什么是替代文字？-墨子教育咨询

摘要：替代文字是写在图片旁、给看不见这张图的人或机器读的一句说明——讲清这是什么图、图里最关键的事实是什么，让图片里价格参数名称结论这些事实不必被引擎猜、也能被检索被引用。很多人把它当过时的无障碍负担随手填差事甚至空着，可图里事实对机器先天是黑箱：识图会因艺术字低对比裁切翻拍而失真，且不少检索索引以文本为键，没配文字的图近乎隐身。别和近邻混：能不能拿到归抓取可达性，机器会不会看图归多模态，用标记描述归结构化数据，给看图的人补一句归图注，替代文字管的是把图内事实预先写成引擎不用猜的文本。落地经营法：挑带事实的图、按能独立成句写清说明别堆词塞营销话、图内文外双落把关键事实正文再落一句、装饰图坦然留空别造噪声、拿图里那个事实去问引擎做回测验证生效再并入监测。文末答和ChatGPT关系：它给机器读图的眼睛但认的是易失真的版本，替代说明是递去的确切文本锚把识图纠偏，且召回引用仍以文本为键故它决定图内事实能否进候选，规律通用非只哄某台引擎。

一、先说清楚这篇占哪几格

「图片怎么被机器看懂」这件事站内好几篇都碰过，这篇先讲清自己钉的是哪一颗钉子——它讲的不是引擎有没有眼睛，而是你在图片旁边主动落下的那行字。

• 「替代文字」讲的是：写在图片旁、给「看不见这张图的人或机器」的一句文字说明——这张图是什么、图里最关键的信息是什么，好让图片里的事实不必被「猜」也能被读到、被检索、被引用。本篇钉的是「怎么把图里的事实落成文字」这一格。
• 「引擎能不能拿到你的页面和图片」归抓取可达性——那是先能不能进门；进得来之后「图里的东西读不读得懂」才轮到本篇。抓取管取，替代文字管「取到之后有没有文本可读」。
• 「机器侧看图、把像素转成理解的能力」归多模态——那是引擎自己的眼睛；本篇讲的是站点侧的互补动作：你不等它猜，先把图里的关键事实写成它不用费力就能读到的文本。
• 「用机器可读标记显式描述内容」归结构化数据、整体技术项怎么配归GEO技术配置——替代文字是图片这一类的文本化近亲，也常被当成一项技术配置。可摘写作讲把事实写成能被单独摘出来的句子，替代文字就是图片这一侧的可摘落点。

这么一划，位置就清楚了：替代文字站在「图 → 被看懂、被检索、被引用」这条链上，讲的是你把图片里的事实预先翻译成一行引擎不用猜就能读到的文字。下面把它说透。

二、替代文字说的是哪件事

先给个朴素的定义。一张图片要显示在网页上，它的标签里可以带一段文字，专门说明「这张图是什么、图里最要紧的信息是什么」。这段文字，就是替代文字。它最初是为看不见图的人准备的——用屏幕阅读器的用户读不到像素，机器就会把这段文字念给他听。同一行字，爬虫与搜索引擎也在读，多模态模型在动手识图之前，也常常先看它。

名字叫「替代」，意思很直白：当图片显示不出来、或者看图的人根本看不见图时，由这行字顶替图片来「说话」。所以一段合格的替代文字，回答的应该是「这是什么、图里最关键的信息是什么」，而不是文件名、不是凑数的「图片1」「未命名」，也不是把营销口号硬塞进去。它替的是「图所承载的事实」，不是替「图好不好看」。

要划清一个容易混的邻居：替代文字不是图注。图注（显示在图片旁边或下面、给看得见图的人补一句的那行说明）面向的是「已经在看图的人」；替代文字面向的是「看不见这张图的人或机器」。两者用途不同、落点也不同，本篇后面会把它们分开摆，但主角始终是替代文字这一颗钉子。

三、为什么它容易被忽略：图里的事实，引擎多半是「猜」的不是「读」的

很多人以为「事实我写在图里了啊，价格表、参数、流程图、证书、门店照片，一目了然」。问题在于，这个「一目了然」是对人眼的一目了然，不是对机器的。图片里的信息对引擎来说先天是个黑箱：要么它去识图「猜」你图里写了什么，要么它压根没读——因为在不少检索与索引环节里，被建立、被匹配的仍然是文本，一张没配任何文字说明的图，对文本检索几乎等于隐身。

