技术有温度,优酷亮相CSDN 1024程序员节,带来无障碍建设分享

简介: 作为国内领先的视频平台,优酷是率先进行站内无障碍改造的平台之一,受深圳市信息无障碍研究会邀请,阿里文娱移动技术负责人、阿里影业技术负责人嗷啸在CSDN1024程序员节「技术向善:视障的科技之光」论坛带来分享:《无障碍建设:统一组件+优雅交互》。

在分享中,嗷啸提到,优酷无障碍建设从APP的产品无障碍改造与内容无障碍两方面开展。

在产品技术的改造上,首先便是建立统一组件读屏规范。对于无障碍的用户来说,界面上的每个字都可以被看到并读出来。但对障碍人士来说不是这样的,他们通过读屏软件朗读App界面元素,根据所听到的内容决定下一步操作。无论是Android还是iOS,系统本身就有对无障碍技术的官方支持。比如TextView文本控件、Button按钮控件可以被系统读屏功能直接聚焦并朗读控件类型,能够提供给用户基本的无障碍使用体验。但是,依赖系统自身的支持是无法达到理想的无障碍用户体验的。随着移动互联网的快速发展,各种新技术栈持续被引入优酷客户端; 优酷业务和页面呈现的内容的复杂度越来越高。无论是各种新技术栈,还是各种复杂的页面,都有缺乏无障碍支持或者使用体验较差的问题。以改造前的优酷首页为例,它上面有很多内容推荐位,每个推荐位需要逐个滑动;每个推荐位还包括了主副标题等信息;障碍人士要滑动到下一个内容版块,需要滑动4次,难度高、体验感较差。

为了能够全面排查相关问题,优酷与信息无障碍研究会合作,邀请专业无障碍测试工程师进行试用与问题反馈,优酷针对这些问题进行了全面的深度适配和体验优化,从适配范围、业务架构层适配等方面,全面完成技术的建设与优化。

针对视频类APP的高频应用场景——视频播放器,优酷广泛收集视障群体使用反馈,从模拟用户使用入手,针对控制栏、横竖屏适配,进行了有针对性的深入优化,贴合视障人群使用习惯,大幅降低了操作难度与操作步骤。

从架构、能力的基础建设出发,应该如何长期保持APP的无障碍水平呢?对此,嗷啸给出了优酷技术团队打造的【无障碍长期建设方案】。由于优酷的开发与测试工程师,绝大部分为明眼人群,对功能、bug的感受不够敏锐;在测试能力上,相关能力也较为薄弱,因此,“普通测试与视障人士实际使用测试相结合”成了真正能够检验优酷无障碍能力的最好方式。在这方面,优酷和深圳市信息无障碍研究会深度合作,通过加权算法,每个月对优酷每个场景的无障碍程度进行打分,度量无障碍的保持情况,并设定阈值进行无障碍程度预警,以保证每一个优酷APP版本、场景的无障碍能力,并且从单个工程师扩展到所有研发团队的关注,引发更多工程师对无障碍的关注。

优酷无障碍改造的另一个重点,是对无障碍内容的长期关注,在优酷内直接搜索“无障碍”即可进入无障碍剧场,其中有优酷与多个机构合作的有旁白解说的无障碍内容,帮助视障人士也能够“看”到优质电影和剧集。

目前行业内,优酷的无障碍支持度是领先的,且在盲人群体心目中,优酷在诸多视频类APP中始终走在无障碍支持的第一线,在优酷无障碍版本上线后,我们也收到很多来自用户的声音。尤其值得一提的是,项目组还获得一位乡村残校教师的特别感谢,告诉我们他终于可以让孩子们看到电影了。

除此之外,优酷无障碍在阿里巴巴集团内、外也获得了非常多荣誉。集团内,作为经济体信息无障碍的组成部分获评阿里巴巴橙点公益榜年度十佳项目、集团技术公益委员会持续投入奖;在外部,我们成为首批通过工信部无障碍和适老化水平评测的APP,获得互联网内容无障碍可访问性一级认证、今年获得了北京市广电局新视听公共服务典型案例、北京信息通信行业适老化及无障碍服务优秀案例。

