阅读器维护一份独立于视觉渲染的虚拟内容缓冲区
别名: 虚拟缓冲区 · off-screen model · 屏幕外模型
概念解释
屏幕阅读器并不对着像素朗读。它先从无障碍接口拷出一份自己的副本，再让虚拟光标在这份副本上走动、发声。这份副本叫虚拟内容缓冲区（virtual buffer，也叫 off-screen model）。眼睛看见的是排版引擎画出来的盒子；耳朵听见的是缓冲区里的节点串。两条管道从一开始就不是同一份数据。
常被说成「阅读器在读屏幕」。那是光学字符识别的退路，不是默认路径。默认路径上，没进无障碍树的东西对阅读器等于不存在，哪怕它在画布上清晰可见。
机制
浏览器或操作系统把界面暴露成无障碍树，阅读器再把树序列化进缓冲区。绘制走合成器：层、变换、裁剪、透明度。序列化走另一条：角色、名称、文本节点、包含关系。两条管道没有「把这个像素的颜色念出来」的桥。所以 display: none 和 aria-hidden 会让节点从缓冲区消失，而「移到视口外」或「透明度为零」往往还留着——视觉藏住了，副本没删。
第二层是快照，不是直播。光标走的是已经拷好的文档，不是每一帧的帧缓冲。阅读器因此能提供文档式的浏览（按元素走、按字走），代价是它看见的永远是「拷贝当时的树」，而不是「此刻屏幕上正在闪的那一下」。
怎么研究
对照三份东西，而不是听一遍就算过：无障碍检查器里的树、阅读器自带的缓冲区查看（NVDA 的元素列表、JAWS 的虚拟查看器）、遮住显示器后方向键走出来的语音。Windows 上用 NVDA+Firefox 或 JAWS+Chrome 看 Web；原生应用改看平台检查器，不要假定一定有网页那种缓冲区。
自变量：节点是否进入无障碍树（display:none / 视觉隐藏 / aria-hidden / 纯画布绘制）、平台（Windows 网页阅读器 / VoiceOver / TalkBack）。
因变量：语音是否出现该节点、缓冲区列表是否含该节点、检查器树与语音是否同构。
自动化能抓「有没有属性」；抓不到「阅读器到底拷了哪一版树」。
边界
经典虚拟缓冲区是 Windows 网页阅读器（JAWS、NVDA）的架构；VoiceOver、TalkBack 更接近直接消费无障碍 API，缓冲形态不同，不能把 Insert 键刷新那一套原样搬过去。原生桌面或移动控件常常没有「整页 HTML 缓冲区」，只有控件树。用户主动打开 OCR / 图像识别时，阅读器才真正读像素——那是缓冲区空了之后的补救，不能拿来证明默认路径在读屏幕。游戏、地图、WebGL 若只把画面交给 GPU，缓冲区里就是一片空白。
怎么落地
- 任何要被听见的控件，必须在无障碍树上有对应节点，不能只画在 Canvas 或纯 CSS 背景里。
- 视觉隐藏用「仍在树上、只是移出或裁掉」的手法；不要用
display: none或aria-hidden藏起还需要被读的内容。 - 装饰层反过来：确定不该进语音的，从树上拿掉，而不是只做成看不清。
- 验证：打开无障碍检查器对照语音；再用 NVDA 或 JAWS 打开缓冲区/元素列表，遮屏走一遍。检查器有、语音无，或画面有、两份列表都无，就是副本和绘制已经分家。