无障碍游戏不只是“加字幕”：九游会AI为什么开始同时理解声音、画面和玩家操作

同一款游戏里，一个玩家靠声音判断敌人位置，另一个靠画面上的颜色变化，第三个玩家两只眼睛都看得清，却按不下需要连续快速点击的键。把这三个人都归入“需要无障碍”，等于什么也没说：他们卡住的环节不同，能用的替代通道也不同。九游会AI在这一块的设计思路，是先弄清任务被卡在哪一步，再决定用什么技术去补。

一局游戏拆开看，玩家要连续完成哪五件事？

拿一个最普通的场景来拆：在回合制游戏里挑一张卡牌，或者在竞技类射击游戏里绕过一堵墙。玩家先要“获取信息”，看到血量条，听到脚步，感到手柄震动；接着“理解局势”，判断敌人大概在哪里、手里的资源够不够；然后“做决定”；再“下达操作”，把决定翻译成按键、摇杆或者点击；最后“确认反馈”，看到或听到操作已经生效。

这五步里，只要某一步只有一条通道，就等于只开了一扇窄门。获取信息只靠声音，听障玩家在第一步就被挡住；下达操作必须双手同时按住好几个键，肢体活动受限的玩家在第四步被挡住；反馈只靠一闪而过的图标，注意力容易分散的玩家会在第五步丢掉线索。所以无障碍设计要问的不是“这个功能是给哪类人用的”，而是“每一步有没有第二条、第三条路”。

“加字幕”之所以只是起点，也是这个原因。字幕只处理了“获取声音信息”这一步的一部分，而且是其中最容易做的那一部分。游戏里真正影响局势的声音，往往不是对白，而是方向、距离和事件：身后有人靠近，远处有一次爆炸，某个技能刚刚冷却完毕。这些信息如果没有别的通道，字幕再整齐也补不上。

视觉、听觉、运动、认知，四类障碍各自卡在哪里？

把玩家群体粗分成四类，只是为了方便讨论，现实中的人往往同时有几种情况，而且同一个人在不同的日子、不同的设备上需求也会变。

视觉方面，问题可能是完全看不到画面，也可能是低视力、色觉差异、对强光敏感，或者只是屏幕小、环境亮。游戏里的高频细节、颜色编码、远处的小目标、一闪而过的提示，都是常见的卡点。听觉方面，卡点是对白、环境音、方向性音效和音乐里的提示；同样，嘈杂的房间或者只有单侧耳机可用的玩家，也会遇到类似的障碍，只是原因不同。

运动控制方面，卡点集中在同时按键、快速连续点击、长时间按住、精确瞄准和需要两只手配合的操作。震颤、疲劳、单手操作、手指力量不足都会让这些要求变成门槛。认知方面，则有阅读负担、界面信息过密、规则复杂、时间压力、记忆负担，以及注意力和情绪调节上的差异。认知一类最容易被忽略，因为它不像“看不见”或“听不见”那样一眼能识别，也最难用一个统一的功能解决。

《游戏无障碍指南》（Game Accessibility Guidelines）自2012年起为业界提供参考，分基础、中级、高级三档，由工作室、专家与学者协作整理。它的价值在于把这些障碍拆成一条条可以检查的设计要求，而不是一句“请照顾特殊玩家”。九游会AI的设计思路与它相通：先把要求拆细，再谈用技术去实现。

还有一点需要说明：同一个人的需求会随情境变化。一位平时能正常操作手柄的玩家，在手部疲劳、单手抱着孩子，或者在公共场合不便发声的时候，同样会需要替代方式。把无障碍看作“为少数人准备的例外”，会让功能藏得很深、说明写得很少；把它看作“为不同情境准备的多条路”，功能才有机会被更多人发现并用上。

输入端：只有手柄和键盘时，谁被挡在了门外？

输入是最硬的一道门，因为它不像视觉和听觉那样可以靠“多给一点信息”缓解，而是要直接换掉操作方式。可以想到的通道大致有这几种：重新映射按键、把“按住”改成“点一下切换”、把同时按下的组合键改成依次按、用开关（Switch Input，一种只有“按下/松开”两种状态的辅助输入）驱动整个操作、用语音发出指令、用头部或眼动追踪指向目标，以及外接专用的自适应手柄。

以自适应手柄为例，据Xbox官方页面介绍，Xbox自适应手柄专为行动受限的玩家设计，作为外接辅助设备的中枢，提供19个3.5毫米接口、2个USB 2.0接口和1个耳机接口，可以连接Xbox主机、Windows电脑以及部分电视和手机，并通过配件应用重映射按键、保存配置；开发过程有AbleGamers Charity、SpecialEffect等组织和社区参与。这个例子说明的道理很朴素：硬件把“接什么”留给了玩家，软件要做的是不要把这些外设排斥在外。

软件一侧真正难的地方在于“兼容”。一款游戏如果只认某种特定的手柄信号，或者只在部分界面允许重映射，外设再灵活也白搭。九游会AI在输入这一层想做的，是把不同的输入方式统一翻译成游戏能理解的“意图”，比如“向左移动”“确认”“打开菜单”，让游戏本身不必为每种设备单独适配；同时对连续动作做辅助，比如把持续瞄准拆成“锁定目标”加“微调”，前提是玩家自己选择开启。

语音输入值得单独说一句。它听上去是最通用的替代方案，其实有很多边界：环境噪声、口音、疲劳、说话本身的困难，都会降低可靠度；而且语音天然是离散指令，不适合需要毫秒级响应的连续动作。语音更适合菜单、切换、宏命令这类“说一句、做一串事”的场景，而不是取代摇杆。

