发布前先查 AI 生成的 alt 文本:先看功能;不编造细节;图里的文字要抄录;装饰图保持沉默

本文译自 kikomono.com 英文原文《Check AI-generated alt text before you publish it》,作者 Rita。原文链接:https://kikomono.com/ai-tools/check-ai-alt-text-before-publishing/

视觉模型几秒就能起草 alt 文本,而且草稿读起来通常不错。但它描述的是像素,不是用途:它分不清这张图在你的页面上是干什么的,可能编出一个图片里没有的名字、数字或词语,还会一本正经地描述一条本该沉默的装饰分隔线。WCAG 1.1.1 要求的是能起到等效作用的文本替代——只有了解这个页面的人才能判断。下面这套五分钟检查,在图片上线之前跑一遍。

一句话答案

alt 文本只有一项工作:让看不见图片的人,获得和其他人从图片里获得的相同信息。AI 写第一稿很拿手,剩下的部分不可靠。它看得见物体、颜色和场景;它不知道这张图是产品、链接、图表,还是装饰。所以每一份生成的草稿都要当作未经审核的文案,而不是已经完成的无障碍修复。下面的检查每页大约五分钟,能抓住四种要紧的错误:功能错了、细节编了、图里的文字没抄录、装饰被描述了而不是静音。

1. 规则到底要求什么——2026-11-17 核查

WCAG 2.2 成功标准 1.1.1“非文本内容”是 A 级——最低级别。它写道:“呈现给用户的所有非文本内容,都要有起到等效作用的文本替代,除非属于下面列出的情况。”关键词是等效作用,不是等效描述。同一张照片放在产品页、新闻里和图库链接上,需要的 alt 文本各不相同,因为它的用途变了。W3C:理解成功标准 1.1.1:https://www.w3.org/WAI/WCAG22/Understanding/non-text-content.html。

这条标准还点名了 AI 草稿最常弄错的例外:如果非文本内容纯属装饰、只用于视觉排版,或者不呈现给用户,就应该用辅助技术可以忽略的方式实现。在 HTML 里,这意味着空的 alt 属性,alt=""。屏幕阅读器会直接跳过这张图,而不是播报一段没人要的描述。一个把每张图都描述一遍的生成器不是在认真,是在添噪音。

2. AI 草稿错在哪

四种失效模式,几乎涵盖了检查时能发现的全部问题。没有一种是停用 AI 写第一稿的理由——每一种都是要检查的理由。

它描述场景,不描述功能。一张截图里有人在点按钮,草稿写成“一个人在用笔记本电脑”,而这张图其实是教程里“保存设置”那一步。像素描述得没错,用途丢了。决定文本的是功能,不是场景。

它编造细节。流畅的草稿可能说出一个品牌、地点、数字或词语,而图片里根本没有。模型预测的是 plausible 的词,不是核实过的事实。名字、数字和模型声称从图里读到的任何文字,要最先核对,因为听众没法靠听来核实这些说法。

它漏掉图里的文字。信息图、截图、图表和引用图的意思就藏在 baked 进去的文字里。只描述版式、跳过文字的草稿,描述了画框,丢了内容。文字重要的话,就放进 alt 文本,或者放在图片旁边的真实文本里。

它描述装饰。分隔线、背景花纹、间隔图和重复图标,都会从一个从没被告知“这张图是装饰”的生成器那里得到一整句描述。每一句都是对屏幕阅读器用户的一次小打断,整页累积起来就不少。

3. W3C 决策树,六十秒走完

W3C 无障碍倡议组织(WAI)发布了一棵简短的决策树,正是为这种判断准备的,也是每次判断最快、最一致的办法。按顺序走。W3C WAI:alt 决策树:https://www.w3.org/WAI/tutorials/images/decision-tree/。

  1. 图片里有文字吗?如果文字在附近已有真实文本,或者只是为了视觉效果,用空 alt。如果图片是链接或按钮,alt 应该传达它的功能。如果文字只在图片里出现,把它写进 alt。
  2. 图片是链接或按钮吗?如果拿掉它,链接或按钮就难懂了,alt 应该说出目的地或动作——“Smallville Times 首页”,不是“报纸头版”。
  3. 图片对这个页面有意义吗?简单的图形或照片,用一句简短描述传达它的意思。图表或复杂图片的信息要放在页面别处,用文字或表格呈现。如果图片只是重复附近已有的真实文本,用空 alt。
  4. 纯属装饰吗?用空 alt 属性。如果上面哪个问题都没给出明确答案,决策树自己也说了,它覆盖不了所有情况——对那张图,去读完整的图片教程,别猜。

