对象及实践方式

第二节　影视媒体无障碍:对象及实践方式

根据上述对无障碍传播研究范畴的界定，在传播学视域内，对影视媒体无障碍的研究重点也在于影视内容（audio‐visual content）的可及性问题。另外，虽然范畴界定中将所有用户纳入考量，但正如上述论述中提及的，每个用户都是具有不同个性的个体，个体的差异性决定了完全平等的传播无障碍是不可能实现的，因此，为了“无障碍传播”实践的可操作性，必须将用户加以分类和具体化，以影视媒体为例对无障碍传播对象进行限定。

抛开个体认知、素养、收入水平等方面的差异性，最有可能对影视媒体内容产生使用障碍的群体包括:视障者群体（包括视力残障者以及视力功能下降的弱视者）、听障者群体（包括听力残障者及听力功能下降的重听者）、智障者群体、语言功能障碍群体、持非媒体内容所用语言的阅听者等。在本研究中，将影视媒体无障碍的使用对象限定为视障者群体和听障者群体，如此的限定基于以下考虑:

首先，视听障碍者是具有健全的信息处理能力的人群（相对于心智障碍人群而言），且在其学习、工作和生活中有较高的信息需求，相对来说，这一群体具有较高的信息无障碍传播的期望。其次，就我国当前的情况看，视听障碍群体数量庞大，而无障碍传播环境建设落后。据2006年第二次残疾人普查数据，我国有2780万的听障者，约占世界听障者总数的1/4；有1300万的低视力者，并以每年新增45万的盲人及135万的低视力者的速度增长。如此数量庞大的视听障碍者的信息需求被长期忽视，对他们的生产、生活以及整个社会的和谐稳定构成了威胁。另外，早在1977年9月联合国就通过了《聋盲者权利宣言》，宣言中对盲聋者的信息接触、使用和传播权做了明确的规定，在这些国际公约的指导下，国外许多国家都已开始了针对盲聋者群体的无障碍传播环境建设，我国在这方面一直处于落后地位，将盲聋者的信息传播问题专门提出，具有推动我国实践发展的现实意义。

通常来说，影视媒体内容对听障者造成的障碍主要是基于声音传播的听觉信息的使用障碍；对于视障者造成的障碍主要是基于影像传播的视觉信息的使用障碍。对这些障碍的解决在技术处理上就是要将基于声音传播的听觉信息转化为视觉信息，为听障者的使用提供可替代性的信息获取通道；并将基于影像传播的视觉信息转化为听觉信息，为视障者的使用提供可替代性的信息获取通道。在技术实现上主要有以下几种方式:

一、字幕和手语——弥补听障者影视内容使用的可及性方式

从当前的无障碍传播实践来看，字幕和手语是解决影视内容对听障者障碍的最有效途径，在两者中，又以字幕的使用最为普遍。

字幕

字幕在英文中有三个与中文对应的单词:teletext，subtitles和closed captions。虽然这三个词都可翻译为“字幕”，但在英文中，它们的形态和功能却存在着一定的区别。

Teletext实际上指的是“图文电视”，与汉语所说的字幕不太一样，它是20世纪70年代由英国独立电视委员会指定的旨在为听障者提供信息的电视文本信息传送服务。它完全依靠文字文本向观众传送一些诸如国内新闻，国际新闻，体育新闻，天气预报和电视节目预报之类的文本信息，如图1‐2所示。^[9]

当图文电视系统在欧洲许多国家兴起的同时，它也被亚洲、非洲和大洋洲的国家所借鉴，比如阿米尼亚、澳大利亚、印度、以色列、马来西亚、新西兰、新加坡、南非、越南等。在这些国家，一方面，图文电视作为专门的电视节目播出，旨在专门提供各种各样的文本信息服务，比如新闻、体育、文化、经济等；另一方面，图文电视也成为一种专门为听障者提供信息服务的无障碍传播技术。

当然，尽管近年来图文字幕技术有了很大的发展，但模拟电视中的图文字幕和隐藏式字幕的进一步普及还存在着许多困难。比如有些观众提到的大部分的录影机不能捕捉图文信号，使得听障者不能将电视节目录制下来以备以后观看；另外，当观众需要快速调台搜索节目时，需要把字幕关掉等。对于节目供应者来说，为了建立节约成本、资源共享的字幕交换系统还存在着障碍。欧洲广播联盟（EBU）曾制定标准和格式以利于欧洲内部各国之间字幕的共享，美国与英国也建立了字幕共享机制，但这种合作在实践中遇到了许多问题，比如语言的障碍、不同国家使用的不同的字幕标准等。

