當一個視障者打開網頁，螢幕閱讀器唸出圖片替代文字：「IMG_20240815_143022.jpg」。你覺得，這個網頁算是有做到無障礙設計嗎？
在數位無障礙的圈子裡，這叫「有做，但沒做好」。而這個問題，一直以來都是自動化檢測工具的死角。
GitHub 最近推出了一款基於 AI 的無障礙掃描工具外掛程式，目標就是終結這種「行禮如儀」的合規迷思。說白了，過去多數工具只能檢查「你有沒有填 alt」，但沒辦法判斷「你填的到底有沒有用」。GitHub 這次的動作，等於是把戰場從「量」拉到了「質」的層次。
表象：機器檢查得出來的，永遠只是皮毛
先講一個殘酷的事實：現行的自動化無障礙檢測工具，大概有八成以上都卡在「有字就好」的階段。它們很擅長抓漏——哪張圖沒填 alt、哪個按鈕缺少標籤——但只要替代文字裡塞了一串「FB_ICON_2024」，這些工具就會放行，給你一個綠燈。
GitHub 的工程團隊顯然對這件事很不耐煩。他們在第一階段先繞過 AI，直接用五條確定性規則抓出最離譜的錯誤：空白欄位、只有空白字元、塞了「TODO」這種佔位符、用通用檔名，還有——這個最狡猾——相鄰圖像之間重複使用一模一樣的替代文字。
這句話背後的技術細節其實滿有意思的。一般的檢測工具比對重複文字，通常是照著 HTML 原始碼的順序一行一行掃。但 GitHub 用的是 Playwright 去分析實際的頁面佈局，意思是：它看的是「視覺上這幾張圖到底靠不靠近」，而不是「程式碼裡誰先誰後」。換句話說，這套系統開始用「人眼怎麼看」的邏輯在檢查，而不是機器人的直線思維。
有趣的是，他們也特別把「裝飾性圖片」排除在外。這在實務上一直是個灰色地帶——如果一張圖純粹是美觀用，你把 alt 留空反而是正確的。這個判斷，很多工具根本做不來。
「機器雖然能輕易標記出缺失的替代文字，但要評估其品質則複雜許多，許多工具僅驗證了圖片可存取名稱的存在，卻無法評估其描述性。」——GitHub 無障礙工程團隊
真相：AI 進場，但真正的戰場是「上下文」
如果說前面那些確定性規則是掃地，那導入 AI 這一步就是在拖地——把肉眼看不到的髒污也處理掉。
GitHub 這次導入的 AI 檢測功能，沒有走那種「丟一張圖給 AI 問它看到了什麼」的簡單路線。它做了一件更貼近實務的事情：擷取圖像周圍的完整上下文資訊。包含最近的標題、頁面標題、圖片說明，還有附近的所有文字描述。甚至，它還會判斷這張圖是不是超連結的一部分——如果是，替代文字應該描述的是「點下去會去哪裡」，而不是「這張圖長什麼樣子」。
差別在哪？舉個例子。一個產品頁面上有一張藍色球鞋的照片，圖旁邊寫著「極輕量跑鞋，適合長距離訓練」。傳統做法可能只會產出「藍色球鞋」這種替代文字。但 GitHub 的系統會把標題、說明文字全部送進視覺模型，綜合評估後告訴你：你寫的替代文字，到底有沒有真正幫到那個看不見這張圖的人？
說真的，這個概念在無障礙領域不是新的——「替代文字的品質取決於脈絡」這件事情，人類專家已經講了很久了。但過去要把這個邏輯寫成自動化規則，幾乎不可能，因為每個頁面的上下文都不一樣。直到視覺語言模型成熟到可以理解「圖＋文」的關係，這件事才終於從理論變成可以部署的工具。
「GitHub 採取了雙管齊下的策略。首先，他們確立了五項不需依賴 AI 的確定性規則⋯⋯儘管確定性規則無法理解圖像的上下文，但為了提供更深層次的品質檢測，GitHub 導入了可選用的 AI 驅動檢測功能。」——StartupHub.ai 產業分析報告
各方角力：市場缺口有多大？一個數字告訴你
如果這件事情真的有迫切需求，為什麼市場上一直缺乏夠好的解決方案？
根據 StartupHub.ai 的數據，目前專注於無障礙設計的開發者工具在 StartupHub 評分中僅有 2 分——滿分是 100。你沒看錯，就是 2 分。這個分數低到幾乎可以說是「市場接近空白」的程度。
這背後有幾個原因。第一，無障礙檢測本來就是個吃力不討好的領域——它不像效能優化或資安掃描那樣有「立即見效」的商業價值。第二，過去幾年大部分的開發資源都往生成式 AI 和大型語言模型靠攏，願意投入無障礙工具開發的新創本來就少。第三，既有的無障礙檢測工具大多是「代碼掃描器」思維，也就是用 lint 的邏輯在檢查 HTML，從來沒有真正進入「使用者體驗」這個維度。
GitHub 這次出手，其實有一個更深層的信號：當一個平台級的公司開始把「替代文字品質」當作基礎建設來做，代表這個問題已經從「可有可無的加分項」變成「非做不可的標配」。尤其 GitHub 本身就是全世界開發者聚集的地方，這個工具的示範效應會比任何一家獨立的 SaaS 廠商都來得大。
深層影響：合規只是最低標準，真正的戰場是「有沒有用」
