公益系列 · 060

信息无障碍技术:读屏、AI 视障助手与聋人实时字幕的技术现状

调研时间:2026 年 9 月 · 篇幅约 3.9 千字 · 面向读者:前端/移动端开发者、无障碍产品经理、公益技术团队
TL;DR 信息无障碍正从"合规适配"进入"AI 原生"阶段:读屏软件完成免费化(NVDA 开源、VoiceOver/TalkBack 系统内置);AI 视障助手跨过可用拐点(Be My Eyes 达到 100 万视障用户、1000 万志愿者,GPT-4 驱动的 Be My AI 覆盖 180 多种语言);实时字幕成为操作系统标配(Google Live Transcribe、Apple Live Captions),科大讯飞对中国听障用户提供终身免费转写并支撑了 2025 年央视春晚首次无障碍转播。但网页本身的合规率仍惨淡——WebAIM 年度百万首页检测中,94% 以上的页面存在可自动检测的 WCAG 错误。对开发者而言:先修基础语义(标签、焦点、对比度),再谈 AI 增强。

1背景与人群规模

信息无障碍指让视障、听障、肢体障碍与认知障碍群体平等获取数字信息。规模常被低估:WHO 口径下,全球至少 22 亿人有视力损伤(其中数千万为盲人),逾 15 亿人带不同程度听力损失、约 4.3 亿属致残性听损;中国持证及估推残疾人总数超 8500 万(新华网 2025 年报道口径),其中视障者约 1700 万(行业常引口径,估计)。这不是"少数群体",而是任何产品都无法长期忽略的基本盘。

政策环境在近三年显著收紧:中国《无障碍环境建设法》自 2023 年 9 月 1 日施行,把网站与 App 无障碍纳入法定义务;欧盟《无障碍法案》(EAA)自 2025 年 6 月 28 日起适用于电商、银行、电子书等大量数字服务;WCAG 2.2(2023 年 10 月发布)是当前国际事实标准。与此同时,技术范式变了——过去无障碍靠"人适配机器"(背快捷键、忍耐合成音),现在多模态大模型第一次让"机器适配人"成为可能,这是本篇的核心线索。

2技术现状一:读屏软件

100 万 / 1000 万
Be My Eyes 视障用户 / 志愿者(2025,覆盖 150 多国、180 多种语言)
94%+
WebAIM 百万首页年度检测中存在可自动发现的 WCAG 错误的页面占比(多年均值)
8500 万+
中国残疾人总数(新华网 2025 报道口径)

读屏(screen reader)是视障者操作电脑与手机的入口,它朗读界面元素并接收键盘/手势操作。格局已从"商业付费"转向"免费开源+系统内置":

读屏软件平台价格要点
NVDAWindows 10 及以上免费开源盲人工程师主导开发(NV Access),社区插件生态丰富,当前版本 2025.3.x;性价比之王
JAWSWindows商业订阅(数百美元/年级)老牌专业读屏,企业与政府场景存量大,中文支持一般
VoiceOveriOS/macOS 内置免费移动端体验标杆,中文语音质量好
TalkBackAndroid 内置免费国产手机多有定制,与系统深度绑定
争渡读屏、保益悦听、启明系列Windows/Android免费或低价国产读屏,中文语音与本土 App 适配更接地气

读屏的技术本质是消费"语义树":它读的不是像素,而是无障碍名称、角色、状态等语义属性。因此读屏能不能用,取决于应用开发者的语义标注——未加 alt 的图片、不可聚焦的自绘按钮、无标签的输入框,对读屏用户即"不存在"。WebAIM 每年对百万首页的自动检测显示,九成以上页面存在低对比度文字、缺失图片替代文本、空链接等可自动发现的基础错误——问题从来不是技术太难,而是没人把它当默认规范。

3技术现状二:AI 视障助手与实时字幕

AI 视障助手:从"人帮人"到"AI 先答、人兜底"

多模态大模型让"拍一张照片→得到自然语言描述"达到实用水平。代表性产品 Be My Eyes 原是"视障者视频求助明眼志愿者"社区,2023 年作为 OpenAI GPT-4 视觉能力的首发合作方上线 Be My AI,把常见问题(这瓶奶过期了吗、这件衣服什么颜色)交给 AI 即时回答,复杂求助再转志愿者——形成"AI 先答、人兜底"的分层服务。国内侧,新华网 2025 年报道"让 AI 住进眼镜"的导盲眼镜等智能辅具加速落地;中国盲文出版社联合科技公司于 2025 年 12 月上线国内首个聚焦盲童的"星光 AI 伴读小星"无障碍伴读系统;深圳启明等本土团队长期深耕盲用读屏与辅具。

聋人实时字幕:从专用 App 到系统级标配

机会点 实时字幕的瓶颈已从识别准确率转向"说话人区分、专业词表与嘈杂环境";面向会议、课堂、医院的领域定制字幕(含术语库自动加载)是小团队可切入的缝隙市场。

4主要案例

Be My Eyes:分层服务设计的教科书

2025 年 Be My Eyes 宣布视障与低视力用户突破 100 万、志愿者超 1000 万,覆盖 150 多个国家、180 多种语言,并成立基金会扩大全球可达性。它的三层结构值得所有无障碍产品借鉴:AI 层(即时、免费、7×24)、志愿者层(复杂判断、情感连接)、企业层(把企业客服接入平台,替代企业自建无障碍热线)。启示:不要用 AI 替代志愿者,用 AI 过滤掉 80% 的简单问题,把人的时间留给真正需要人的时刻。

2025 央视春晚首次无障碍转播

由科大讯飞提供实时字幕技术,采用"AI+人工协同"完成语音识别与转写播出,配合手语与音频描述形成完整无障碍直播方案。其意义在于示范了"无障碍转播"的标准配置(字幕+手语+口述影像三件套),也为地方媒体与政务直播树立了可复制的模板——这类国家级背书会迅速转化为采购需求。

5机会与风险

机会

风险一:AI 幻觉的安全代价 读错药瓶标签、漏报台阶的后果不可逆。AI 描述必须明示置信度,高风险场景保留人工通道,并充分告知用户这是辅助而非替代。
风险二:隐私 实时字幕与视觉描述持续上传音频/影像,涉及敏感对话与医疗信息;须本地优先、最小化采集、明确数据留存策略。
风险三:把 AI 当遮羞布 "我们上了 AI 无障碍"掩盖不了缺失的语义标注——法规检查(无障碍环境建设法、EAA)依据的是 WCAG 式的可判定标准,AI 增强不计分。

6行动建议