人工智能描述图片 帮视障者“看”到更多

刘彪正在使用qq空间。（信息无障碍研究会供图）

刘彪打开手机QQ空间，触摸到好友发的图片。

以前，他耳边响起的是读屏提示音“图片”。现在，他听到了更多内容——“图片：一个长发女孩在夕阳下的照片。”

这是新的安卓版QQ空间客户端基于人工智能技术推出的“图片语音即时描述”功能。

“这个感觉很不一般。”刘彪是视障者，也是公益组织信息无障碍研究会的技术主管。虽然语音只是描述出了图片的主要信息，但对刘彪而言，体验从此大不相同。“以前好友发图，就只能‘绕道’。现在知道他大概发了什么，还能在评论区互动一下。”在人工智能的帮助下，视障者成功地在图片动态下刷了把存在感。

让科技在社交场所落地

很早之前，信息无障碍研究会就和QQ空间建立了合作，协助他们进行软件的无障碍优化。

所谓信息无障碍，简单来讲，就是让包括视障者、听障者、读写障碍者在内的所有用户，都能够顺畅使用互联网。它是互联网世界里的无障碍设施，就好像马路上的盲道、地铁站里的无障碍电梯。

视障者，同样也是互联网产品的用户。他们靠语音辅助程序或读屏软件，读新闻、点外卖、购物、打车……

以及社交。

刘彪说，现在越来越多的人喜欢晒图和发小视频，但他们看不见，就只能去问一句——你发了什么？“我们就跟QQ空间的工程师反馈了这个痛点——如果图片能识别出来，那多酷。”

QQ空间产品开发技术人员告诉科技日报记者，目前QQ空间用户发表的动态中，60%以上包含图片。如果无法读图，对视障人群来讲，确实是相当大的信息缺失。双方都觉得这个功能挺酷，于是说干就干，着手优化。QQ空间也和腾讯人工智能团队沟通，寻找科技解决方案。这次的图片语音即时描述功能，就用到腾讯AI Lab的技术。

“腾讯AI Lab图片描述生成技术一般都是基于编码器—解码器框架。这一技术的难点在于设计出能够充分理解图像内容的模型，进而将相应编码的图像内容再‘翻译’成自然语句。”腾讯AI Lab技术人员解释，这样的模型不仅需要深度理解图像，也需要理解自然语言，更重要的是学习图像与自然语言之间的多模态交互关系。

要真正落地，技术还要应对一大难题，那就是用户上传的图片具有高度多样性。他们发星辰大海，也发生活中的细枝末节。由于图片题材广泛，腾讯AI Lab技术人员坦言，有时图像的自然语句描述不会特别精确。“这需不断积累数据，不断提升算法的性能，两者互相促进，提升算法精确度。”

为无障碍锦上添花

其实就在几年前，对国内互联网公司来说，“信息无障碍”还是个有些陌生的概念。

当时，科技日报记者曾采访现在的信息无障碍产品联盟秘书长梁振宇。他表示，对互联网产品团队来说，每个问题都有优先级。“无障碍优化”这一看起来有些小众的需求，有时就被放在了一旁。

“这两年，社会各界对信息无障碍的关注都在提升。”刘彪介绍，信息无障碍研究会和百度、腾讯以及阿里旗下的多款产品都建立了合作关系。至少，现在主流的互联网公司都知道何为无障碍，有条件的，也愿意为此努力。

QQ空间产品团队就表示，在信息无障碍技术方面，手机QQ空间从2014年开始，持续在好友动态、消息、个人主页等核心场景优化体验，并把信息无障碍作为每一个功能发布的必备特性，坚持每个版本解决一些问题，并从内测阶段即邀请视障用户参与产品测评，再根据反馈的建议和意见，持续进行版本优化。“让QQ空间更好地服务障碍用户，为障碍者提供舒适的社交体验。”

要做到信息无障碍，其实并不需要前沿什么技术。刘彪介绍，开发者了解用户需求并按照一定规范进行APP的设计开发，产品就能实现“信息无障碍”，从而造福广大视障用户。而人工智能，则可以锦上添花。

“语音输入让我们的输入效率变得更高，OCR文字识别让我们能够‘认’出药瓶上的字。那些改变你们生活的应用，也提高了我们的生活质量。”刘彪也在用智能音箱等智能家居产品。“我们以前用空调、洗衣机等家电时，是靠记忆来按按钮，有了人工智能技术，可以进行语音控制，也省去了这些麻烦。”他提醒道，“有些智能家居有手机APP操控功能，这些APP也要注意进行无障碍优化。”（记者 张盖伦）