手语人工智能首次进入消费级：谷歌DeepMind推出手语转文本模型

数码芝华士

IT之家 8 月 13 日消息，谷歌旗下人工智能实验室当地时间 12 日宣布推出一款大规模多语言手语转文本 (SL2T) 翻译模型。

得益于这一模型，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，新的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。因此手语翻译需要真正的机器翻译，而非按顺序将手语转换为文字。而能满足 SL2T 任务的模型必须能“看懂”手语使用者的身体多部位同步运动，这需要强大的计算机视觉处理能力。

Google DeepMind 的 SL2T 模型在超过 50 种手语的 10 万小时数据上进行训练。其将手语转化为一系列姿势特征点的位置信息以保护用户隐私安全，无需将原始视频流发送到服务器端。同时其放弃了以往广泛使用的“中间注释”，直接解读空间信息。