的用户来说，AI 驱动的语音控制已成为键盘和鼠标的实用替代方案。Dragon NaturallySpeaking、Windows Speech Recognition 以及 iOS/Android 语音控制利用机器学习，随着时间推移逐步提升对个别用户的准确度。

过去十年这些系统的质量提升是显著的。对于患有多发性硬化症、ALS（肌萎缩侧索硬化症）或严重关节炎等状况的用户，语音控制实现了在早期技术下难以获得的独立性。

其不足在于：语音控制的准确度仍会因麦克风质量、背景噪音和说话方式而有明显差异。有构音障碍（dysarthria，影响许多脑瘫或中风患者）的用户可能会发现当前的语音识别系统对他们的效果不如对清晰、典型的语音——这是一种存在于无障碍工具内部的持续无障碍差距。

AI 在哪些方面存在不足

训练数据中的偏见

AI 系统从数据中学习。当用于训练系统的数据对残障人士代表不足——或主要在病理化或刻板化的语境中呈现他们时——所产生的系统可能对残障用户表现更差、误解与残障相关的内容，或强化有害的假设。

这并非纸上谈兵。研究已经表明，ASR 系统对有构音障碍或非典型语音模式的说话者准确度较低。人脸识别系统对不符合训练数据中人口统计规范的用户识别准确度较低。基于历史数据训练的招聘筛选算法可能会对残障申请者不利。

开发对残障用户效果良好的 AI，需要将残障人士纳入设计和测试过程——不是作为事后补充，而是从最早阶段起就作为参与者。

无障碍覆盖层：AI 洗白

AI 驱动的无障碍覆盖层声称能够自动检测并修复网站上的无障碍问题。它们被大力推销，并常常声称能即时实现对 WCAG 或 ADA 要求的合规。

它们并不奏效。覆盖层无法修复导致无障碍缺陷的底层代码障碍。它们经常干扰用户本已依赖的辅助技术——屏幕阅读器行为异常、键盘导航失效、覆盖层本身引入新的障碍。而且它们已经出现在越来越多的无障碍诉讼中，成为被告知晓无障碍问题却选择用一个非解决方案来替代真正整改的证据。我们在关于真正的数字无障碍的文章中对此有详细介绍。

可负担性与可及性

最有效的 AI 无障碍工具往往价格昂贵、依赖硬件或采用订阅制。本已在设备、医疗保健和辅助技术上面临更高成本的残障用户，往往无法负担那些提供最佳无障碍支持的 AI 服务高级套餐。

通用设计——将无障碍融入主流产品，而不是依赖用户购买专门工具——仍然是最公平的方式。

这对我们的设计方式意味着什么

AI 在残障领域所扮演角色的最重要含义，并不是 AI 工具会替我们解决无障碍问题。它们不会。无障碍设计的基线——语义化 HTML、键盘可操作性、恰当的标签、充足的对比度——仍然是人类用户和 AI 工具共同依赖的基础。

AI 所改变的，是在这一基础之上向用户提供的支持。当基础稳固时，AI 驱动的工具可以扩展并放大可能性。当基础破损时，AI 工具则是在试图弥补一个本应被正确构建的东西。

构建无障碍的数字产品。然后 AI 辅助技术才能真正帮助到使用它们的人。

如果您想了解自己当前的数字产品在这一基础上的状况，运行免费扫描，或就一次全面的无障碍审查与我们的团队交流。