跳到正文

精选深读Google DeepMind22:01

将手语AI交到用户手中

Putting sign language AI into users’ hands

手语转文字模型落地,聋人用户受益,但实用场景仍依赖数据覆盖。

判断

Pixel 11 上的聋人用户可以不打字、直接打手语搜索和发消息;但 Gboard 团队下一批语言排期,取决于 ASL 之外的手语有没有可训练数据,而不是模型本身好不好。

依据

Google DeepMind 手语团队 8月12日发布 SL2T(sign-language-to-text,手语转文字)模型,称这是同类模型第一次进入消费产品:Pixel 11 上的 Gboard 和 Live Transcribe 先行支持 ASL(美国手语)转英文。机制和听人用语音听写代替打字一样,只是输入换成手语——搜网页、起草消息、让 Gemini 执行任务都能用,Live Transcribe 里则可以直接打手语回话。材料给出的盘子是:全球有 200 多种手语、估计 70 million 聋人与听障使用者,首发只覆盖 ASL。这决定了排期表上的下一步不是再调模型,而是为下一种手语凑齐标注数据,付费方是 Google 的产品团队。

  • 全球手语种类more than 200
  • 聋人与听障使用者70 million
首发只覆盖 ASL,背后是 200 多种手语和 70 million 使用者的规模。

没写清 材料没给 ASL 之外的识别准确率,也没说手语被认错时用户如何修改,测试者反馈只覆盖 ASL 打字场景。

下一步 等 Gboard 与 Live Transcribe 的 ASL 转文字在 Pixel 11 推送后,看 DeepMind 是否公布下一批支持的手语和设备名单。

本期其他新闻

  1. 行业动态

    引用 Florian Herrengt

    Simon Willison

  2. 行业动态

    我写了一本AI教科书——还要多久AI能写得更好?

    Interconnects

  3. AI工具

    推出 OlmoEarth embeddings:从 OlmoEarth Studio 导出定制嵌入以供下游分析

    Hugging Face

  4. 精选深读

    DeepSeek V4 Pro 0813(在 OpenRouter 上)

    Simon Willison

  5. 精选深读

    LFM2.5-VL-3B:为边缘端提供更好、更快的视觉能力

    Hugging Face