输出端：声音、画面和震动，能不能互相顶替？

输出的思路与输入相反：同一条信息，尽量用两种以上的形式同时表达，让玩家自己挑。一次敌人接近，可以是脚步声，可以是屏幕边缘的方向标记，可以是手柄的一段震动，也可以是一句简短的文字提示。任何一条通道缺失，另外两条还在。

其中最容易被低估的是“事件”这一类。对白转字幕是一件相对成熟的事，而“左后方有脚步声”“玩家的技能已经就绪”“队友在呼叫”这类信息，要靠对游戏音频加上事件标签才能表达。这里涉及说话人识别、方向标注、优先级排序和节流，细节留给AI字幕为什么不能只把语音转成文字那篇去展开，这里只强调一个判断：字幕的价值取决于它带出的信息类型，而不是它把多少字转成了文字。

震动是另一条常被浪费的通道。多数游戏只把它当作“打击感”，其实它可以承载很有用的语义：不同节奏的震动代表不同类型的事件，长震表示危险靠近，短促两下表示技能就绪。前提是震动的含义要稳定、可以自定义，并且可以关闭，因为对部分玩家来说，持续的震动本身就是干扰，甚至引发不适。

画面这一侧，反向的需求同样存在。

看不到关键目标的玩家，需要“场景描述”：把画面里与当前任务相关的东西，用一两句话读出来，比如“门在右前方，敌人在门后”。低视力玩家不需要朗读，需要的是放大、高对比度、更粗的轮廓、可调的字号和色盲友好的配色。这两种需求都属于“视觉”，解决方法完全不同，混在一起做只会两头落空。

AI能接手哪几件事？又有哪几件不该接？

在上面的这些通道里，AI擅长的部分主要集中在“把一种形式转换成另一种形式”：语音识别把说话变成指令或字幕，计算机视觉从画面里找出目标和状态，文字转语音（Text-to-Speech）把文字读出来，输入辅助把玩家的意图翻译成游戏的操作。它们各自成熟度不同，也各自有失误的方式。

表里的“需要提防”一列，比“可承担”一列更值得花时间。识别类的AI会出错，而出错的代价并不对称：字幕多念一个不存在的事件，玩家可能白白紧张一下；场景描述说错了门的位置，玩家可能直接被击败。所以九游会AI的设计原则是，凡是可能影响玩家决策的AI输出，都应该带有可辨别的置信度提示，或者干脆只在玩家主动请求时才给出。

还有一类事情不适合让AI接手：替玩家判断“他需要什么”。AI可以看到某段操作总是失败、某种提示总是被忽略，但看不到失败背后的原因；那可能是设备延迟，可能是不熟悉，也可能只是这个玩家今天想挑战自己。这一点在AI自动降低难度就叫无障碍吗那一篇里有专门的讨论。

几条通道同时打开，会不会互相打架？

无障碍功能是可以叠加的，叠加以后又会出新问题。最常见的是声音冲突：文字转语音在朗读场景描述的同时，游戏里的对白和音效也在播放，读的人听不清，玩的人被打断。解决办法通常是分层：把游戏音频、旁白和系统提示放在不同的音量通道，允许玩家单独调节，并且在关键事件到来时给旁白让路，而不是让所有声音一起响。

视觉上也有类似的冲突。事件字幕、方向标记和任务提示都想占据屏幕边缘的同一片位置，多开几个，画面就被文字填满，认知负担反而上升。所以需要一套优先级和节流规则：同类事件合并，低价值提示延后，玩家在高压时刻只看到最关键的一两条。至于哪些算“最关键”，不同玩家不同类型的游戏答案不同，因此这份规则本身也要允许玩家改写。

延迟是第三个容易被忽视的因素。语音识别、画面理解、文字转语音，每一步都有处理时间。在回合制游戏里，晚半秒问题不大；在节奏很快的竞技游戏里，晚半秒的场景描述几乎等于没有。九游会AI的设计是给每类辅助功能标明“适用节奏”，让玩家在开启前就知道它更适合哪类游戏，而不是默认所有功能在所有游戏里都同样有效。

把决定权放在哪里，才不会让“辅助”变成“替代”？

把以上几件事串起来，会发现一个共同的要求：每一条通道都由玩家来开、来调、来关。九游会AI可以观察哪些设置组合在类似情况下比较常见，并据此给出建议，但建议只是建议。开启、关闭、调整、撤销，都停在玩家自己的手里；系统不能因为“检测到你可能听不清”就自动开启某种模式，更不会把这种推断记成玩家的标签。

这样做的实际后果，是设计上要多花很多功夫：每个功能要有独立开关，每个设置要能预览，每次更新都不能悄悄改掉玩家已经选好的组合。它没有“一键智能适配”听起来那么利落，但更接近无障碍设计的原意。

如果要检查一款游戏或一个平台是否真的做到了“多通道”，可以问自己这几个问题：

• 每条关键信息，是否至少有两种形式可以获取？
• 每个关键操作，是否至少有两种方式可以完成？
• 各项辅助功能能不能单独开关，并且立即预览效果？
• 多个功能同时打开时，声音、屏幕位置和处理延迟有没有冲突？
• AI的判断出错时，玩家能不能一眼看出来，并且有办法纠正？
• 系统有没有在玩家不知情的情况下改动过任何设置？

这份清单里没有一项可以靠“接入一个AI模型”直接解决。它们更像是对一个平台是否愿意把选择权交给玩家的检验，而这，正是九游会把无障碍当作系统设计而不是单个功能的原因。