论可读性只在屏幕内成立#

1.1 第一份截图：被替换的汉字#

先看第一张图。

这是一段生日祝福，正文是浅蓝色的常规字体，其中若干个位置被替换成了一个黑色的、猫头轮廓的小图。这些替换点绝大多数落在”最""的""真""还""让”这类高频功能词上——它们在句子里几乎不携带实义，去掉之后句子依然大致成立，这正是这种替换能被人一眼”读懂”的原因。

作者本人显然没有把它当成障碍，因为：

• 作者认识这段话的全部上下文，知道被替换的是哪一个词；
• 作者知道那个猫头是固定的、通篇一致的，相当于一个私有符号；
• 作者的阅读是”连续扫视”，不是”逐字解码”，语义链条完整，缺失的字被句法结构自动补上了。

于是同样的图落到接收者手里，情况完全不同。接收者面对的是一段没有上下文的静态像素：有的人能靠猫头形状猜出”是”的语气，有的猜不出；有的人猜得出但要多花三倍时间；截图在聊天软件里被压缩之后，那个本来就小的猫头被压成了几像素高的模糊色块，信息彻底归零。

1.2 第二份截图：循环动效的卡片#

第二张图是一个带预览框的卡片，预览框里是一段会动、会爆闪的特效画面。

这类内容的关键特征不在”动”，而在**“自动、循环、无暂停”**：

• 动效不是用户触发的，是进入卡片就自动开始的；
• 它不是播放一次就结束的，它按固定周期循环；
• 在一段约三秒的周期里，只有约零点七秒的时间窗口里动效处于收缩或透明状态、露出全部文字；窗口一过，特效重新铺开，把文字完全覆盖。

这意味着一个事实：阅读时间不是被压缩的，而是被切成了碎片。 你不是在”慢慢地读”，你是在一扇每零点几秒就关一次的门里抢时间。而这还不是最严重的情况——因为接收者看到的往往是一张截图，截图恰好落在任意一帧上，落在特效铺开的那一帧，接收者拿到的是一张完全被遮挡的图；落在窗口期那一帧，接收者拿到的是一张清晰可读的图，但从此对这张图的”动”一无所知。

也就是说，截图这个动作本身，把一个时间上可通行的障碍，坍缩成了一个空间上的死局：原本动态的、可等待的、总会放过完整文字的循环，在被冻结为单帧之后，要么永远不出现文字，要么偶然出现一次但读者没有任何线索知道该等。

1.3 同一个形状的两个实例#

把两份截图并排放，会发现它们共享一个结构上的相似性：

内容在”呈现层”上做了一些看起来无关紧要的装饰，而这份装饰侵占的恰好是解码文本所必需的资源——字形的清晰度，或者时间的存在。

第一个侵占的是视觉通道：文字的像素被换成了猫头的像素，接收者必须先认出”这是个代称”，再回到上下文里做一次替换推理。

第二个侵占的是时间通道：文字的可见时段被压缩到全周期四分之一不到，接收者必须在极短的窗口里完成扫视，并且要反复重来。

这两者都不是”审美问题”，而是信息在信道上被编码时就已经损失了可解码性。香农在 1949 年给出信道容量公式时就已经把这件事说透了：任何信道上传递的信息量，不可能超过信道的容量，而遮挡与替换，本质上就是在给信道注入噪声 [1]。截图分享的过程，是把一条高噪声、但保留了时间冗余的信道，转换成了低噪声、但完全丧失时间冗余的信道——信息既没有变多，也没有变少，只是再也回不去了。

2.1 可读性、可访问性、可发现性#

可读性（legibility） 关心的是：字形本身是否清晰可辨。字号、字重、对比度、字间距、行距、字体渲染质量都在这个范畴。它是一个关于”像素”的问题。

可访问性（accessibility） 关心的是：用户是否有能力以自己适配的方式获取内容。低视力用户的放大、屏幕阅读器的朗读、字幕、音轨都属于这里。它是一个关于”通道”的问题。

可发现性（discoverability） 关心的是：用户能否知道”这里有可以读的东西”，以及”它在哪里”。一屏全是动效而没有任何文字轮廓时，用户甚至不知道那底下压着字——这是一个关于”入口”的问题。

三者是层层递进的：可发现性在最外层，可读性在中层，可访问性是兜底层。 猫头字把问题卡在中层（字形不匹配），动效卡片把问题卡在最外层（连”底下有字”这件事都要靠猜），而一旦这三者中任何一层坍塌，最内层的无障碍就会成为唯一通道——此时”用文本替代图像""让动效可暂停""让文字可被读屏朗读”这些兜底设计的缺失，就会从”体验不佳”升级为”内容不可获取”。

