Google旗下的AI研究机构DeepMind于8月12日正式发布了一款名为“SL2T”的手语翻译AI模型。该模型将被集成至Gboard输入法和Live Transcribe实时转录应用中，率先支持美国手语（ASL）到英语文本的转换。搭载该功能的Pixel 11智能手机用户无需支付额外费用即可使用。

SL2T的背后是庞大的数据训练基础——涵盖50余种手语、总计超过10万小时的视频数据，其中ASL数据约占四分之一。研究团队通过联合训练多种手语、方言及不同熟练程度的数据，在实验中取得了优于单一语言模型的翻译性能。

不同于简单将手语词汇按顺序替换，SL2T采用真正的机器翻译方式，将手语整体转换为符合目标语言语法和语义的文本，因为手语作为一种自然语言，拥有与英语等口语截然不同的文法结构和词汇体系。

在隐私保护方面，SL2T不会直接处理或上传摄像头拍摄的原始影像，而是利用设备端的“MediaPipe Holistic”技术追踪用户身体的几何特征点，仅将身体各部位的坐标数据发送至服务器，原始视频帧在捕捉完成后立即被销毁。

在FLEURS-ASL基准测试中，该模型在ASL到英语的零样本翻译任务上取得了70 BLEURT的评分。不过，目前模型在处理罕见手语表达和高速指拼时仍存在识别误差。DeepMind表示，已针对实际应用场景优化了流式传输延迟，并改进了对单手手语和左撇子使用者的适配。

为确保技术符合社群需求，DeepMind高度重视与听障人士群体的协作，邀请聋人当事者和领域专家参与数据采集、评估及影响分析，并成立了由多个聋人组织和专家构成的AI手语咨询委员会，将社群反馈纳入开发优先级。SL2T将率先登陆Pixel 11，未来该公司计划进一步扩展支持的手语种类，并探索手语生成等反向翻译功能。（新闻来源：moguravr、VRAR星球编译）

商务合作：13146398132

媒体合作：13341147250

爆料投稿：editor@vrarworld.cn

版权声明：本文为VRAR星球原创，任何单位及个人未经授权不得转载，否则将依法追究侵权责任。

如需转载请联系13341147250 / editor@vrarworld.cn 申请授权，转载时请注明来源并保留VRAR星球原文链接。

本文部分图片及视频来源于互联网，如涉及侵权请联系我们删除。