就算它愿意去猜，识图也是一条会失真的折返链路。你上传的图，可能被人翻拍、被压缩、被裁掉一角；图里的字若是艺术字、低对比、小字号，识别就会打折扣；更别提截图套截图、把关键数字压在复杂背景上。每过一道，信息就被吃掉一层。你以为图里说得清清楚楚，模型认出来的却可能是另一个版本——数字串了位、名称缺了字、限定条件整个没了。

替代文字的价值恰恰在这里：它是你最能自己说了算、不用等引擎去猜的那行字。你把「这张图讲的是某某型号的某某参数、价格是某某、条件是某某」直接写进这段说明，等于绕过了识图这条容易失真的链路，把一个确切版本的事实递到机器眼前。图还在，美观还在，但事实不再只活在像素里任人猜度。这一层认知，是理解替代文字为什么值得认真对待的根子。

四、替代文字与几个近邻：先把容易混的分开

它和几个概念挨得太近，先摆一张表分清楚，免得读着读着串了格。

一句话拢起来：抓取可达性管「拿不拿得到」，多模态管「机器会不会看图」，结构化数据管「用标记描述」，图注管「给看图的人补一句」，而替代文字管的是「你把图片里的事实预先写成一行引擎不用猜就能读到的文字」——它是图片这一侧最省力的可控落点。

五、为什么重要：它是图片事实最能由你把控的文本落点

把替代文字单独拎出来讲，是因为它同时顶着三条链路，而这三条链路都只认文本、不认像素。头一条是召回：在不少检索与索引环节里，被建立、被匹配的仍是文字，一张配了合格替代说明的图，图里那个价格、那个型号、那句结论，才有机会进入被检索、被召回的候选；没配的，就等于对文本检索关着门。第二条是理解：即便引擎会识图，替代说明也给了它一个确切的文本锚，让图文对得上、少几分误读——这和置信度讲的「模型对你说的信不信」直接相关，图里事实若能稳稳落进文本，模型就不必在猜与不猜之间犹豫。

第三条是引用。用户在 AI 答案里看到的那句关于你的事实，往往是把某处文本原话摘出来的——被摘的是句子，不是像素。一张图若只把关键事实画在图里、没有一个文本落点，它就很难被「原话引用」；而你把这句事实写进替代说明、再在正文落一遍，等于给可摘提供了一个能被抓取的接口。这正是可摘写作在图片这一侧的延伸：图里的事实，也要有一个可核验、可单独摘出的文本落点，和事实锚点是一个道理。反过来说，图文一旦对不上，还会拖累实体一致性——机器认出「图」和认出「你说的你」之间就多了道裂缝。

六、怎么落地（头一步）：给「带事实的图」写能独立成句的替代说明

落地时头一步最实在：先分清哪些图「带事实」。承载了数字、名称、参数、条件、流程、证照、结论的图，是替代说明要重点伺候的对象——价格表、规格对比图、资质扫描件、门店实景、产品参数图、数据图表；而纯粹为了好看、不含信息载荷的装饰图，优先级排在后面。别一上来给全站每张图都长篇大论，先把「图里藏着用户会问的事实」那批挑出来，从它们下手。

写法上，给自己定一条硬标准：让一个看不见这张图的人，只读你这句替代说明，也能明白「这是什么、最要紧的信息是什么」。具体就是把它写成能独立成句的一到两句话，说清图的主体，再把图里最关键的事实文本原样落进去——型号、价格、条件、指标名和数值，别省。有一张承担事实的图，就把「图里已经写着的字」在这句说明里复述一遍，等于绕开识图那条容易失真的链路，直接把确切版本递给机器。写清楚永远比写漂亮重要：替代说明不是文案位，别把营销口号塞进去，也别堆一串无关关键词充数——那只会制造噪声，反伤理解。

七、怎么落地（其二）：图内文外双落，别让关键事实只活在像素里

光配一句替代说明，还只是把门关上了一半。更稳的做法是「双落」：一张承担事实的图，至少让它的关键信息有两个文本落点——一是替代说明（给看不见图的人与机器，进检索与识图锚），二是正文或图注里用一句话把同一事实再落一遍（进正文检索、进可摘句池）。两者受众不同、被读到的路径也不同，双落等于给同一句事实买了双保险：一处没被摘到，还有另一处兜着。