2.2 “自己读得动”为什么是真的成立#

这里必须正面处理一个反驳：“猫头字在私聊里明明读得通，凭什么说它是障碍？”

这个反驳是对的，而且必须被承认，而不是被绕过。“猫头字在本人设备上完全可读”不是错觉，而是一个由三重机制共同支撑的稳定事实：

机制一：熟练化（fluency）。 任何重复出现的视觉符号都会从”需要解码”退化为”自动识别”。一个作者在同一个聊天窗口里连续使用同一种猫头三次之后，第三次时他根本不会意识到自己在”读一个图标”，而是像读一个标点符号一样直接扫过去。这是技能化，不是错觉。

机制二：专家化与冗余利用（expertise + redundancy）。 Miller 在 1956 年就把工作记忆的容量概括为约七个组块，Cowan 在 2001 年把这个上限修正得更保守——大约四个可被主动操作的组块 [2][3]。经验丰富的读者之所以读得快，很大程度上不是因为他们看得快，而是因为他们每一组块能打包的信息更多：熟练读者把”最""的""真”这类高频功能词和周围的实词打包成一整个短语单位，新手则要一个字一个字地处理。功能词的常规字形对熟练读者来说本来就是”零成本”的，把它们换成猫头之后，熟练读者依然能靠句法结构零成本地补回来——替换恰好发生在了信息密度最低、冗余度最高的位置，所以替换对作者的代价接近于零。这不是巧合，这是这种玩法的生存法则：它只有替换功能词，才不会被作者自己嫌弃。

机制三：上下文的独有性。 作者看到的不只是这张图，而是”这张图 + 这段对话 + 前情 + 后文”。认知负荷理论早就说明，加工的成本取决于认知资源被占用得多满 [4]。作者的上下文是免费搭送的，接收者的上下文是零。同一份像素，在两种上下文下的解码难度并不是同一个数。

所以本文的立场不是”猫头字很难读”，而是：“猫头字很容易读”这件事有一个极强的前提条件，而这个前提条件在截图传播的那一刻起就不再成立了。 作者的易读性是租来的——租自设备、软件、字号、显示密度、上下文，以及作者本人的熟练度。截图传播的实质，是这些租约在收件人那里一次性全部到期。

2.3 私域可读与公共可读#

在第二节的基础上，本文正式提出一对区分：

• 私域可读（self-readable）：内容在”作者当下所处的具体条件组合”下可被作者解码。这个条件组合包含至少六个变量：显示设备与分辨率、阅读字号、行距与显示密度、所使用的客户端版本、该内容所在的对话上下文、以及作者本人的熟练度。
• 公共可读（transferably-readable）：内容在”接收者的条件组合”下可被解码。此处接收者的六个变量与作者独立取值，且通常全部处于未知状态。

关键在于：这两个量之间没有任何系统性的关联。 没有任何机制保证”作者私域可读 ⟹ 公共可读”，甚至没有理由认为前者的概率高于随机。

这就是本文标题的完整含义：可读性只在屏幕内成立。屏幕内，指的是”在作者那套条件组合里”；一旦离开，屏幕内成立的可读性不再具有任何保证。

3.1 汉字的识别优势与它的脆弱面#

汉字阅读有两个常被夸大的特点，其实都是优势与脆弱同体。

其一，汉字是直接语义通路的：读者从字形直接到词义，不需要经过字音的转写。Sun、Morita 与 Stark 在 1985 年的中英对照眼动研究中发现，在控制任务与材料之后，中英熟练读者的眼动模式高度相似——眼动节律、注视位置分布、回扫率都接近 [5]。Feng 等人 2009 年的发展性研究则进一步指出，中文儿童更早建立”字形→词”的直接通路 [6]。

其二，汉字是高冗余的：单字不成词，但一个字形往往同时携带语义部件（形旁）与语音部件（声旁），读者可以在字形层面就完成大量猜测。

这两点合起来意味着：汉字阅读对”字形”本身的依赖度，实际上比英文高得多。 英文读者看到一个不认识的词，可以通过上下文和词形猜出大意，读不出也能读过去；汉字读者看到一个不成词的怪字形，必须先解决”这是什么字”，才能继续往下走。当这个字形被换成一个猫头时，汉语读者失去的不只是”一个字的视觉形状”，而是**“进入这个词的唯一入口”**——剩下的路只能绕道句子结构去推，而句子结构的冗余是有限的。图 1 之所以勉强还能读，正是因为替换点几乎全在功能词上，句子结构的冗余撑住了场面；如果替换的是一个实词，比如把”猫”换成猫头，整句话的语义锚点就没了。