优酷无障碍获得的来自集团内外的肯定,也坚定了优酷未来要长期坚持无障碍的决心。

未来,优酷会继续拓宽外部合作渠道,寻求全国视障人群身份的认证,兼顾优酷内容的商业利益,能提供更多更优质的内容。另外在产品技术能力上,会进一步完善全链路的视障人士认证,实现对片方、优酷利益的保护与平衡。同时,优酷也会坚持对无障碍技术的深入探索,尤其是底层框架和检测手段的长期建设,为视障人士带来更加好用的视频平台。

相关文章
|
定位技术
ArcGIS地形起伏度+地形粗糙度+地表切割深度+高程变异系数提取
ArcGIS地形起伏度+地形粗糙度+地表切割深度+高程变异系数提取
17954 0
|
设计模式 移动开发 开发框架
如何学习 Flutter 框架?
学习 Flutter 需要耐心和持续的努力,通过系统的学习、实践、交流和不断跟进最新技术,你将逐渐掌握 Flutter 框架,并能够开发出高质量的移动应用。
|
机器学习/深度学习 人工智能 算法
《C++与 BLAS、LAPACK:加速人工智能算法的线性代数秘籍》
本文探讨了线性代数在人工智能中的核心地位及其对算法性能的影响,重点介绍了 C++ 中的 BLAS 和 LAPACK 库。这些库通过高效的基础线性代数运算和高级矩阵操作,显著提升了神经网络、数据降维和推荐系统等算法的计算效率。文章还详细讲解了如何在 C++ 项目中集成和优化这些库,以实现更好的性能。
501 19
|
JSON Java Serverless
函数计算操作报错合集之报错Function time out after该怎么办
Serverless 应用引擎(SAE)是阿里云提供的Serverless PaaS平台,支持Spring Cloud、Dubbo、HSF等主流微服务框架,简化应用的部署、运维和弹性伸缩。在使用SAE过程中,可能会遇到各种操作报错。以下是一些常见的报错情况及其可能的原因和解决方法。
430 2
|
存储 SQL 分布式计算
大数据时代的引擎:大数据架构随记
大数据架构通常分为四层:数据采集层、数据存储层、数据计算层和数据应用层。数据采集层负责从各种源采集、清洗和转换数据,常用技术包括Flume、Sqoop和Logstash+Filebeat。数据存储层管理数据的持久性和组织,常用技术有Hadoop HDFS、HBase和Elasticsearch。数据计算层处理大规模数据集,支持离线和在线计算,如Spark SQL、Flink等。数据应用层将结果可视化或提供给第三方应用,常用工具为Tableau、Zeppelin和Superset。
5496 8
空口资源 | 带你读《5G 空口设计与实践进阶 》之十四
NR对空口物理资源的划分包括 3 个维度,即时域、频域和空域。为了满足各种差异化应用场景的要求,NR 在对“时—频—空”物理资源的管理上,除继承 LTE 的基础外,也进行了大量的革新,包括自适应的波形、更为灵活的帧结构、可配置的参数集、部分带宽等。
空口资源 | 带你读《5G 空口设计与实践进阶 》之十四
|
机器学习/深度学习 搜索推荐 数据挖掘
【深度解析】超越RMSE和MSE:揭秘更多机器学习模型性能指标,助你成为数据分析高手!
【8月更文挑战第17天】本文探讨机器学习模型评估中的关键性能指标。从均方误差(MSE)和均方根误差(RMSE)入手,这两种指标对较大预测偏差敏感,适用于回归任务。通过示例代码展示如何计算这些指标及其它如平均绝对误差(MAE)和决定系数(R²)。此外,文章还介绍了分类任务中的准确率、精确率、召回率和F1分数,并通过实例说明这些指标的计算方法。最后,强调根据应用场景选择合适的性能指标的重要性。
1697 0
|
算法 Linux Windows
内核宏之—DIV_ROUND_UP(向上取整)&&virt_to_page&&GRUB,UEFI
内核宏之—DIV_ROUND_UP(向上取整)&&virt_to_page&&GRUB,UEFI
388 0
|
数据建模 Java 开发工具
Android bugreport的使用
Android bugreport的使用
837 0
|
安全 API 数据安全/隐私保护
邮箱IMAP服务怎么开启?
IMAP协议让多设备同步收取邮件变得简单。要开启邮箱IMAP服务,需登录邮箱设置,找到IMAP选项,开启服务,然后在客户端配置IMAP账户。记得设置安全措施,如两步验证,定期检查设置。使用AokSend可实现高效发信。