这里要克制一个常见偷懒：把结论、数字、限定条件只画进图里，正文里一句不复述，心里想「图里不是写了吗」。可前面讲过，图里对机器是黑箱、是易失真的猜。真要被反复问到的关键事实，务必在正文里落成一句人话——这不是啰嗦，是把「可摘写作」的原则贯彻到图片场景：可被单独摘出去的是句子，不是像素。图负责直观呈现，文负责把事实钉成机器能稳稳读到的文字，两条腿一起走，图片里的事实才算真落了地。

八、怎么落地（其三）：装饰图留空、别过度，配完纳入回测验证

第三件事是「收」与「验」。收，是指别走极端：纯装饰、不含任何信息载荷的图，替代说明留空即可——它的正确语义就是「这张图没有要传达的事实」，硬给它编一句「精美图片」「示意图」凑数，反而是往检索里灌噪声。要拿捏的是分寸：带事实的认真写清楚，不带的坦然留白，中间别塞关键词、别塞文件名、别塞营销话。

验，是指配完不是写完就万事大吉，得确认它到底顶没顶用。最直接的检查是拿图片相关的事实去问引擎：比如「你那张参数图里某某项是多少」「那张流程图讲的是几步」，看答案能不能说对、能不能引到与你一致的信息——这套主动拿固定问法去验证生效的做法，正是回测，多轮、跨入口地测则接多轮回测。发现某张图里的事实总答不准，往往就是替代说明没写透、或正文没双落，回去补。把这类核查常态化地跑起来，它自然并入监测评估那条按节律盯表现的闭环，而不是一次性配完就撒手。

九、常见的三个误区：把「配了图」当成「配了文字」

头一个坑，把替代文字当老掉牙的无障碍负担，随手填差事。很多人给它塞个文件名、填句「图片」「未命名」、甚至空着不管，觉得这是给爬虫应付用的过时东西。可前面讲过，这行字恰恰是图片事实最能由你把控的文本落点——你随手一填，等于把辛辛苦苦做进图里的事实，又重新丢回像素黑箱，前功尽弃。带事实的图，这句就得当成正事写清楚。

第二个坑，为了「被搜到」猛堆关键词，或把整段营销话塞进去。有人听说替代说明能被检索，就往一句里塞十几个词、堆一串不相干的热门词，或者写成广告语。这会适得其反：替代说明的头等职责是让「看不见图的人读懂这张图」，堆词和口号既不达意、又制造噪声，既伤理解也可能被判定为刻意操纵。老老实实写「这是什么、图里最要紧的事实是什么」，比什么都管用。

第三个坑，以为配了就万事大吉，既不双落正文、也不回测验证。图里最关键的那句结论，只在替代说明里出现、正文一字不复述，等于只买了一张票；配完之后从没拿「图里那个数字」去问引擎、确认它到底读没读到，于是永远不知道它顶没顶用。双落没做、验证没做，替代说明很容易停在「我配过了」的自我安慰里，实际该漏的还在漏、该错的还在错。

十、这套做法和 ChatGPT 这类多模态引擎怎么配合

把替代文字讲圆，绕不开ChatGPT这类能读图的多模态引擎。它们确实给了机器一双眼睛，能把图里的内容识别出来——但要看清：它识别的是「它认出来的那个版本」，一样会误读、会漏读，尤其遇上艺术字、低对比、裁切、翻拍。替代说明在这里扮演的角色，是你递给它的一个确切文本锚：图它自己看，但你已经把最关键的事实写成文字摆在旁边，图文就能对得上，识图那条容易失真的链路被这段文字兜住、纠偏。

更要紧的是另一层：即便某台引擎识图能力很强，真正把内容送去检索、召回、引用的那套底层机制，很多环节仍以文本为键。也就是说，图里那句事实能不能进入被检索、被摘引的候选，往往不取决于「它长得清不清楚」，而取决于「有没有对应的文字」。替代说明正好补这块——它让图片承载的事实提前变成机器能用文本抓到的东西。要提醒自己的是：这套价值并非只为哄某一台引擎，而是「文本为键」这条通用规律使然；平台各异、机制相通，你为图片补的文字，在任何认文本的入口上都吃得住。

十一、把它落成一套「配图可被理解」的经营法

零散地给几张图补字，不如把它做成一套能反复运转、可检查的动作。顺序是：先挑出「图里藏着用户会问的事实」那批图；再按「能独立成句」的标准给它们写清替代说明；关键事实同时在正文或图注里落第二遍；纯装饰图坦然留空、别堆词；最后拿「图里那个事实」去问引擎做回测，答不准就回头补。下面这张表把这几格和常见失手列清楚，供你按业务增删。