图1‐2　图文电视示意图

Subtitles可直接翻译为字幕，但它主要是指电影或电视节目中一种显示对话文本的字幕。它一般出现在画面的底部，可以是节目原始语言的文本显示，也可以是翻译语言的文本，还可以是插入的以便观众能更好地理解剧情的解释性信息。Subtitles可以帮助有听力障碍的人了解节目内容，但它最初并不是为听障者服务的。它最早出现在20世纪20年代，主要是为了将好莱坞的影片引入欧洲，利用Subtitles为欧洲非英语的电影观众提供其他语种的语言翻译的，带有这种字幕的电影碟片，比如DVD等，在电视上播放时其字幕可以通过遥控器来开启或隐藏。

Closed Caption（简称CC），实际上应被翻译为隐藏式字幕，也是字幕的一种。“Closed”意味“隐藏式的”就是指不能被所有人看到的，可以通过选择来开启或者关闭的字幕，它与Open Caption（简称OC，开放式字幕）是相对的，OC则是指能够被所有人看到，无法关闭。比如^[10]:

如今，人们已经不对CC和Subtitles进行严格区分了，只是在使用上，美国比较常用CC来专指为听障者提供的字幕，用Subtitles来指各种非听障者字幕。而在英国，Subtitles一词则包含了这两个方面，基本上不做细致的区分，但有时也会用CC来专指给听力障碍者提供的“Subtitles”。

图1‐3　电视开放式字幕示意图

图1‐4　电视隐藏式字幕示意图

根据Egoyan和Balfour的研究，字幕最早出现在1907年，那时候仍然处于“默片”时代，当时的字幕主要指无声电影里面的“标题卡”（Title Cards），用来叙述故事情节或传达人物台词等。^[11]如图1‐5所示。

到了有声电影产生后，字幕才逐渐演变为当前影视节目中字幕的一般形态，但这时电影中配备字幕只是为了将电影中的一国语言翻译成另一种语言，主要是将好莱坞的电影翻译给欧洲的观众观看。^[12]直到第二次世界大战后，视听障碍者的信息权益逐渐进入人们的视野后，字幕及手语作为消除或者帮助听障者尽可能完整地接收电视信息的无障碍途径才被逐步确立起来。

需要厘清的一个问题是，如今已有许多国家的电视节目以及电影都配有字幕，这种字幕是那种仅将影视节目中的对话或旁白等声音信息转化为文字的字幕。虽然这种字幕对于听障者理解音视频内容也起到了很大的帮助作用，但从根本上说，这种字幕系统不是建立在听障者信息接收习惯及特殊需求基础上的，与专门的听障者字幕有很大的不同。

图1‐5　无声电影中的标题卡

听障者字幕是指以听障者的信息接收习惯为基础，专门为听障者理解影视作品内容服务的，将影视作品内容中作用于听觉系统的声音信息转化成作用于视觉的文字或图像信息的字幕配备方式。听障者字幕是随着残疾人信息权利运动的开展及信息无障碍建设的发展而出现的，逐步形成及成熟的时间大约在20世纪80年代以后。如今，欧美等发达国家大多使用专门的听障者字幕系统，而这种字幕基本上都是隐藏式字幕；也有一些国家实行的是双轨制，既有一般的开放式字幕，也提供可以开启或关闭的听障者字幕。

听障者字幕的特殊性表现在以下几个方面。

1.呈现方式的特殊性

呈现方式主要指字幕的外部形态。由于听障者听不清（到）声音信息，完全依赖字幕来理解影视节目内容，此时，字幕作为唯一的信息获取方式相比于作为辅助方式的字幕在其呈现方式上有着特殊的要求，这些要求包括:行距、字距、字体、字号、颜色、位置、停留时长等。如今，不同的国家，比如英国、丹麦、葡萄牙等国家都制定了专门的聋人字幕配备要求，其中对字幕呈现方式有着具体的规定，这些规定执行的根本原则是要让听障者看清、读懂，为了达到这一目标，需要处理的基础问题是如何将影像节目中的“声画一致”问题转化成字幕与画面的一致性问题。由于阅读文字的速度一般要慢于收听声音的速度，那么如何既保证字幕停留的时间与声音流动的速度一致（比如，人物说话时的口型与字幕一致；或画外音的速度与字幕停留时间一致），又保证观众能够在有限的时间内读完字幕内容，是听障者字幕一致性要解决的首要问题。比如，有学者的研究显示在儿童节目中，由于儿童观众阅读速度有限，其字幕停留时间应该两倍于其他类型的节目，而此时就很难保证字幕与画面声音来源的一致。^[13]另有学者认为聋人字幕的流出或停留时间应与人物说话的口型一致，这样有利于聋人观众既通过唇语又通过字幕来获悉声音信息，而如此在某些情况下，比如说话者语速很快时，就很难保证字幕有足够的停留时间让观众仔细阅读。^[14]

