Google DeepMind手语翻译模型进入Pixel 11消费场景

Alphabet旗下Google DeepMind于8月12日发布手语转文本模型SL2T，并将其接入Pixel 11的Gboard和Live Transcribe。首发功能支持把美国手语转换为英语文本。用户可以在网页搜索、消息、文档撰写和向Gemini提问等原本需要键盘输入的场景中使用手语；面对面对话时，Live Transcribe也可以生成文字回复。Google表示，这项功能不额外收费，后续计划增加设备和语言支持。

当前产品范围仍然有限。SL2T率先处理的是美国手语转英语，尚未覆盖全球200多种手语。罕见手势、快速指拼、被动语态、分类词表达，以及缺少上下文的时态，都可能引起漏译或错译。团队还针对流式延迟、非手语输入导致的错误生成、左利手使用者和单手手语进行了优化。

在处理流程上，Pixel手机先通过MediaPipe Holistic从摄像头画面中提取手、手臂、躯干、头部和面部等人体关键点。Google介绍，发送至服务器的是这些关键点的几何坐标，原始视频会被丢弃。SL2T随后直接把关键点序列转换成文本，没有采用先生成手语词汇标注、再组合句子的两段式流程。

这种处理方式对应了手语翻译的实际难点：手语并非逐个手势替换单词，不同手语拥有各自的语法和词汇，含义也由身体多个部位的动作共同表达。SL2T使用超过10万小时的数据训练，覆盖50多种手语，其中美国手语数据约占四分之一。Google希望借助不同语言、方言和熟练程度的数据，让模型学习其中可共享的结构。

在FLEURS-ASL的美国手语转英语测试中，Google公布的零样本BLEURT分数为70。产品开发过程中，公司成立了AI手语咨询委员会，并邀请聋人社群及相关组织参与影响评估。现阶段的落地重点仍是把美国手语输入带入Pixel手机；扩展语言、生成手语和接入更多AI能力属于后续方向。

手语翻译进入手机后的行业传导

SL2T进入Gboard和Live Transcribe后，模型调用从研究测试延伸到输入、搜索、消息和面对面对话，直接增加了多模态AI模型服务与无障碍应用软件的使用场景。对Google而言，Pixel首发有助于形成终端功能差异，已有应用入口也降低了新功能触达用户的门槛。另一方面，多语言训练数据、社群参与、隐私处理和持续纠错会增加研发及运营投入。由于首发仅覆盖美国手语转英语，且功能不单独收费，短期影响主要体现在Pixel和Google应用的功能完善，而不是新增独立收入。

公允价值及分析师目标价为截至文章发表时的网上公开数据，数据可能随发布方更新而变化，且因不同口径可能得出不同结果，仅供参考，不等于公司客观价值。

新闻热点内容来源于媒体公开报道。文章分析仅代表个人观点，不构成投资建议。