台灣的《身心障礙者權益保障法》和數位發展部近年推動的網站無障礙規範，其實已經要求各級政府機關和特定產業的網站必須符合無障礙標章。但如果你實際去看那些通過檢測的網站，會發現一件事：很多網站的替代文字品質，其實經不起考驗。
因為過去檢測工具只看「有沒有」，不看「好不好」。這造成了一個很荒謬的現象——網站通過了無障礙標章檢測，但視障者實際使用時，還是覺得卡卡的。螢幕閱讀器確實有在唸東西，但唸出來的內容毫無幫助。
GitHub 這個工具帶來的啟示是：未來的無障礙合規審查，很可能會從「二元判斷」走向「品質評級」。當 AI 可以自動判斷「這段替代文字到底有沒有描述到重點」，政府機關或大型企業在採購或驗收網站時，就不會再滿足於「全數通過」的表面數字，而是會開始追問：「你的替代文字品質分數是多少？」
從產業面來看，這也代表一個新的服務缺口正在打開。過去做無障礙顧問的公司，服務內容大多是「輔導客戶通過標章檢測」。但如果標章檢測的標準本身開始往上拉，這些顧問公司的價值就得重新定義——你不能只教客戶「怎麼填才不會被退件」，你得教他們「怎麼填才能真正幫助使用者」。這兩種能力的市場價格，絕對不是同一個等級的。
GitHub 透過這項創新，不只超越了基本的合規性檢查，更將業界推向更具包容性的網際網路環境。——StartupHub.ai 產業評析
換個角度想，今天一個企業花了幾百萬做官網，結果上面的圖片替代文字全部都是「product_01」「banner_2024」，你覺得這個網站真的有照顧到所有潛在客戶嗎？在台灣，領有身心障礙證明的視覺障礙者超過五萬人，這還不包括因為老化、暫時性視力問題而需要使用輔助工具的人。這些人不只是「弱勢族群」，他們也是消費者、是客戶、是讀者。
說真的，很多企業在談 ESG 的時候講得天花亂墜，但連自己官網的替代文字都填不好。這不是做不到，是沒認真想過要做。
未解之問：AI 給了答案，但我們準備好面對新問題了嗎？
這套工具當然不是完美的。GitHub 自己也很清楚這一點，所以把 AI 檢測設計成「可選用」而非強制開啟。原因很實際：視覺模型的判斷會有誤差，而且不同模型對同一張圖的「描述適當性」可能會有不同看法。
更大的問題是：如果 AI 可以自動產生替代文字，那開發者會不會變得更懶？反正系統會幫我生，我為什麼還要自己寫？這是一個很真實的擔憂。GitHub 這套工具的設計邏輯是「檢測」而非「生成」，它告訴你原本的替代文字品質好不好，但不負責幫你寫一個新的。這個定位其實是對的——它逼著開發者去思考「為什麼這個描述不好」，而不是把問題外包給 AI。
但未來如果市場上出現大量「AI 自動生成替代文字」的外掛，那就會出現另一個層次的問題：AI 生成的描述很流暢，但可能完全不對應當下的頁面情境。到時候我們要面對的，就不是「替代文字有沒有寫」，而是「替代文字寫得漂亮但完全文不對題」——這比沒寫更糟糕，因為它會誤導使用者。
回到最開始那個問題。一個視障者打開網頁，聽到的是「IMG_20240815_143022.jpg」，還是聽到一句真正能幫助他理解畫面的描述？這中間的差距，就是 GitHub 這套工具試圖填補的鴻溝。但工具終究只是工具，最終還是要看開發者願不願意認真對待這件事。
如果你是一個網站開發者或產品經理，現在就可以打開你負責的網站，隨便找五張圖片，用螢幕閱讀器聽聽看替代文字在唸什麼。如果唸出來的內容讓你覺得「這在講什麼」，那麼恭喜你，GitHub 的這套檢測邏輯已經提前幫你找到了問題。至於要不要改，那就是你對使用者負不負責任的問題了。
本文改寫整理自公開新聞來源，原始報導由Yahoo奇摩新聞發布。
常見問題 FAQ
GitHub 的無障礙掃描工具是免費的嗎？
GitHub 將這款無障礙掃描工具以外掛程式形式推出，目前並未明確收費，開發者可將其整合至專案工作流程中，實際費用與適用範圍建議直接查閱 GitHub 官方公告。
替代文字（Alt Text）對 SEO 有幫助嗎？
有幫助。搜尋引擎無法直接「看」懂圖片，替代文字是搜尋引擎理解圖片內容的重要信號，填寫具描述性的替代文字有助於提升圖搜排名與整體網頁的可讀性。
AI 檢測替代文字品質的準確度有多高？
GitHub 的 AI 檢測功能仰賴視覺模型綜合判斷圖像與上下文，準確度會因模型版本與頁面複雜度而異，目前建議作為輔助參考而非絕對標準，最終仍需人工覆核。
裝飾性圖片的替代文字該怎麼處理？
裝飾性圖片應將 alt 屬性留空（即 alt=””），讓螢幕閱讀器直接跳過，避免唸出無意義的描述，GitHub 的工具也會自動排除這類圖片，不會將其標記為缺失。
台灣的政府網站適用這套檢測標準嗎？
技術上適用，但台灣的無障礙標章檢測目前仍以「有無替代文字」為主要審查項目，GitHub 這套「品質檢測」概念尚未納入官方規範，不過可作為內部品質提升的自主檢查工具。
※ 此篇文章由 AI 改寫或生成，內容僅供參考，可能存在錯誤或不準確之處。