除了停留时间之外，在呈现方式的几个指标中，字体、字号、颜色、位置等指标还兼备表达特殊内容的功能。比如在拉丁语系中字幕有大小写之分，在许多国家的字幕配备方案中，比如英国，用大写字母的拼写表示强调（比如“EVERYWHERE”一词）；也有用大写拼写表示音乐信息，比如葡萄牙。也有在一些语气词中用首字母大写表示语气或者强调，比如“Oh My God！”，“Pai！Pai！Pai！”（葡萄牙语）等。

字形的使用也有一些特殊的功能，比如在译制片中，用不同的字形表示非影片所用原语言的第三种语言，比如在英语译制片中出现德语的，在一些字幕配备方案中则用不同的字型将原文译出，并用“German”（德语）一词标注。

字幕颜色的不同也有不同的功能。比如在多个人同时讲话时，用不同颜色的字幕表示不同的讲话者所说的内容，这一点有点类似于卡拉OK当中的对唱或者合唱，其歌词多用红色和蓝色两种颜色表示男女声部。也有一些字幕配备方案中，用不同的颜色表示不同的声音类型，比如在葡萄牙，用黑底青色字表示歌词或者音乐信息，用黑底黄色字表示评论信息，用黑底白色字表示对话信息等。在葡萄牙的电视节目中，也用黑底黄色字来呈现一些表情符号，比如“∶）”（高兴）、“∶（”（哀伤）等。

一般来说，字幕出现的位置都在屏幕的下方，字幕大小以尽可能让听障者看清为准，但也有一些聋人字幕的配备方案中，字幕出现在画面当中的声音来源的地方。这种方式有如连环画当中的人物言说的表现方式，如图1‐6所示。^[15]

用不同的字幕位置表示声音的来源有直观、方便识别的好处，省去了用屏幕下方字幕表示，还需要用多余的说明信息来解释声音的来源的麻烦，尤其是在多声音来源的画面中，比如闹市区及聚会场所的背景音，人物对话时的背景音乐，人物争执吵架时，声音不是按时间顺序出现，而是同时有好几个声音来源同时发声时，用不同的字幕位置表达声音来源及内容更加方便。

图1‐6　连环画中的文字语言

2.内容表达的特殊性

内容表达的特殊性要求源于在听障者字幕中需要将所有对表达影视产品内容有帮助的声音信息都转化成视觉信息的基本要求。为了贯彻这一基本原则首先需要理清楚影视节目中的声音信息类型。粗略来分，影视节目当中的声音信息分为:人物声音（解说、人物同期声）、音乐声和音响声（自然音响、效果音响）。由于人类生活世界的立体性、复杂性，要完全用视觉符号表达一个立体的、复杂的、流动的生活世界是非常困难的，这也就给听障者的字幕配备工作带来了巨大的挑战。根据各国听障者字幕的配备经验，可将听障者字幕在内容表达上的特殊性总结为以下几点:

（1）声音来源标识的特殊性

由于听障者不能通过音色的不同辨识不同的声音来源，需要通过字幕标识的方式对不同的声音来源加以区别，这就使得听障者字幕要复杂于一般性字幕。根据既有的实践，通过字幕标识对声音来源的区分有以下两种处理方式:

通过不同的字幕颜色区分:比如在多人对话场景中，用不同颜色的字幕分别代表不同的说话者，以便在话轮转换时让听障者观众能够马上做出判断。

通过标注不同的标识符号区分:比如在画外音出现时，通过字幕前加标“（Off‐screen）（画外）”字样来表示（比如西班牙的TV3台）；或者在字幕出现前加标“＞”符号来表示画外音（比如英国的BBC2台）。或者，在多人物对话时，通过在讲话者加注讲话者名字来引出讲话内容，比如“（Jessica）I am doing well.”（如葡萄牙的SIC［MA］电视台）等。