3.2 组块、视觉搜索与”扫到哪儿去”#

现代阅读不是逐字解码，而是扫视（saccade）+ 组块（chunking）：眼睛一次注视抓取若干字符，把它们打包成一个语义单元，然后跳到下一个单元。Treisman 与 Gelade 1980 年的特征整合理论指出，注意会先对颜色、朝向等基本特征做预注意的并行处理，再由焦点注意把它们整合成对象 [7]。这意味着读者的第一次”命中”很大程度上是靠视觉显著性，而不是靠逐字辨认。

这解释了一个细节：猫头替换在扫视层面几乎不产生额外的视觉成本——猫头是黑色的实心图形，而正文是浅蓝色字体，猫头在视觉显著性上甚至可能更强。Horowitz 与 Wolfe 1998 年在 Nature 上的研究则指出，视觉搜索高度依赖当前可见的刺激，记忆线索对实时搜索的贡献极小 [8]。落到阅读上：读者跳到哪里去，主要由”哪一块视觉上更突出”决定。

于是形成一个典型的占位—解码错配：猫头把读者的扫视落点牢牢钉在了自己身上（它更黑、更实、更不规则），但它承载不了句子需要的语义。于是每一次扫视到猫头，都要额外花一次”这到底是什么 → 它对应哪个词 → 替换回原文”的推理。这不是零成本的”跳过”，而是每次经过都要付一次小税。

3.3 表情符号内嵌于文本：实证研究说了什么#

“文本内嵌表情符号会拖慢阅读”这一点不是本文的推测，它有相当扎实的实证支持——虽然这些研究的对象通常是英语与英语学习者，而非汉语。

Barach、Feldman 与 Sheridan 在 Psychonomic Bulletin & Review 上的眼动研究直接测量了”表情符号化文本”（emojified text）中表情的加工时间进程，结论是表情符号不像普通词那样被整合进句法，而是被当作一个独立的、序列化的单元来额外加工 [9]。Kilby 等人 2025 年在 Language, Cognition and Neuroscience 上的跟进研究把问题收窄到面部表情，问的是”面部表情到底多快被并入周围文本”，其研究设计本身就承认”并入”不是一个瞬时事件，而是需要时间的 [10]。

在中文方向上，Lu、Du、Gu 与 Han 2025 年发表于 Frontiers in Psychology 的眼动研究直接以句子中的表情符号为对象，考察使用频率与功能对”表情词汇化”的影响 [11]。这组研究之所以重要，是因为它们把汉语读者放进了同一个实验框架里，从而说明在中文句子里内嵌表情，一样会被当作额外的加工单元来处理。

需要同时呈现另一面，因为片面引用会夸大结论。Hancock 等人 2023 年在 Psychonomic Bulletin & Review 上的一项研究报告了相反方向的结果：表情符号在某些条件下改善了间接语意的理解，他们把它类比为”数字化交流中的手势” [12]。Holtgraves 与 Robinson 2020 年在 PLOS ONE 上的研究也发现表情符号有助于间接语意的识别 [13]。Boutet 等人 2021 年在 Computers in Human Behavior 上报告，表情符号影响情绪沟通与社会归因 [14]。

把这两组结果放在一起，正确而克制的读法是：

表情符号在”标记语用信息”时可能带来帮助，在”替代已有的语言单位”时带来额外的加工成本。 现有证据支持”内嵌表情 = 附加加工”这一侧，但同时必须承认，图 1 那种”用表情图标替代汉字”的做法，并不是上述文献的原始研究对象——那些研究测量的是”文本中附加一个表情”，而图 1 是”文本中的一个词被删除、由图标顶替”。前者是增量，后者是替换，二者的认知代价并不等价；关于替换型用法，目前没有可以直接引用的、成熟的实证文献。

这一处证据空白必须坦白，因为本文的论证并不依赖它。图 1 的阅读困难并不需要”表情比汉字慢”这个结论来支撑——它只需要”一个词被非文字图形顶替后，接收者需要多花一次映射推理”这个近乎自明的观察。本文引用这组文献，是为了给”附加表情不是免费的”提供背景，而不是为了给”替换更糟”背书。

