OpenUI项目中select元素的目标尺寸与WCAG 2.2标准适配方案
在Web开发领域,表单控件的可访问性一直是开发者关注的重点。OpenUI项目组近期针对select元素的目标尺寸问题进行了深入讨论,旨在确保其默认样式符合最新的WCAG 2.2无障碍标准。
WCAG 2.2标准新增了"目标尺寸最小化"要求,规定所有指针设备(如鼠标、触摸屏等)可操作的目标区域至少应为24×24像素。这一要求特别有助于运动障碍用户更准确地操作界面元素。虽然标准对用户代理提供的未样式化控件有例外条款,但作为新设计的样式,达到这一最低标准仍然非常重要。
当前在Edge浏览器中,默认select元素的渲染尺寸仅为26×19像素(当使用单个字符作为默认选项时),而未选择任何选项时的尺寸更是小至22×19像素。这样的尺寸明显无法满足无障碍标准的基本要求。
项目组经过多次技术讨论,最终确定了以下实施方案:
-
基础尺寸设定:通过CSS的min-inline-size和min-block-size属性确保选项元素的最小尺寸达到24×24像素标准。
-
内容对齐方案:采用display:block结合align-content属性的方式实现文本垂直居中,而非使用flex布局。这一选择主要基于两点考虑:一是避免flex布局可能带来的性能影响;二是防止现有样式重置代码(如display:block)覆盖flex布局导致的显示问题。
-
兼容性考量:虽然讨论主要针对appearance:base-select的新样式,但解决方案也考虑了向后兼容appearance:auto的传统样式。通过调研现有网站对select元素的样式重置情况,确保方案不会破坏现有内容。
值得注意的是,这一解决方案不仅适用于select元素,也将作为OpenUI项目中所有未来控件设计的基准标准。项目组达成共识:所有交互元素都应确保在24像素边界内不共享相同区域,从而全面满足WCAG 2.5.8目标尺寸要求。
这一改进体现了OpenUI项目对无障碍设计的重视,也展示了Web标准演进过程中对开发者体验和终端用户体验的平衡考量。通过这样的基础样式优化,开发者将能够更轻松地创建符合无障碍标准的Web应用,而无需额外编写复杂的样式代码。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00