（2）情绪表达的特殊性

由于无法辨别音色，听障者字幕还需处理的另一个棘手的问题是如何通过字幕对说话者的情绪状态进行表达。比如说话者生气时咆哮的语气，高兴时愉悦的语气，悲伤时低沉的语气，等等。由于电子屏幕容纳的字幕容量有限，字幕随画面而变的停留时间有限，过多的描述必将影响观众的阅读速度，因此如何通过最为简洁的方式表达出言说者说话时的情绪，是听障者字幕至今仍在探讨的问题。根据既有的实践，一些国家的听障者字幕中规定可以通过一些表情符号来表达言说者简单的情感状态，比如通过加标笑脸符号等符号表示言说者的愉悦情绪。

当然，人的情绪是非常复杂的，很难通过一个简单的符号完整表示，这是字幕方案很难解决的问题。有些学者认为听障者不能通过字幕获得恰当完整的情绪信息，会造成听障者观众与健全人之间的“情感鸿沟”（Emotional Gap），因此，他们希望能够研发出一种软件，自动描述出屏幕上出现的文字背后的言说者情感，从而将言说内容和情感状态一并通过字幕表达出来。^[16]

（3）环境营造中声音描述的特殊性

人类生存的动态环境，声音是无处不在的，声音对于环境的营造以及故事的推进起着重要的作用，而用于营造环境的声音微妙及复杂到很难通过字幕表达，比如静悄悄的夜里风刮树叶的声音，雨水哗哗冲刷玻璃的声音，安静的、空荡荡的屋内蹑手蹑脚的脚步声，极度紧张的人物怦怦怦的心跳声，等等，这些声音很难通过字幕描述确切表达。在实践中，现有的解决方案只能通过简单的词汇大致描述。在画面中没有出现声音来源，只有声音时，在声音出现时出现字幕描述，声音结束时结束声音描述；而在画面中既有声音源，又有声音时，需将字幕描述的起止保持与声音来源出现的一致。

（4）非人物语言声音表达的特殊性

如果说人物语言可以通过文字转录确切表达的话，非人物语言则没有那么容易通过字幕确切反映出来。比如电话铃响的声音，在某些国家用符号表示电话铃响。其他的还比如狗吠声、车子喇叭声、敲击键盘的声音、用勺子搅拌杯子的声音等等。可以说，世界多复杂，非人物语言的声音就有多复杂，如何通过字幕反映这些声音来源及声音状态，是今后听障者字幕研究需要解决的问题。

（5）多语种表达的特殊性

这一问题在前文中已有所涉及，比如在某些影片中，出现了第三种或者第四种语言，如何通过字幕既将说话者的内容翻译出来，又将他所持有的语种类型标注出来，也是听障者字幕需要解决的问题。通行的做法是用字幕翻译说话内容，再用“（）”标注语种类型，比如“（German）（德语）”等。

（6）口语向书面语转化的特殊性

在听障者字幕中，口语向书面语转化的特殊性之所以成为一个问题在于很多先天聋人从学习语言开始就没有接触过口语，他们所接触到的都是转化为视觉的书面语，或者手语，而在我们使用的日常语言中，口语是居于主要地位的，很多口语的鲜活程度是很难通过书面语完全表达的，比如我国方言当中的方言表达在书面语中找不到对应的词汇，这时候如果坚持字幕对声音语言一字一句的转录恐怕会造成听障者观众的理解障碍。在有些国家的字幕方案中，要求字幕配备者将过于口语化的表达转化成相对书面的表达，以便聋人观众的阅读。当然，如此处理也会出现两个问题，一是如何保留原口语表达的特色；二是如何判断哪些是过于口语化的表达，这个度如何把握，这也是当前听障者字幕研究的一个课题。

（7）音乐处理的特殊性

音乐是完全作用于听觉的声音信息，是无法通过字幕解决的声音信息，而音乐在影视作品内容中又起着极其重要的作用。在有些国家的字幕配备方案中，通常会在音乐出现的地方加标符号表示此处音乐响起（比如英国的ITV1台），还有些国家会对音乐的类型加以简单的描述，比如“爵士”、“古典”、“流行”等。当然，如果是歌曲的话，通常都会通过字幕将歌词转录出来。

