口述影像是一种通过口头描述将视觉信息转化为语言服务的文化术语，旨在帮助视障人士理解影像内容。其核心是将视觉信息（如电影画面或艺术品细节）转化为口语描述，帮助视障人士构建心理图像。该术语在多模态口译教学中具有实践价值，能提升学习者信息处理与表达能力。

口述影像作为文化术语，起源于为视障群体提供影像语言服务的需求。其核心是将视觉信息（如电影画面或艺术品细节）转化为口语描述，帮助视障人士构建心理图像。国内相关实践可追溯至2003年的线上讲电影尝试，并在2011年后逐渐形成制度化服务。

国内学术界自2011年起开始对口述影像进行系统研究，但早期成果在深度与广度上存在局限。2025年研究表明，口述影像与口译在多模态信息处理上有共通性，其训练能有效促进口译学习者的信息整合能力。高校课程（如上外《影视翻译》）将口述影像撰稿技巧纳入教学目标，通过双语实践培养相关人才。

截至2023年，中国盲文图书馆、“心目影院”和“光明影院”等项目持续扩展服务范围。这些机构通过志愿者团队与线上平台，累计服务超5万人次，推动口述影像向行业化、规范化发展。“苔花公约”等倡议进一步呼吁公共场景的无障碍化，助力残健共融。