NVDA在Chromium浏览器中无法导航数学内容的技术分析与解决方案
问题背景
NVDA屏幕阅读器在Chromium内核浏览器(包括Chrome和Edge)中出现了一个影响数学内容访问的重要问题。当用户尝试访问网页中的数学公式时,NVDA无法正确识别和导航这些内容,这严重影响了STEM领域用户的学习和工作体验。
技术分析
该问题源于Chromium浏览器对ISimpleDOMNode::get_attributesForNames接口实现的变更。最新版本的Chromium开始返回E_NOTIMPL(未实现)错误代码,而之前版本则返回S_OK或S_FALSE。这一变更导致NVDA获取数学内容时出现以下异常:
DEBUGWARNING - NVDAObjects.IAccessible.ia2Web.Math._get_mathMl
Error retrieving math. Not supported in this browser or ISimpleDOM COM proxy not registered.
Traceback (most recent call last):
File "NVDAObjects\IAccessible\ia2Web.py", line 341, in _get_mathMl
attr = node.attributesForNames(1, attrNames, namespaceIds)
_ctypes.COMError: (-2147467263, 'Not implemented', (None, None, None, 0, None))
深入分析发现,Chromium的这一变更实际上是合理的,因为该接口确实未被完整实现。然而,这一变更意外影响了NVDA对数学内容的处理流程。
解决方案
经过NVDA开发团队与Chromium工程师的协作,提出了双管齐下的解决方案:
-
NVDA端修复:通过修改NVDA代码,增加对E_NOTIMPL错误的捕获处理。具体实现是在获取数学内容时添加try/except块,优雅地处理接口未实现的情况。
-
Chromium端临时修复:Chromium团队在132.0.6834.46(beta)和133.0.6878.0(canary)版本中暂时恢复了旧有行为,确保用户能够继续使用数学内容访问功能。
用户应对措施
对于不同用户群体,建议采取以下措施:
-
普通用户:可以等待Chrome 132稳定版在2024年1月中旬自动更新,或从1月8日起手动检查更新。
-
急需使用的用户:可以切换到Firefox浏览器,该浏览器不受此问题影响。
-
开发者:可以关注NVDA的后续更新,其中将包含对COMError的完善处理。
技术启示
这一事件展示了开源协作在解决无障碍访问问题中的重要性。同时也提醒我们:
- 屏幕阅读器开发需要考虑各种边界情况和错误处理
- 浏览器内核变更可能对辅助技术产生深远影响
- 及时的问题报告和跨团队协作能有效缩短问题解决周期
未来,随着W3C数学ML标准的普及和浏览器支持的完善,数学内容的无障碍访问将变得更加可靠和标准化。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust024
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00