不可否认的是，虽然欧美等国在听障者字幕的实践和研究方面都取得了不少的成果，但这一领域仍然存在着很多未决的问题，更何况现实生活千变万化，新的声音类型不断出现，影视作品的制作技术也在不断改变，对于字幕的探索和实践根本无法停止。当然，听障者字幕系统一旦建立，也需要一个相对的稳定性，比如一旦某种声音的字幕表达方式被广泛使用后，就应该制定出一种强制性的规则约束大家共同执行，才能既有利于观众以最快的速度对某种字幕符号进行解码（比如通过大写字母表示强调，通过笑脸符号表示愉悦情绪等等）；也有利于一个成熟的字幕编配方案的形成。

手语

手语（sign language）是用手势比量动作，根据手势的变化模拟形象或者音节以构成一定的意思或词语。狭义上的手语专指听力障碍的人之间互相交际和交流思想的一种肢体语言，它是听力障碍人群的主要交流工具。对于电视媒体来说，除了使用字幕来替代或弥补听力损失的障碍外，手语也是另外一种重要途径。不过美国学者曾对听障者对电视字幕和电视手语的偏好进行调查，有不少听障者表示“虽然手语很好，但观看手语画面会妨碍同时观看电视画面，相比来说，字幕更加方便易懂”；当然也有正面的声音，有学者对美国全国范围内聋人的抽样调查显示“95%的听障者表示相对于其它沟通方式来说，他们更加喜欢使用手语进行交流”。^[17]可见，对于电视中是否使用手语仍然存在争议。同时，手语是听障者专属的交流方式，通常来说仅限于听障者之间的交流，也使得手语的适用范围过窄，而影响了在影视节目中使用手语的比例。

在影视媒体内容的无障碍实践方式中，手语更多地出现在电视节目当中。通常电视节目中的手语有两种使用方式:一种方式是手语作为节目语言的翻译，以非手语的播报为主，手语翻译或以子屏幕的形式出现在屏幕一角，或与非手语主播并行出现，但只起到翻译职能，不能对节目有任何发挥。如图1‐7所示。

图1‐7　中央电视台新闻频道配有挂角手语翻译的节目画面

图1‐8　广西卫视新闻节目中使用的虚拟手语主播的画面

图1‐9　北京电视台新闻节目中的手语翻译画面

在影视媒体内容的无障碍传播实践当中，以第一种的手语处理方式为主。并且，就哪些影视类节目更需要手语翻译对聋人观众的调查发现，他们更希望新闻和聋人新闻节目配备手语，有超过70%的被访者选择了此项；有大约50%的人希望新电影和喜剧配上手语；约40%的人希望体育节目配有手语翻译。统计结果如表1‐1所示。^[18]

表1‐1　配备手语翻译的电视节目类型意向调查

续表

第二种手语配备方式是直接用手语制作节目，即专门的手语节目。这类节目的主屏幕就是手语人员进行的新闻播报、故事讲述或表演等，节目中不出现非手语的叙述者，只在屏幕下方配备字幕。此种方式在实践中运用较少，典型的有BBC2台的See Hear（看到、听到）节目。如图1‐10所示。^[19]

图1‐10　See Hear节目画面截图

See Hear节目是1981年BBC针对听障者群体特别制作播出的一档专门的手语节目，节目以电视杂志类节目的形态提供英国当地及国际上听障者社群的消息，以及各种有关教育、权益、科技等方面的资讯。目前在BBC2台每周三下午一点播出，节目时长为半小时。

虽然，制作专门的手语节目并不被广泛采纳，通常也会认为这类节目过于小众，费时费力且收视率不高，但有学者通过调查发现聋人更喜欢第二种类型的手语节目，不喜欢在节目当中放一个框框的手语翻译，他们认为:如果在主屏幕下方弄一个手语翻译框，他们的眼神就不得不在主屏幕和翻译框之间转来转去，反而影响了节目的收看，他们更喜欢主屏幕就是一个使用手语传播信息的聋人，这样看起来才公平。^[20]对于聋人观众更希望将哪些节目制作成专门的聋人节目（即用手语为主配以字幕的节目，而非专门为健听人制作的配备手语翻译以供听障者观看的节目）的调查中，期望度最高的节目是“聋人戏剧”，有75%的人选择；其次是聋人专题节目和聋人电影，分别有69%的人选择；新闻类节目有65%的人选择。^[21]同时，对听障者的调查还发现，他们更希望有聋人参与的节目，包括新闻播报，而不是弄一个手语翻译，以便他们有融入感。^[22]而且，他们不喜欢让懂得手语的健听者来做手语翻译，他们更喜欢懂得手语的聋人朋友，这样显得更加有亲和力。^[23]另外对影视媒体内容中的虚拟手语主持（播报员），有较多的听障者表示了非议，因为他们无法从虚拟人物的面部表情及肢体语言中获得更多的信息。英国的一项研究发现听障者对于手语翻译者的形貌也有要求，听障者观众更喜欢看起来很有亲和力并且看上去很像“权威”的手语翻译，比如看起来他/她对某个议题很懂，^[24]虚拟手语主持根本做不到这一点。

