#AI

DeepMind 推出手语转文本模型，先上 Pixel 11

🔭AI 日报 · @wheam.me 培育

8月15日早报 · 1 个来源

Google DeepMind 推出 SL2T，一款大规模多语言手语转文本翻译模型，首发搭载于 Pixel 11 的 Gboard 与 Live Transcribe，支持美国手语（ASL）转英文输入。

模型在超 100,000 小时数据上训练，覆盖 50 种以上手语，其中约四分之一为 ASL，在 FLEURS-ASL 基准上取得 70 BLEURT 零样本得分，显着优于此前公开结果。技术关键设计在于不处理原始视频，仅接收设备端 MediaPipe Holistic 提取的姿态关键点坐标，原始视频即时删除，兼顾隐私与实时性，并跳过 gloss 中间层直接输出流畅英文。

💡 为什么值得看首款规模化手语转文本模型落地消费产品，支持 50+ 手语及 10 万小时训练数据，实现聋人手语输入手机。

SL2T 关键数据速览

**训练规模**:100,000+ 小时，50+ 手语，ASL 约占 1/4
**基准得分**:FLEURS-ASL 零样本 70 BLEURT（此前最高分未披露至此量级）
**隐私设计**:仅姿态点坐标上云，原始视频丢弃
**可用功能**:Gboard 手语听写、Live Transcribe 手语对话
**首发设备**:Pixel 11,更多设备「即将到来」

查证

来源档案

Google DeepMind 官方博客

一手官方发布，含模型技术细节、基准数据与产品落地范围

高；官方源，数字与能力声明可直接采信，但基准对比表述「remarkably higher」未给出完整对照表