本原创文章帖发布在华为开发者联盟社区，欢迎开发者前往访问评论交流，更多与该内容相关讨论，请点击原帖查看：

不靠屏幕点击！依托鸿蒙 AI 开放能力，打造专属无障碍拍照应用

全球有上亿视障人士，他们同样渴望记录生活、分享美好，但传统相机应用复杂的界面和操作让他们望而却步。这款专为视障人士设计的智能拍照应用，用语音控制、实时引导、自动拍摄和无障碍体验，回答了一个朴素的问题：怎样让每个人都能拍出一张好照片？

带着好奇，我们邀请到开发者张越，聊一聊“拍张照片”App 的开发故事。

Q1：作为一名律师，您为什么会选择跨界做鸿蒙应用开发，并开发出“拍张照片”App？

律师的职业习惯让我更在意“谁被忽略了”——视障人士和操作不便的人群，在主流相机应用里几乎是被遗忘的一群。对视障用户来说，痛点很具体：看不清取景画面，也点不准快门、模式切换和对焦区域；操作不便的人，则往往完成不了精细的手势。传统相机默认“看得见、点得准”，于是他们要么拍不了，要么拍出来角度歪斜、主体缺失，很难真正实现“记录生活、分享美好”的愿望。可拍照对他们而言，从来不是“操作相机”，而是不靠别人帮忙，也能拍出一张看得清、拿得出手、留得住回忆的好照片。市面上很多应用好像都直接无视了视障人士和操作不便人群的拍照需求，那我就试着做一个他们能便捷使用的。

Q2：面对视障人群，“拍张照片”App 和系统自带相机、美颜相机的根本区别在哪里？

区别在于，我们不是在做“功能更多的相机”，而是在做“不需要看屏幕也能拍好照片的相机”。传统相机应用默认用户能够看清界面、点击按钮、判断构图。但视障用户看不清，所以我们的逻辑是：语音优先、自动判断、主动提示。用户不需要知道 App 里有哪些功能、在哪个菜单，只需要说出想要什么，甚至什么都不说，让设备自己判断什么时候该按快门。

Q3：全局语音控制和页面级语音播报是这款 App 的核心无障碍能力，您是如何实现这些功能的呢？

开启全局语音控制后，应用会持续监听语音指令，支持“立即拍照”“切换镜头”“保存已选”“返回”“帮助”等20多条中文命令。拍照页面会自动开启自动拍照模式，真正实现解放双手。

语音播报采用分层设计。开启视障友好模式后，每次进入新页面或切换Tab，应用会自动播报当前页面名称、内容概要和可用操作，比如“当前在相册页面，共3张图片”；操作完成后播报“已删除图片”或“已保存2张”。切换页面时会自动中断上一条播报，避免信息堆叠。仅开启视障友好模式时，播报精简内容；同时开启全局语音控制时，才会完整播报语音指令说明。

技术上，Core Speech Kit 提供语音识别引擎，持续监听并做中文语义匹配，textToSpeech （文本转语音）负责页面进入播报和操作结果播报，支持播报队列和优先中断。语音播报时自动暂停识别，播报结束后自动恢复，避免指令冲突。

Q4：拍摄可以完全交给设备自动完成。能具体讲讲，“自动拍照”是怎么判断 "什么时候该按快门" 的吗？

简单说，就是让设备“看懂”画面 —— 知道人站在哪里、姿势好不好、表情到不到位，然后在最佳时刻主动按下快门。我们依托 AR Engine 和 Core Vision Kit 分析画面中的人物位置、姿态和表情，在最佳瞬间自动完成拍摄。通过 人脸识别与跟踪能力，实现眨眼拍照、微笑拍照的功能，通过 Core Vision Kit 的人体骨骼点检测 分析姿态、人物位置与动作提示会主动播报“请靠近一些”“请抬头”“请转身”等建议，语音播报间隔3秒，避免打扰，同时叠加视觉辅助线。

Q5：“拍张照片”还接入了图像超分、跨设备互通能力，这些能力分别解决了什么问题？

依托图像超分能力提升照片画质，让低视力用户放大查看时依然清晰。跨设备互通让用户可以在不同鸿蒙设备间选图，省去多端传图的步骤。

图像超分：设备需升级到 HarmonyOS 7(API 26) 才可使用

Q6：在开发过程中，有没有哪个时刻让你们真正感受到“这件事做对了”？

有一位视障用户试用后说，这是他第一次独立完成拍照，不需要别人帮忙举着手机、告诉他“往左一点”“笑一下”。那一刻，我觉得这件事确实有意义。

Q7：未来，还有哪些 HarmonyOS 能力是你们希望可以和“拍张照片”进一步结合的？

我们还想在场景语义理解上走得更远。比如，Agent 能不能理解“拍一张有氛围感的照片”“拍一张适合做头像的照片”，然后自动调整构图、光线和后期风格。也希望能与更多 HarmonyOS 设备联动，比如用手表遥控拍摄、用智慧屏预览画面。

“拍张照片”官网首页写着一句话：“科技向善，不让任何人掉队。”一个律师用业余时间做了一款应用，让那些被主流相机应用忽略的人，第一次拥有了“拍张照片”的能力。这大概就是“科技暖生活”最朴素的样子。