手语AI首进消费级

谷歌旗下人工智能实验室DeepMind于当地时间12日宣布推出一款大规模多语言手语转文本（SL2T）翻译模型。该模型使手语人工智能首次进入消费级产品：谷歌Pixel 11系列智能手机上的Gboard和Live Transcribe应用程序已支持手语转文本输入功能。初期仅限美国手语，后续将扩展至更多种手语和更多设备。全球约7000万听力障碍人士使用200余种手语，这一新功能使他们能享受到类似语音输入的灵活“打字替代”体验。测试显示，使用美国手语比用英语打字更快、更自然、更令人愉悦。DeepMind表示，手语是一种独立的自然语言，拥有自身独特的语法和词汇，因此传统基于文本的翻译模型无法直接应用。该模型采用大规模多模态学习，融合了手语视频、骨骼关键点序列以及文本语料，通过自监督预训练和微调实现高精度翻译。模型在包含多种手语变体的数据集上训练，并针对移动端推理进行了轻量化优化，功耗降低至可实时运行的水平。谷歌表示，该功能将在未来几个月内通过OTA更新推送到Pixel 11系列设备，并计划后续适配更多Android手机。此外，谷歌还开源了部分训练框架和评估基准，以促进手语AI领域的研究。这一突破不仅提升了听障人士的数字化体验，也为AI在多模态人机交互领域开辟了新应用场景，预计将推动更多科技公司投入手语识别与翻译技术的研发。