Claudeでaltテキストを画像から一括生成する手順 — 文脈を渡して検証まで

id,image_path,page_heading,surrounding_text,link_text,existing_alt
p012-03,images/p012/staff.jpg,スタッフ紹介,"当店の店長は…",,
p012-04,images/p012/line.png,お問い合わせ,"最新情報はLINEで配信します",LINEで友だち追加,
p013-01,images/p013/divider.png,料金,"",,

import base64, csv, json, mimetypes, sys
from pathlib import Path
import anthropic
 
MODEL = "claude-opus-5-5"
client = anthropic.Anthropic()
 
INSTRUCTION = """\
あなたはWebアクセシビリティの担当者です。上の画像が、下の文脈で
どんな役割を持つかを判定し、alt属性の案をJSONだけで返してください。
 
kind は次の5つから1つ選びます。
- decorative: 装飾。近くの本文と内容が重複する場合も含む。alt は ""
- informative: 本文にない情報を足す写真や図。alt は短い一文
- functional: リンクやボタンの中の画像。alt はリンク先や操作
- text: 画像内の文字が他のどこにも無い。alt は画像内の文字
- complex: グラフや表など。alt は何の図かだけ。詳細は本文側で補う
 
返すJSON: {"kind":"...","alt":"...","text_in_image":"...","reason":"..."}
text_in_image は画像内の文字をそのまま書く。無ければ ""。
読み取れない文字は推測で埋めず "[判読不可]" と書く。
人物の名前は画像から推測しない。"""
 
SUPPORTED = {"image/jpeg", "image/png", "image/gif", "image/webp"}
 
def image_block(path: Path) -> dict:
    media = mimetypes.guess_type(path.name)[0]
    if media not in SUPPORTED:
        raise ValueError(f"対応外の形式: {path.suffix}")
    data = base64.standard_b64encode(path.read_bytes()).decode()
    return {"type": "image",
            "source": {"type": "base64", "media_type": media, "data": data}}
 
def ask(row: dict, root: Path) -> dict:
    context = (f"節の見出し: {row['page_heading']}\n"
               f"前後の本文: {row['surrounding_text']}\n"
               f"リンク/ボタンのラベル: {row['link_text']}")
    try:
        block = image_block(root / row["image_path"])
    except ValueError as e:
        return {"kind": "SKIP_FORMAT", "alt": "", "text_in_image": "",
                "reason": str(e)}
    msg = client.messages.create(
        model=MODEL, max_tokens=512,
        messages=[{"role": "user", "content": [
            block,
            {"type": "text", "text": context + "\n\n" + INSTRUCTION},
        ]}],
    )
    text = msg.content[0].text
    try:
        return json.loads(text)
    except json.JSONDecodeError:
        return {"kind": "PARSE_ERROR", "alt": "", "text_in_image": "",
                "reason": text[:200]}
 
if __name__ == "__main__":
    src, root, dst = sys.argv[1], Path(sys.argv[2]), sys.argv[3]
    rows = list(csv.DictReader(open(src, encoding="utf-8")))
    fields = list(rows[0]) + ["kind", "alt", "text_in_image", "reason"]
    with open(dst, "w", encoding="utf-8", newline="") as f:
        w = csv.DictWriter(f, fields)
        w.writeheader()
        for r in rows:
            w.writerow({**r, **ask(r, root)})

id,kind,alt,text_in_image,reason
p012-03,informative,店の前で笑顔で立つ店長,,本文は店長を紹介しており顔写真が役割を果たす
p012-04,functional,LINEで友だち追加,LINEで友だち追加,リンク内の画像でラベルが操作を示す
p013-01,decorative,,,区切り線で本文に情報なし

import csv, sys
 
BAD_START = ("画像", "写真", "イメージ")
MAX_LEN = 80  # このスクリプトで仮に置いた閾値。サイトの方針に合わせて変える
 
def check(r: dict) -> list[str]:
    kind, alt = r["kind"], r["alt"].strip()
    text, near = r["text_in_image"].strip(), r["surrounding_text"]
    issues = []
    if kind == "PARSE_ERROR":
        return ["JSONとして読めない"]
    if kind == "SKIP_FORMAT":
        return ["対応外の画像形式(変換するか人が書く)"]
    if kind == "decorative" and alt:
        issues.append("装飾なのにaltが入っている")
    if kind != "decorative" and not alt:
        issues.append(f"{kind}なのにaltが空")
    if alt.startswith(BAD_START):
        issues.append("altが「画像」「写真」で始まる")
    if len(alt) > MAX_LEN:
        issues.append(f"altが{MAX_LEN}字超")
    if alt.lower().endswith((".jpg", ".png", ".webp", ".gif")):
        issues.append("altがファイル名のまま")
    if kind == "text" and text and text not in alt:
        issues.append("画像内の文字がaltに入っていない")
    if text and text != "[判読不可]" and text in near and kind != "decorative":
        issues.append("画像内の文字が本文にもある(空altの候補)")
    if "[判読不可]" in text:
        issues.append("判読不可の文字がある(目視で確認)")
    if alt and alt in near:
        issues.append("altが前後の本文の重複")
    return issues
 
for r in csv.DictReader(open(sys.argv[1], encoding="utf-8")):
    for msg in check(r):
        print(f"{r['id']}\t{msg}")