在实际的影视内容的无障碍操作中，究竟是使用字幕还是使用手语，不同的人有不同的见解。内容供应者（电视台或节目制作者）更喜欢字幕而不是手语，因为它们认为在取得差不多传播效果的基础上，字幕比手语制作起来更加方便，成本也较低，并且字幕对于健听者来说也可以使用，但手语的使用范围太窄，显得投入和效果不成比例。^[25]但不少听障者对于这一点表示不认同，他们更希望在电视节目，尤其是时事新闻节目中使用手语。^[26]

在具体的节目中对字幕和手语通常有三种处理方式，只使用字幕、只使用手语或将二者结合起来使用，虽然三种方式在电视实践中都有使用，但有调查显示聋人观众更喜欢字幕和手语都有的混合方式，尤其希望在新闻节目中，主持人使用手语主持，同时有播报员的声音播报，配合有屏幕下方的字幕，这样的方式更符合他们的收视习惯。^[27]但也有人认为字幕和手语都出现在节目中显得屏幕过于复杂，反而影响收看效果，比如当有重要的信息需要通过字幕才能了解得清楚的时候，你的眼神必须移至字幕处，但再转回手语时，常常不是字幕结束的地方，衔接起来比较费劲。^[28]调查还发现，许多听障者呼吁使用手语的原因是他们不大识字，阅读能力不太好，阅读字幕比较费劲；当然，呼吁使用字幕的听障者则认为手语存在有随意性，通行的手语也有很多差异，没有统一的标准，如果自己掌握的手语与电视中的不同，则根本不能依靠手语来获悉信息，反而对理解节目形成干扰。^[29]有调查支持了这一观点，一项对听障者电视观众的调查显示:听障者观众对电视手语的质量问题最为不满，他们认为电视节目的手语翻译速度太快（因为手语翻译必须跟上口语播报员的速度，并保持同步，但这样的配合使得手语速度太快），以至于没有充足的停顿时间来看清楚各种手势。^[30]

二、影像描述——弥补视障者影视内容使用的可及性方式

通常认为电视媒体对听障者的障碍较大，视障者通过收听声音仍能够获悉大部分的信息，因此所受到的障碍较小。所以，长期以来电视媒体对于视障者的无障碍传播并没有引起人们的重视。1980年之后，人们开始考虑弥补电视图像对视障者信息缺失的方式，影像描述便是在这样的思考中出现的。

影像描述（Audio Description，简称AD），又叫口述影像^[31]，或成音描述，是一种将画面转换为声音描述的技术，主要是指“在节目中对白停顿或本身之叙述暂停处，在不干扰原节目的声音和对白部分成音的原则下，对影像节目中出现之视觉成分（visual elements）加以解释与描述。^[32]需要加以解释的视觉成分包括“时间和空间情境的说明，人物角色的关系、场景、布景以及人物的肢体语言等”。^[33]实际上就是在影像节目中适时加入一些与情境架构相关的描述，而不干扰到节目中的对白和声音，从而帮助视障者对整体节目的内容有更为正确的理解。

虽然上世纪80年代后已经有了有关AD的构想和技术开发，但是直到1990年，AD技术才真正在电视节目中出现。1990年，美国波士顿的公共电视台WGBH首次提供AD服务，免费为视障者提供配有AD的电视节目与录影带。实际上，AD并非是特别的技术发明，在视障者日常看电视的行为中，其家人、同伴常常扮演着AD提供者的角色，这一技术也是在视障者日常收看电视节目的实践中被发现的。有研究显示，暴露于AD的视障团体，对实验时采用之节目片段的了解较高^[34]，其他相关的调查也证明了AD的确有助于视障者接收与了解剧情。^[35]比如台湾学者赵雅丽通过对台湾岛内视障者的实证研究发现“缺少AD的辅助，聆听节目中之对白的弱视力者，比视觉正常者，较不容易正确地回答有关剧情的相关问题。”^[36]赵雅丽认为就当前的科技来说，影像描述对于视障者，尤其是全盲者来说，仍然是解决他们接触影像节目障碍的最有效的办法。