3.4 截图动作额外拿走了什么#

即使作者私域内可读，截图这个动作还会额外拿走四样东西，每一样都是不可逆的：

其一，字号的控制权。 WCAG 2.2 的成功准则 1.4.4（Resize Text，AA 级）要求文本在不借助辅助技术的情况下可以放大到 200% 而不丢失内容或功能 [15]。原始字体是活的：接收者可以在自己的阅读器里放大到 200%、400%，猫头会在放大中保持锐利，正文会重排。截图是死的：像素总量被冻结，图片在聊天窗口里被按容器宽度等比缩小，此时唯一可用的”放大”是对整张位图做插值放大，结果是猫头和正文一起糊掉。放大一个活的文本系统会改善它；放大一张截图只会毁掉它。 这就是为什么 1.4.4 的判定对象应当是”呈现机制”而不是”某一张图”——当界面把内容锁定为位图时，缩放能力实际上被从产品里删掉了。

其二，行距与字距的控制权。 SC 1.4.12（Text Spacing，AA 级）要求在行高、段后间距、字间距、词间距被放大时不得丢失内容 [15]。在活的界面里，这些是用户可调的布局参数；在截图里，它们是烘焙进像素的常量。低视力用户、老花用户在活文本上会主动放大行距来提高可读性，截图不给任何这样的余地。

其三，可复制性与可检索性。 图 1 的正文实际上是”渲染成了图像的文字”，SC 1.4.5（Images of Text，AA 级）的出发点正在于此：如果技术手段能够做到用文本呈现，就应当用文本而不是用图像来传达信息，只有”可定制的”与”本质必需的”两类例外 [15]。它同时牵出 SC 1.1.1（Non-text Content，A 级）与 SC 1.3.1（Info and Relationships，A 级）——前者要求非文本内容有等效的文本替代，后者要求由呈现方式传达的信息与结构可以被程序化确定或以文本形式提供 [15]。截图把文字变成了像素，于是：接收者无法复制它、无法搜索它、无法用读屏软件朗读它、无法把它交给翻译工具、无法在图片里定位一个错别字。

其四，上下文。 截图往往掐头去尾——它截的是”那一段”，不是”那一段在对话中的位置”。作者那份托底的免费上下文（谁说的、为什么说、前一句是什么），在截图里通常已经不在了。而 2.2 节已经论证过，作者的可读性正是建立在这份上下文之上的。

4.1 阅读是有速度预算的，而零点七秒不够#

阅读速度不是无限的。Brysbaert 2019 年发表于 Journal of Memory and Language 的元分析，综合 190 项研究、18573 名被试，给出的成人平均阅读速度是：非虚构英语约 238 词/分钟，虚构英语约 260 词/分钟，口头朗读约 183 词/分钟，大多数人落在 175–300 词/分钟区间 [16]。这是一份关于英语词的速度；换算到汉字需要另行处理，因为一个英文词平均含多个字符，而一个汉字平均对应一个词。

保守地取一个量级：即使按极快的 600 汉字/分钟计，也相当于每秒 10 个汉字。这意味着一句十来个字的短句，在理想条件下也需要一秒多一点。而 0.7 秒的窗口——即便动效在这 0.7 秒内完全静止、不需要任何额外的注意成本——只够读完一个分句，不够读完一句话，更不够完成”扫视—提取组块—回扫校验”这个真实阅读所必需的循环。

更要命的是，这 0.7 秒不是连续的 0.7 秒，而是一个周期里被封装起来的碎片。真实的阅读行为是：眼睛落在文字上 → 停留约 200–300 毫秒提取一个组块 → 跳到下一处 → 偶尔回扫前一处做校验。读者没有能力把一个组块的提取过程切成三段分别完成。窗口一关，尚未被整合的组块就会从工作记忆里以极快的速度衰减掉——工作记忆的容量本就极小（Cowan 的结论是约 4 个可操作组块 [3]），且它的保持时间同样以秒计。读者被迫在窗口关闭时要么放弃当前句子的解析、跳到下一轮循环、重新从头读起，这就是”打断—恢复”成本的来源。

4.2 变化检测与”视觉搜索没有记忆”#

第 4 节提到的”循环”之所以有破坏力，还在于人眼对”变化”和”内容”的处理速度是不对等的。Rensink 在 2002 年 Annual Review of Psychology 的综述中系统总结了变化检测研究：人对变化的存在（“这里变了”）的检测非常快，而对变化的内容（“变成了什么”）的检测要慢得多 [17]。这条规律有一个直接的工程含义：

只要那段动效在”变”，读者的注意力就会被持续地钩住；无论它变的内容是什么。 换句话说，动效不需要遮住文字就能消耗注意力，它只需要动就够了。而一旦动效的”变”与文字的”不变”在同一块区域上并存，视觉系统就会在两种加工之间持续分配资源——这正是 Treisman 的特征整合理论所描述的：预注意层面对运动与亮度变化极其敏感，会自动、不可控制地抢占注意 [7]。

