AI 輔助無障礙技術盤點

為什麼把盤點外放於此

第 3 章「核心技術準則」的大主題是「該守什麼規則」(POUR 與 Contestability 兩層),而「現在市面上有哪些 AI 輔助無障礙技術」是現況盤點性質,跟「規則」是不同類別的內容。把盤點留在第 3 章會稀釋大主題,也容易因技術迭代而過期。外放到附錄、由章內以一兩句 + 連結引用,讓第 3 章保持鋒利,盤點資料則漸進維護。

每類技術採統一結構:

類別
├─ 簡述:技術範圍與典型輸出
├─ 主要工具 / 服務:列舉具代表性的部署(品牌、開源、平台 API)
├─ 台灣可用性:在地化程度、語言支援、是否落地
├─ 已知風險:對接第 3 章 §3.3(合規洗白、低資源語言偏見、幻覺信任)
└─ 來源

1. 自動 alt text(影像替代文字)

簡述:(待撰寫)機器視覺模型對圖片生成自然語言描述,寫入 alt 屬性或補充說明。
主要工具 / 服務:(待撰寫)如 Microsoft Azure Computer Vision、Google Cloud Vision、OpenAI 視覺模型、各種瀏覽器內建。
台灣可用性:(待撰寫)
已知風險:(待撰寫)合規洗白(自動填空 alt 屬性但無語意內容)、文化脈絡誤判。

2. 即時字幕(speech-to-text)

簡述:(待撰寫)語音即時轉文字,用於影片、會議、直播、廣播。
主要工具 / 服務:(待撰寫)YouTube auto-caption、Zoom live caption、Apple Live Captions、Google Live Transcribe、Otter.ai。
台灣可用性:(待撰寫)台語、客語、原住民族語支援度。
已知風險:(待撰寫)低資源語言準確率偏低、專有名詞與口音誤判、緊急情境下的延遲。

3. 視覺描述(visual description / scene description)

簡述:(待撰寫)為視障使用者生成場景的口語化描述(物件、人、空間關係、文字)。
主要工具 / 服務:(待撰寫)Be My Eyes + GPT-4V、Microsoft Seeing AI、Apple iOS / VoiceOver 場景描述。
台灣可用性:(待撰寫)
已知風險:(待撰寫)幻覺信任(模型自信地產生錯誤描述)、無錯誤訊號的 silent fail、隱私(影像送雲)。

4. 手語翻譯(sign language translation)

簡述:(待撰寫)手語影像 → 文字 / 語音的雙向翻譯;以及文字 / 語音 → 虛擬手語人。
主要工具 / 服務:(待撰寫)SignAll、各國研究計畫、AI 主播虛擬手語人實驗。
台灣可用性:(待撰寫)台灣手語(TSL)模型現況、與中華民國國語/書面語對譯。
已知風險:(待撰寫)手語語法非線性,逐字轉譯失真;聾人社群對 AI 取代真人手語員的疑慮。

5. 螢幕閱讀器的 AI 增強(screen reader augmentation)

簡述:(待撰寫)在傳統螢幕閱讀器(NVDA、JAWS、VoiceOver、TalkBack)之上,加入 AI 對複雜介面、未標記元素的語意推測。
主要工具 / 服務:(待撰寫)Apple Screen Recognition、JAWS Picture Smart、NVDA add-ons 等。
台灣可用性:(待撰寫)
已知風險:(待撰寫)推測錯誤、依賴此功能讓開發者更不寫語意標記(合規洗白的另一面)。

6. 其他類別(待補)

文字簡化 / plain language(對接認知無障礙)
顏色 / 對比輔助
預測式輸入與通訊輔助(AAC)
環境聲音辨識(對聽障者)

對接章節:第 3 章 §3.2 Contestability、§3.3 AI 輔助技術的風險與準則。

對接案例:見案例 3:Be My Eyes + GPT-4V vs 台灣本土語言基準。

研究素材:research/08_pour_ai.md, research/17_ai_transparency.md。