然而，影像描述是对既有影像的二次加工，其制作过程比较复杂，一般流程包括:由受过专业训练的人预先观看影片并撰写需要加入影像描述的脚本（类似于电影剧本），由专业的口述员录制需要增加的描述内容，再将录制好的影像描述脚本利用电脑软件适当地插入节目对白的停顿处。由于影像描述的制作过程较为复杂，对于哪些影像需要描述，如何描述更有利于内容理解等问题没有一个确定的评估标准，因此在推广过程中遇到了更大的阻力。台湾淡江大学盲生资源中心，曾尝试推行口述影像的研发与制作工作，但过程中也面临了一些困难和问题……如制作经验不足、缺乏系统性理论的研发与引导、制作效率与品质无法掌握与评估，以及媒体节目类型的限制等。^[37]然而，赵雅丽教授认为:“就人权平等与（接近使用媒体及资讯平权）的观念而言，口述影像研究的精神正代表了传播人对多元社会中，文化差异与生命意义等价值应有的尊重与关怀，更重要的，它也代表了传播学界对视障者（接近使用媒体及资讯平权）之理念的实践与努力。”^[38]

当然，对于视障者来说，影视媒体当中的文字信息已经可以借助于语音技术得到改善，或者说已经克服了视障者的使用障碍，比如读屏软件的使用，但影像信息（尤其是画面信息）仍然对视障者存在使用障碍，在这种情况下，影像描述不失为为视障者提供影像信息获取的较为有效的可替代性方式。实际上，在实践中，这种方式在盲人电影中已经开始使用了，只是尚未给它一个确定的术语，比如“影像描述”，而是以一种更加口语化的“说电影”的方式存在。这种“说电影”的方式其实就是一种现场版的“影像描述”，如果将“说”的部分二次加工进电影拷贝当中，就是一个配有“影像描述”的、供盲人“观看”的无障碍电影了。

对影像描述的研究也要晚于字幕和手语，但在认知语言学及话语分析方法兴起后，对影音描述话语结构及受众认知方面的研究越来越多。最早有关影音描述的研究可以追溯到1975年旧金山州立大学的一篇硕士论文《简・皮特曼的自传:为盲人和视障者改编的全视频电视剧本》^[39]，但当时尚没有“影像描述”这一概念。直到上世纪末期，随着影像描述技术的产生，以及越来越多推动者的出现，比如AUDETEL联盟^[40]以及英国皇家盲人协会（Royal National Institute of the blind），对影像描述的研究也就多了起来。互联网兴起后，网络上也出现了不少有关影像描述的资料，包括技术研发资料、实践报告、受众研究以及提供者的评估等。可以肯定地说，所有的这些研究对影像描述的效果评价都是积极正面的，研究显示影像描述在帮助盲人接受教育以及促进盲人社会化中起着推动作用。在语言学框架内的研究包括通过对视频描述脚本的话语分析来看影像描述的话语结构以及叙述方式。^[41]也有通过对某个视频作品的影音描述的个案研究来揭示其中的语言运用方式及技术的。^[42]近年来对影像描述的研究有一个细分的趋势，即对不同的视频形式的不同的受众需求和接受模式进行研究，比如戏剧、话剧、芭蕾及博物馆展示等。^[43]大型的研究项目包括美国萨里大学Salway的TIWO（电视语言，Television in Words）研究。这一项目从2002年启动，到2005年结束，Salway及其团队从计算符号学和多模态的视角对影像描述进行关注。他们使用了一个包含由60部电影及部分电视节目影像描述脚本构成的有50万个单词的语料库进行分析，试图探究影像描述在叙述中的语言结构，以及，受众在“观看”配有影像描述的电影及电视节目时的认知过程。^[44]另外，在传播学视域比较有名的研究是台湾淡江大学赵雅丽教授所做的有关影像描述对视障者理解视频内容的影响的研究。赵雅丽教授首先对台湾范围内视障者的媒介使用习惯进行了调查，然后通过选取的配有影像描述的视频短片对视障受试者进行测试，从而发现影像描述对于视障者正确地理解视频内容具有积极作用。^[45]