大規模替代文字，以及它無法做的檢查

讓替代文字變好的要素，寫成問題

多數替代文字指南是一列原則。把原則變成帶有已聲明答案的問題，你就得到了可以在每一張曾經發布的圖上運作的東西。

其中四件是機械性的：長度、措辭、結構，以及它是否只是重複圖說。有一件是判斷，而那一件該打分數，而不是回答是或否。

它無法做的檢查，以及為什麼它比其餘都重要

純文字模型讀你的替代文字。它從來看不到你的圖片。TypeSafe 的文件說，輸入必須是字串、JSON 物件或文字值組成的陣列，而且影像目前還不支援。

所以它能確認你的替代文字是一段格式良好、長度恰當、不重複的描述。它無法確認這段描述是否屬實。

「一隻藍色沙發上熟睡的金色尋回犬」完美通過每一項機械檢查。如果照片是廚房地板上的一隻貓，模型無從知曉，而螢幕閱讀器使用者會被以十足的信心告知一件假事。這種失敗比缺失替代文字更糟，因為缺失的替代文字至少對那道缺口是誠實的。

這是最值得記住的單一限制，它適用於每一個純文字檢查器，不止這一種。

所以把它配對用，別只信它一個

真正管用的設計，是用兩種不同的工具對付問題的兩個不同半邊。

讓決策模型在大規模上處理機械規則：每週在站點每一張圖上跑一遍，花幾美分。這一遍能找出空字串、被當成描述粘進去的檔名、替代文字只是重複圖說的那四十張圖，以及以「圖片中的」開頭的那些。

然後讓有眼睛的東西 —— 一個視覺模型，或一個人 —— 在樣本上、以及在分數標記為含糊的任何東西上，確認文字與圖片相符。那比全部小得多的一堆，正是重點。

寫好評分表，讓分數有意義

有用性這個問題是分數，不是是/否，而分數需要帶定義的分級。兩到十級的評分表正是這類模型所期望的，級別由你來寫。

這裡用四級很合適：useless、vague、adequate、good。useless 是檔名或空字串。vague 是「產品照片」。adequate 點出主體和場景。good 給讀者本該從看圖得到的東西，包括周圍文字要緊的那個細節。

在跑任何東西之前先把定義寫好，並用手工對照它們給三十個真實例子打標籤。那組打了標籤的集合會告訴你分數是否在跟你的判斷走，即使你從不自動化也值得擁有。

state: { "alt": "...", "caption": "...", "page_title": "..." }

questions: {
  "describes":       { "type": "noul", "instructions": "替代文字描述的是可見的內容，而不是在命名一個檔案或類別。" },
  "redundant_open":  { "type": "noul", "instructions": "替代文字以「圖片中的」、「照片中的」或「圖中的」開頭。" },
  "length_ok":       { "type": "noul", "instructions": "替代文字少於 125 個字元。" },
  "repeats_caption": { "type": "noul", "instructions": "替代文字幾乎一字不差地重複圖說。" },
  "usefulness":      { "type": "score", "instructions": "這對看不見這張圖的人會有多大用處？",
                       "criteria": ["useless", "vague", "adequate", "good"] }
}

第一次掃描通常會發現什麼

預期結果比你以為的更糟，比你害怕的好修。

常見的發現到處都一樣：忙碌某個月裡一批完全沒有替代文字的圖、某人粘進檔名的那一段、以及替代文字又是圖說的長尾。這些沒有一個需要判斷才能修。它們需要一張清單。

含糊的那些，才是分數派上用場的地方。「我們的新系列」在技術上算描述，卻沒告訴螢幕閱讀器使用者任何東西，而機械規則永遠不會抓到它，因為它長度正確、也不重複任何東西。

並且在你寫的任何選項上都聲明一個退出項。一項 2026年9月20日 發佈的、預先註冊過的獨立評測發現，在沒有「這些都不是」可用時，三十個超出範圍的輸入沒有一個被標記 —— 最近的已聲明答案回來時看起來已經定了。

• 為社群貼文寫替代文字
• 決策模型為你的工具改變什麼
• 整理素材庫

誠實的總結

你可以用每遍幾美分，把替代文字品質控制的五分之四自動化，而且你應該這麼做，因為替代方案是根本沒人檢查其中任何一項。

你無法自動化那五分之一 —— 它問文字對圖片是否屬實 —— 而那一項在出錯時最傷讀者。讓人或視覺模型永久地、在樣本上，守住那一項。

任何向你推銷「純文字工具、號稱能對照圖片驗證替代文字」的人，描述的都是其文件說模型做不到的事。