谷歌DeepMind推出多语言手语转文本模型，助听障人士畅享灵活“打字替代”体验

谷歌旗下人工智能实验室近日宣布，正式推出一款具备大规模多语言处理能力的手语转文本（SL2T）翻译模型。这项技术突破首次将手语识别功能引入消费级产品，谷歌Pixel 11系列智能手机的Gboard键盘和Live Transcribe应用已率先支持美国手语转文本输入，未来计划扩展至更多语种和设备平台。

据技术团队介绍，全球现有约7000万听力障碍者使用超过200种手语进行日常交流。传统输入方式难以满足这部分人群的沟通需求，而新功能通过实时转换手语动作，为用户提供了堪比语音输入的便捷体验。初步测试表明，使用美国手语进行文本输入的效率显著高于传统英文键盘输入，且操作过程更符合自然表达习惯。

研发团队特别强调，手语作为独立的自然语言体系，具有独特的语法结构和词汇系统。这要求翻译模型必须具备真正的机器翻译能力，而非简单地将动作序列对应为文字符号。为实现精准识别，系统需要同步解析使用者手部、面部及躯干的复合运动轨迹，这对计算机视觉处理技术提出了极高要求。

该模型通过分析超过10万小时的多语种手语视频数据进行训练，覆盖50余种手语体系。在隐私保护方面，系统采用创新方案：将原始视频流转化为由数百个关键身体节点构成的运动轨迹数据，既确保翻译精度又避免原始影像上传。这种处理方式还突破了传统模型依赖"中间注释"的局限，直接解析空间运动信息进行语义转换。

此前有科技媒体曾披露谷歌正在开发手语输入功能，此次官方公告证实了相关传闻。随着消费级设备首次集成专业手语翻译技术，听力障碍群体的数字沟通方式将迎来重要变革，这项突破也为跨语言交流技术开辟了新的发展方向。