Horowitz 与 Wolfe 的”视觉搜索没有记忆”进一步说明，视觉搜索高度依赖当前可见刺激 [8]。落到这里的含义是：读者没有办法”记住刚才那一眼看到了哪里、等下一轮再接着看”，因为视觉搜索的状态不在记忆里。循环动效因此不是”分段的干扰”，而是反复重置读者的搜索进度：每一轮特效铺开，读者都得重新定位文字在哪；每一轮特效收缩，刚建立起来的定位又作废。

4.3 非注意盲视：一个被误用的经典实验#

要说”看不见眼前的东西”，最著名的证据是 Simons 与 Chabris 1999 年在 Perception 上的黑猩猩实验：被试在数数比赛的同时观看一段篮球视频，途中有一只黑猩猩走过画面，大多数被试没有报告看见它 [18]。Drew、Võ 与 Wolfe 2013 年在 Psychological Science 上把它重新包装为”看不见的大猩猩又一次出击”，成为这一研究领域的标志性综述 [19]。

这个实验常被通俗化为”人会自动忽略不重要的事”。这个通俗化是错的，而且错得关键。 黑猩猩实验的实验者是知情的：他知道有一只黑猩猩，会在被试报告”我什么都没看到”之后明确追问”除了数数，你看到别的东西了吗”。这个追问就是关键——在给出线索之后，检出率大幅上升。也就是说，黑猩猩效应不是”信息根本没有进入视觉系统”，而是”注意没有分配给这条通路，线索把它唤醒了” [20]。

放到本文的语境里，这个区分给出了一条相当锋利的判据：

接收者之所以”看不见”那段被遮挡的文字，不是因为他没能力看见，而是因为注意没有被分配给那个位置。而”被特效吸引走的注意”与”被研究者提问唤醒的注意”，在视觉系统里是同一个池子里的资源。

这也解释了为什么图 2 那类卡片在实践中会引发强烈抱怨，而纯装饰动效不会：决定后果的不是”有没有动”，而是”动的东西是否占据本该分配给文字的注意，并且是否阻止了读者的自发搜索”。

4.4 打断与恢复：代价在恢复那一侧#

注意力研究里一个稳健的结论是：打断的代价主要不在打断本身，而在恢复上。Altmann、Trafton 与 Hambrick 2014 年在 Journal of Experimental Psychology: General 上报告，短暂的打断就能显著破坏思路的连续性 [21]；Trafton、Altmann、Brock 与 Mintz 2003 年在 International Journal of Human-Computer Studies 上的实验进一步表明，从被打断的任务恢复回来，需要重新编码任务目标并重建环境线索，这一步远不是”回到刚才的地方” [22]。Altmann 与 Trafton 2007 年提出的恢复时间模型也指向同一方向 [23]。

把这条链套到 0.7 秒窗口上，结论就相当清楚了：读者不是”读得慢一点”，而是每 3 秒就要支付一次完整的恢复成本，而恢复成本与被打断的任务复杂度正相关。阅读一段需要保持前后因果链的文字，恰恰是复杂度最高、最难恢复的任务类型。恢复成本叠加在本来就只够读一个分句的时间窗口上，结果不是”读得慢”，而是根本读不成。

4.5 循环 + 截图：坍缩成单帧之后更糟#

前面所有论证都还留着一个余地：动效毕竟是循环的，总有能读到的时候。

截图把这个余地消灭了。循环动效在时间轴上展开，而截图只取一个时间点。取到的那一点是随机的：

• 以约 0.7/3 ≈ 23% 的概率落在窗口期内：接收者拿到一张清晰的图，看起来”还能用”，但对这张图会动一无所知；
• 以约 77% 的概率落在特效铺开的那 2.3 秒内：接收者拿到一张完全被遮挡的图，而图上没有任何标记告诉他”这里本来应该有字、应该等一下”。

这就是本节开头说的坍缩：动效把”信息”变成了”随时间到达的事件”，截图把”事件”变成了”一张无信息或满信息的比特图”，而没有任何机制保留”这是事件”这个元信息。 读者既不知道自己在等什么，也不知道自己已经等过多少轮，更不知道下一轮会不会来（因为根本没有下一轮）。