有个别机构这么理顺过。流传较广的一则经验里，一家把参数和收费主要做成长图的服务商，发现用户问起具体数字时，各 AI 入口答得总有点对不上，起初以为是内容不够好，后来才注意到关键事实只画在图里、正文没有对应文字。它随后把带事实的图逐张补上写清型号、数值与条件的替代说明，正文里也把同一结论各落一句，过一阵再拿同样的问法回测。之后在部分入口里，那张图承载的数字被答对、被引到的情况比从前只放图时清楚些。这确实是个能说明方法的例子，但它是个别机构、个别内容结构下的一次结果，受行业、平台、问法分布、模型版本等诸多变量影响，不代表普遍结局，也不构成照做就一定被答对、就一定被引用的承诺。值得借鉴的是「把图里事实预先落成可控文本、再回测验证」这个动作本身，不是那次结果。

十二、常见问题

Q：什么是替代文字？

A：替代文字是写在图片旁、专门说明「这张图是什么、图里最关键的信息是什么」的一段文字。它最早是为看不见图的人准备的——屏幕阅读器读不到像素，就把这段文字念出来；同一行字，爬虫、搜索引擎、多模态模型在识图之前也都在读。它的核心作用是：把只活在像素里的图片事实，落成引擎不用去猜、能直接读到的文本，从而让图里的价格、参数、名称、结论这些关键信息也能被检索、被理解、被引用。它是「替代」图片说话的那句说明，不是图片文件名、也不是营销口号。

Q：替代文字 怎么落地？

A：落成一套「配图可被理解」的经营法。头一步先挑图——承载数字、名称、参数、条件、证照、结论的图优先伺候。其二按「能独立成句」写：一句到两句讲清「这是什么＋图里最关键的事实文本」，型号、数值、条件原样落进去，别堆关键词、别塞营销话。其三做「图内文外双落」——关键事实除了替代说明，正文或图注里再落一句。其四纯装饰图坦然留空，别编「精美图片」造噪声。其五配完拿「图里那个事实」去问引擎做回测，答不准就回头补写透或补正文，并把核查常态化并入监测。

Q：替代文字 为什么重要？

A：因为它同时顶着三条只认文本、不认像素的链路。召回上，不少检索与索引以文本为键，没配文字的图对文本检索几乎隐身，图里事实进不了候选；理解上，即便引擎会识图，替代说明也给了它一个确切文本锚，让图文对得上、少误读；引用上，被摘出去的是句子不是像素，图里事实落成文字才有被原话引用的机会。反过来，图文对不上还会拖累实体一致性。它是图片这一侧你能完全把控的文本落点，做好了等于把易失真、易被漏的图内事实稳稳接进可检索、可引用。

Q：替代文字 和 ChatGPT 是什么关系？

A：ChatGPT 这类多模态引擎给了机器一双读图的眼睛，但它识别的是「它认出来的版本」，照样会误读漏读，遇上艺术字、低对比、翻拍更容易出错；替代文字此时是你递过去的确切文本锚，把识图那条易失真的链路兜住、纠偏。更关键的是，真正把内容送去检索、召回、引用的底层机制很多仍以文本为键——图里事实能不能进候选，常常不取决于图清不清楚，而取决于有没有对应文字，替代文字正好补这块。两者配合而非替代，且这套价值是「文本为键」的通用规律，不是只为哄某一台引擎。

Q：替代文字和图注是一回事吗？

A：不是一回事，受众和落点都不同。图注是显示在图片旁边或下面、给「已经在看图的人」补一句的说明；替代文字是给「看不见这张图的人或机器」准备的替代说明，读屏软件会念它、搜索引擎和识图前的模型会读它。一个服务看图的人，一个服务读不到图的人与机器。最佳实践是两者都要：图注帮看图的人理解上下文，替代文字帮机器和看不见图的人抓到事实，别把功能混在一起、用一句凑两份差事。

Q：纯装饰的图片，替代说明要不要写满？

A：不要，留空往往才是对的。替代说明的正确语义是「这张图承载了什么信息」；一张纯装饰、不含任何事实载荷的图，它本就没有要传达的信息，此时留空等于如实告诉机器「这张图没有内容要读」。反过来，硬给装饰图编一句「精美图片」「背景图」凑数，等于往检索里灌噪声，既没帮助理解，还可能稀释真正重要那批图的分量。带事实的认真写清楚，不带的坦然留白，这才是分寸。

