谷歌DeepMind手语转文本模型落地，首次进入消费级产品

谷歌旗下人工智能实验室 DeepMind 于当地时间 8 月 12 日宣布推出大规模多语言手语转文本（SL2T）翻译模型。该模型让手语人工智能第一次进入消费级产品：谷歌 Pixel 11 系列智能手机上的 Gboard 和 Live Transcribe 应用现已支持手语转文本输入，初期仅限美国手语，后续将扩展至更多手语及设备。

全球约 7000 万听力障碍人士使用 200 余种手语，这一功能为他们提供了类似语音输入的灵活“打字替代”体验。测试显示，使用美国手语比英语打字更快、更自然、更愉悦。

DeepMind 指出，手语是独立的自然语言，拥有独特语法和词汇，因此翻译需真正的机器翻译，而非简单逐词转换。SL2T 模型需“看懂”手语使用者身体多部位的同步运动，这依赖强大的计算机视觉能力。

该模型在超过 50 种手语的 10 万小时数据上训练，将手语转化为姿势特征点位置信息以保护隐私，无需发送原始视频流至服务器，同时放弃了传统“中间注释”，直接解读空间信息。此前有爆料称 Gboard 将支持手语转文字，现已得到证实。