顺带一提，WCAG 2.2 对这种设计有两处直接命中。SC 2.2.2（Pause, Stop, Hide，A 级）规定：自动开始、持续超过 5 秒、且与其他内容并行呈现的运动/闪烁/滚动信息，必须提供暂停、停止或隐藏的机制，除非该运动为活动所必需 [15]。“活动所必需”这个例外在这里很难成立——没有任何人会主张一个商品预览特效的循环播放，对”查看商品”这一活动是必需的。SC 2.2.1（Timing Adjustable，A 级）针对时间限制，要求可关闭、可调整（范围至少为默认值的 10 倍）、可延长（到期前警告、至少给 20 秒、至少可延长 10 次），或属于实时/必需/20 小时豁免情形 [15]。一段被限制在 0.7 秒内的可读窗口，在”用户能自行延长”这个维度上是彻底不满足的。若动效每秒闪烁超过三次，还直接命中 SC 2.3.1（Three Flashes or Below Threshold，A 级）[15]。

需要说明一个本文明确不做的判断：这些准则的判定对象是”提供这些内容的网站、应用与平台”，不是”转发一张截图的人”。 SC 2.2.2 要约束的是产品是否提供了暂停机制，而不是转发者是否该打码。这个责任分配上的区别，在第六节讨论法规时会变得很重要——因为它决定了”规避风险”这个动作该由谁来做、做到什么程度。

5.1 动态 → 静态：时间维度坍缩#

界面上的一切动效，其信息载体是”在什么时刻、画面处于什么状态”。截图只保留一个时刻。时间维度一旦坍缩，任何”等待即可获得”的补救路径都不存在了。这是第四节的结论，也是最容易被人低估的一步——分发格式的改变，比内容本身的改变更具破坏性。

5.2 文本 → 像素：编码方式降级#

活文本是可复制的对象，像素是不可逆的记录。分发这一下把一段”可以搜索、可以朗读、可以翻译、可以引用、可以校对”的文本，降级为”一张可以看的图”。这一步直接对应 SC 1.1.1、1.3.1、1.4.4、1.4.5、1.4.12 这一组准则所共同保护的东西——它们全部假定”内容以文本形式存在”。

5.3 作者的变量 → 未知变量#

第二节列的六个变量（设备、字号、显示密度、客户端、上下文、熟练度）在截图里全部退化为未知。接收者无法知道自己看到的是否与作者看到的相同，也就无法通过调整自己的条件来补偿——这是最要命的一处：干扰是可以通过加强注意来克服的，未知则不能。

5.4 可控 → 不可控#

作者在活界面上拥有一整套补偿手段：可以放大、可以调行距、可以复制文字、可以等待下一轮循环、可以向发送者追问某句话的原文。接收者在截图上一套都没有。可读性问题的严重程度，从来不由障碍本身决定，而由补偿手段的缺失程度决定。

6.1 责任的三层划分#

把责任按”谁有能力消除障碍”来划分，可以得到三个层次：

第一层：内容生产者（作者）。 他有权选择用文本还是用图像表达，有权选择是否让装饰侵占文字。他在私域内自我感觉良好并不构成免除——因为他恰恰是唯一知道这段内容将被转发的人（他在一个可转发的平台上发布），也是唯一能在转发前做一次自查的人。

第二层：产品提供者（平台）。 WCAG 与《无障碍环境建设法》约束的正是这一层。SC 2.2.2 要求”提供暂停/停止/隐藏的机制”，这个机制只能由产品实现——作者用任何工具都无法为自己的文字提供暂停键。《互联网广告管理办法》第十条对开屏与弹窗的一键关闭要求，同理 [24]。

第三层：转发者。 转发者不是内容的生产者，通常不承担产品级的合规义务，但在他自己转发的那个瞬间，他对”接收者将看到什么”负起了事实上的注意义务。

绝大多数关于”猫头字”和”动效卡片”的争论，都发生在第三层与第一层之间：转发者觉得”又不是我写的”，作者觉得”又不是我要你转发”。这两句话都对，但它们都不构成理由——因为障碍是在转发这一步被固化的，而转发这一步双方都在场。

6.2 隐私与信息边界：截图行为本身的问题#

在讨论”两张图”时，一个不能回避的问题是：这两张截图的内容是在谁的设备上、谁的账号下、由谁拍摄并转发的？

如果其中含有他人的聊天内容、头像、昵称、地理位置、价格信息，那么《个人信息保护法》与《民法典》的相关条文就直接进入了视野。这不是本文要展开的专题，但它必须被至少提及，因为它是与”可读性”完全独立、且后果严重得多的一类风险。

《个人信息保护法》第四条将个人信息定义为”以电子或者其他方式记录的与已识别或者可识别的自然人有关的各种信息” [25]；第十三条第（六）项确立了”在合理的范围内处理个人已经合法公开的信息”这一合法性基础，同时划定了它的边界 [25]；第二十五条明确规定，个人信息处理者不得公开其处理的个人信息，取得个人的单独同意的除外 [25]。这意味着：“我只是在转一张已经公开的图”并不自动构成免责，“公开”与”可以任意再传播”之间隔着一层同意要件。