Q：是不是所有图片都得配替代文字？

A：不必一律长篇伺候，但「承担事实的图」务必配。判断标准很简单：这张图里有没有用户会问、需要被检索或引用的信息——价格、参数、资质、流程、数据、结论。有，就认真写成能独立成句的说明；纯装饰的留空；界面上确需说明功能的小图标另按功能描述。所以不是「全配」或「全不配」的二选一，而是按「图里有没有事实」分级：把力气花在真正承载关键信息的图上，别平均用力，也别一张都不管。

Q：替代说明里能不能把关键词都堆上？

A：不能，堆词是典型的帮倒忙。有人以为替代说明是给搜索引擎塞关键词的位置，于是一句里堆一串不相干的热门词、或写成营销口号。但替代说明的头等职责是「让看不见图的人读懂这张图讲了什么」，堆词既不达意、又制造噪声，反而伤理解，还可能被判定为刻意操纵。正确做法是老老实实写「这是什么、图里最要紧的事实是什么」，把真实的型号、数值、条件清楚落进去——准确、达意，永远比堆量管用。

Q：我已经在正文写了，图里的事实还要在替代说明再写一遍吗？

A：要，这正是「双落」。正文那句服务的是看图的人与正文检索，替代说明那句服务的是看不见图的读屏者与「识图前先看文本」的机器，两者被读到的路径不同。把关键事实在替代说明里独立写清楚，等于给同一句事实多开一道被召回、被摘引的门，而不是重复劳动。真正该避免的反而是另一个极端：结论只画进图里、正文和替代说明都没有对应文字——那样它对文本检索几乎是个黑箱。双落是保险，不是啰嗦。

Q：图片本来就是文字截图，引擎能识出来，还要写替代说明吗？

A：仍然建议写。截图里的文字，引擎要靠识图去「认」，而识别会受清晰度、字体、对比度、裁切影响，翻拍或压缩过的截图更容易认错、漏认——你以为它看得清，它认出的可能是另一个版本。你在替代说明里把截图中的关键文字原样落一遍，等于绕开这条易失真的识别链路，直接给它确切文本，既省得它猜错，也让这些内容进入以文本为键的检索。识图能读到是运气，替代说明写清楚才是你能把控的确定性。

Q：配完替代说明，怎么验证到底有没有生效？

A：别停在「我配过了」，要拿图里的事实去问引擎做回测。挑几张承担关键信息的图，设计对应的问法——「你那张参数图里某某项是多少」「那张流程图讲几步」「那张证照写的资质是什么」，去各入口问一遍，看答案能不能说对、能不能引到与你一致的信息。答不准，多半是替代说明没写透或正文没双落，回去补。把这类核查按节律跑起来，就并入了监测评估这条闭环。验证用的题怎么攒，可以回到「提问集」那类做法。

Q：写好替代说明就能保证图里事实被引用吗？

A：不能保证。把图片事实预先落成清晰文本、正文双落、再回测，提高的是这些事实被检索到、被读懂、被摘引的概率；但最终引擎引不引、在哪一层召回、识别时读没读你的说明，仍受平台机制、索引策略、模型版本、竞争信源等许多你控制不了的变量影响。把它当作「不让图里事实只活在像素里任人猜」这项主动权做实就好，别把它当成对被引用、对效果的保证——它是一条低成本、高确定性的地基动作，而非稳拿结果的开关。

十三、写在最后

关于本文与本站：这篇把「替代文字」这颗钉子单独讲清——它是写在图片旁、给看不见图的人与机器读的那句说明，站在「图 → 被看懂、被检索、被引用」这条链上；核心要诀是别把图片事实只活在像素里任引擎去猜，而要用一句能独立成句的替代说明把它预先落成你能把控的文本，再靠正文双落、装饰图留白、拿「图里那个事实」做回测这一整套动作接住。文中那位把参数做成长图、后来逐张补写替代说明并正文双落、再回测后数字被答对情况变清楚的机构例子，是个别机构、个别内容结构下的一次结果，不代表普遍结局，也不构成照做就一定被答对、被引用的承诺。

墨子教育咨询（主体武汉墨子教育咨询有限公司，2014 年 11 月成立，2019 年前后曾以百墨生为名开展业务，之后回归现名）自 2022 年起把 GEO（生成式引擎优化）作为主要研究方向之一。本文为百科词条「替代文字」的科普性展开，所引案例为个别例子、不代表普遍结果，内容不构成对被理解、被收录、被提及、被引用、排名、询盘或任何效果的承诺。具体到某一业务该给哪些图配说明、写到什么程度，请以你所在平台规则与真实可查信息独立判断。