4. 发布之前的五分钟检查

  1. 先定装饰还是信息。读草稿之前,先问这张图在页面上起什么作用。如果拿掉它什么都不变,它就是装饰:空 alt,不写描述,不管草稿写得多好。
  2. 把图遮住,只读草稿。盖住图片,只读 alt 文本。听众能知道这张图是干什么的吗?如果这句话能描述一百张别的图,就太笼统了;按这张图在这个页面上的用途重写。
  3. 核对每一个名字、数字和引用的词。把草稿里的每一个具体说法和像素逐一核对。如果图里有字,逐字读——价格、日期、产品名和网址都包括。alt 文本里一个错数字比缺一个数字更糟,因为听众没有图片可以对照纠正。
  4. 删掉填充词。去掉“图片显示”“照片里是”这类词和关键词堆砌;屏幕阅读器本来就会播报这是一张图。大多数信息图一句话就够。alt 文本的语言要和页面一致。
  5. 功能图要核对动作。按钮、链接缩略图和图标需要的 alt 文本,要说出点它会发生什么,而不是它长什么样。链接 logo 要说链接去哪;搜索图标就说“搜索”。
  6. 图表和示意图,把数据移出图片。alt 文本只承担结论——“销售额从 6 月到 8 月逐月上升,8 月最高”——数字放在旁边的表格或附近文本里,人人都能读、能搜、能复制。一段很长的 alt 段落,是数据表的劣质替代品。

还有一个习惯值得保留:检查导出的页面,不只检查编辑器。图片重新上传、替换或在 CMS 和静态导出之间移动时,alt 文本可能丢失。打开已发布的页面,检查图片,确认 alt 属性就是你批准的那一句。

5. 好的 alt 文本长什么样

四个常见情形,各自由用途而非外观决定措辞。措辞只是示例,背后的规则是上面那棵决策树。

  • 产品照片:alt="红色棉质 T 恤,正面"——买家需要知道的,不是影棚灯光的描述。
  • 链接 logo:alt="Smallville Times 首页"——目的地,不是“报纸头版”。
  • 装饰分隔线:alt=""——没什么要播报,也没什么要跳过。
  • 柱状图:alt="6 月、7 月和 8 月的销售额,逐月上升",月度数字放在旁边的表格里——结论在 alt 文本里,数据放在能读到的地方。

alt 文本是最便宜的无障碍修复之一,AI 又让第一稿几乎免费。剩下的成本是检查——五分钟,一张图一张图地看,按它在页面上的用途判断。通过检查的草稿值得发布。没检查过的草稿,只是一句语气自信的猜测。

本系列另外两项检查针对的是图片本身,而不是它的描述:《发布之前,先查 AI 图片有没有水印》和《免费 AI 图片额度:一张成图到底要花多少生成次数》。我们的《免费 AI 图片工具》指南讲的是生成这些图片的工具分别是什么。

本文事实的来源

上面每一条规则,都是 2026-11-17 在 W3C 页面上读到的:WCAG 2.2 成功标准 1.1.1“非文本内容”(A 级——呈现给用户的所有非文本内容,都要有起到等效作用的文本替代,例外情况包括纯装饰内容以辅助技术可以忽略的方式实现),以及 W3C 无障碍倡议组织的 alt 决策树(图片文字、链接和按钮功能、信息图与复杂图片、纯装饰)。四种失效模式是视觉模型草稿普遍、可观察的行为,不是测得的错误率——这里没有引用任何研究数字,也没有说哪款工具比哪款好。如果你的网站必须符合某项法律无障碍标准,以该标准和你所在司法管辖区的规则为准,而不是本指南。本指南没有联盟链接——如果哪条链接将来产生收益,会在载有它的句子里说明。相关指南请见《发布之前,先查 AI 图片有没有水印》《免费 AI 图片额度:一张成图到底要花多少生成次数》和《免费 AI 图片工具》。

常见问题

AI 生成的 alt 文本本身就符合 WCAG 1.1.1 吗?

不符合。这条标准要求的是能起到等效作用的文本替代,生成的草稿只是起点。草稿可能描述错对象、编造细节,或者漏掉图片在页面上的功能。由人来判断替代文本是否等效;生成器做不了这个决定。

装饰图片应该有 alt 文本吗?

不应该。WCAG 1.1.1 把纯装饰排除在外:它应该用辅助技术可以忽略的方式实现,在 HTML 里就是空的 alt 属性,alt=""。描述一条装饰分隔线或背景花纹,只会给屏幕阅读器用户增加噪音,而不是信息。

alt 文本应该多长?

以图片的用途为准,越短越好。大多数信息图一句话就够。如果是图表或示意图,别把 alt 文本拉成一段——把数据放在附近的文本或表格里,让 alt 文本只承担结论。长度跟用途走,不跟固定字数走。

图片本身含有文字怎么办?

按 W3C 决策树走:如果文字在别处没有以真实文本出现,就写进 alt 属性。如果同样的文字已经在附近以真实文本出现,用空 alt 属性。如果图片是链接或按钮,alt 文本应该说出目的地或动作,而不是描述图片。

CMS 自动生成的 alt 文本也需要检查吗?

需要。同样的检查不管草稿是谁写的——CMS 自带的生成器、聊天机器人,还是专门的 alt 文本工具。失效模式都一样:功能错了、细节编了、图里的文字没抄录、装饰被描述了而不是静音。