《民法典》第一千零一十九条规定，未经肖像权人同意，不得制作、使用、公开其肖像 [26]；第一千零三十二条将隐私权界定为自然人享有其私人生活安宁与不愿为他人知晓的私密空间、私密活动、私密信息 [26]；第一千零三十三条进一步规定，任何组织或者个人不得以刺探、侵扰、泄露、公开等方式侵害他人隐私权 [26]。第一千一百九十五条则规定了网络服务提供者在接到权利人通知后未及时采取措施时的连带责任 [26]。

《无障碍环境建设法》在第三条、第二条确立了”无障碍信息交流”的法定目标：第二条明确保障残疾人、老年人等获取和使用信息交流的权利，其他依法需要提供无障碍信息交流服务的单位和个人也应当逐步提供，第三条要求国家机关、群团组织、企业事业单位、基层群众性自治组织等逐步完善相关服务 [27]。

本文并不主张这些法律条文直接适用于”我给朋友发了张带猫头的图”——它们的适用条件要窄得多。本文只是要指出：当一段内容离开作者设备的那一刻，接收者对它提出的问题会变——接收者此时问的不再是”好不好看”，而是”这上面有没有不该出现的东西”。而作者在私域内永远不会被提醒这一点，因为他那一屏里只有他自己的对话。

6.3 为什么”应该打码”是一个错误的框架#

在把风险讲清楚之后，本文要提出一个反直觉的判断，这个判断比前面所有机制分析加起来都更实用。

大多数关于这类截图的应对建议，最终都会落到同一个动作上：打码。 对可能暴露的隐私打码，对看不清的文字打码，对不确定的信息打码。这个动作本身有一个巨大的问题——它是一种向下兼容的处理，而向下兼容永远是不够的。

理由有三：

第一，打码的类型必须提前猜对，而猜测的准确率必然随场景而变。在图一中没有需要打码的东西，在图二中有商品名和价格——但你事先无法知道。如果打码规则是”见到就打”，你会得到一张糊成一片的图；如果是”想了想才打”，你会漏。前者损害可读性，后者损害安全。

第二，打码不能解决可读性问题本身。即使你把图二里气泡上的字全部打码，接收者仍然不知道那段动效的存在，也不知道它在循环播放——因为动效本身才是障碍的主体，打码只是把障碍从”看不清”升级成”不存在”。这恰好是第 4.5 节所说的坍缩。

第三，也是最重要的一点：打码是一种”承认图不可读”的姿态。它隐含地告诉接收者”这张图里的内容不值得让你看”，从而剥夺了接收者自己判断”我能不能读”的权力。而在本文的框架里，正确的做法恰恰相反——正确的做法是让接收者有条件自己判断。

6.4 正确的处理框架：私域共享，公共可读#

综合第三、四、五、六节，本文给出一个可执行的处理框架。它的核心是一条边界：

当内容仍然停留在”可回应的私域”时（对方能追问、能放大、能要求原文），可读性风险低；当内容离开私域（群发、截图外发、存档、被检索、被二次编辑），可读性风险高。

由此得到四条判据：

判据一：导出前做”陌生人测试”。 把将要发出的截图想象成要寄给一位视力 4.6 的陌生读者，他不能回问、不能放大、不能要求原文。如果在这位读者的条件下，这段内容的核心信息仍然可被恢复——那么才是可分享的。这是本文全部机制的压缩表达：接收者的六个变量全部未知（5.3 节），因此测试必须在最坏假设下做。

判据二：文字不做非文字替换。 如果一段内容里有文字，那么它就应该以文字的形态离开作者设备。猫头可以放在文字旁边（表达语气），不应放在文字的位置上（顶替文字）。判断标准很简单：如果一个符号被移除后，这句话的信息量会下降，那么它就不该以图像形式存在于一段文字中间。 表情符号作为句末的语气标记（“帮我看看这个[可爱]“）与顶替功能词（“这个真[可爱]还[可爱]”），在认知代价上是完全不同的两类操作——前者在 3.3 节引用的文献中被测量过，后者没有。前者可以，后者应当避免。

判据三：可读性在”无动效状态”下成立才算成立。 一段只有在动效收缩的那 0.7 秒里才能读完的内容，其可读性不成立，因为它依赖一个接收者无法保证的条件——接收者不知道有个周期存在，也不知道该等第几轮。检验方式很直接：把它截图，然后在截图上判断它是否可读。 如果截图不可读，那它对转发环节就是不可读的。

判据四：可读性不等于安全，二者要分开处理。 隐私风险（截图里有没有不该有的东西）用打码、裁剪、替换上下文来解决；可读性风险（接收者能不能读出内容）用”不要在正文中间用非文字符号顶替文字”和”不要让动效侵占文字”来解决。这两件事在实践中通常同时出现，所以容易被混为一谈，但它们的处理手段完全不同：前者是减信息，后者是改形式。

6.5 跨过屏幕的责任转移判据#

把 5.3 与 5.4 节的内容合起来，可以得到一个更精确的结论，也是本文对”责任”这个问题的正式回答：

一个原本仅存在于作者屏幕上的障碍，在被截图的那一刻，就不再完全是作者的障碍了。它同时成为了接收者的障碍，而接收者对这个障碍没有任何控制权。 因此，判断一个内容”是否构成障碍”的时点，应该取在内容即将离开作者屏幕的那一刻，而不是取在内容被接收者看到的那一刻。

这条判据的实际后果是：自查的时点必须前移到发布前或转发前。 一旦发出，接收者手里的障碍就是既成事实了——无论他可以放大、可以追问、可以要求重发，这些都只是补偿，而补偿永远不如源头避免。

7.1 一个可以借用的框架：人本质量#

上面的定位并非本文自创。ISO 9241-11 在定义”可用性”时，把它的成立条件写得很清楚——用户在特定的使用情境下，以有效性、效率与满意度达成特定目标 [28]。“特定的使用情境”这几个字，正是本文第 2.3 节那六个变量的标准化表述：换一个人、换一套条件，就是换了一个使用情境，同一段内容在新情境里要重新被评估，而评估结果不随评估者迁移。

更有用的是 ISO 9241-11 第 3.2.1 条对”人本质量”的定义：它等于可用性、无障碍性、用户体验以及避免使用中造成伤害这四方面要求的满足程度 [28]。本文把”打码”与”改形式”分开处理（6.4 判据四），正是这四分法的直接应用——可读性与无障碍性是一回事，体验与风险规避是另一回事，把它们混成”看得舒服/不舒服”的单一判断，必然得出错误的处理方式。

ISO 9241-210 第 5.1 条则以六项原则规定了以用户为中心的设计过程：明确理解用户、任务与环境；让用户在整个过程中参与；以用户为中心的评估来驱动与迭代；设计过程本身是迭代的；覆盖整体用户体验；团队中包含多学科视角 [29]。其中”以用户为中心的评估”与”理解用户所处的环境”两项，恰好对应本文的主张：发布者不能用自己的使用情境替代接收者的使用情境去做评估（6.4 判据一）。发布者对内容的评估是”我读了没问题”，而用户中心评估要求的是”在一组代表性的、包括最低能力与最差条件在内的情境下，它是否仍然成立”。前者是自我报告，后者是工程验证。

国内的相关规范把这个方向落得更具体。T/ISC 0007-2021《Web 信息无障碍通用设计规范》第 5.1.3.5 条对”文本图像”提出了与 WCAG SC 1.4.5 一致的要求，第 5.2.5.3 条要求自动播放的多媒体必须提供暂停、关闭或重新开启的能力 [31]；工业和信息化部的《移动互联网应用（APP）适老化通用设计规范》进一步给出了量化门槛，主要界面文字不小于 30dp/pt（适老版模式不小于 18dp/pt）、行距不小于 1.3 倍、对比度不小于 4.5:1、关闭按钮不小于 44×44dp/pt [32]。这些数字的存在本身就是一个信号：文字大小与行距是需要被明确规定的设计参数，而不是可以交给终端用户自行处理的自由。

需要坦白一处证据边界：GB/T 37668-2019《信息技术 互联网内容无障碍可访问性技术要求与测试方法》是国内现行的对应国家标准，标准状态为”现行”，2019 年 8 月 30 日发布、2020 年 3 月 1 日实施，中国标准分类号 L77、ICS 35.240.30 [30]。本文在国家标准全文公开系统上核对了它的书目信息，但未能取得其正文条款文本（该系统的在线预览服务要求现代浏览器环境），因此不引用其具体条款编号，只把它作为”国内确有对应国标”这一事实的依据。本文对中国标准体系的所有具体条款引用，均来自上述可核查的团体标准与行业规范，以及《无障碍环境建设法》第三十二条”利用财政资金建立的网站、平台、应用应逐步符合无障碍网站设计标准和国家信息无障碍标准”这一法条层面的要求 [27]。