Google DeepMind 发布 SL2T 手语转文本模型，首发落地 Pixel 11 的 Gboard 与 Live Transcribe

深读指南

适合谁读：关注无障碍 AI、手语机器翻译与端侧多模态落地的技术读者，以及评估 Google DeepMind SL2T 产品化进展的研究与产品人员。

• 手语翻译不是语音转写式的同语言顺序映射，而是需要真正的机器翻译，因为手语有独立语法与词汇。

  sign languages are independent, natural languages with their own distinct grammars and lexicons

• 模型以姿态关键点坐标而非原始视频作为输入，既服务隐私保护，也绕开 gloss 中间标注。

  SL2T sees sign language as a sequence of pose landmark locations rather than a raw camera feed

• 除学术基准外，团队还针对流式延迟、非手语输入幻觉、左利手公平性和单手手语等实际可用性问题做优化。

  minimizing streaming latency, preventing hallucination on non-signing inputs, ensuring fairness for the 10% of signers who are left-handed

局限与前提：资料为 Google DeepMind 官方发布博客，70 BLEURT 等指标由发布方自述，缺少独立复现与第三方评测；仅首发 ASL 到英语、Pixel 11 的 Gboard 与 Live Transcribe，其他设备与语言尚未落地；文中承认稀有手语、快速指拼、被动结构、分类词描述和无语境时态仍会出错；未给出延迟、能耗、离线能力、错误率等具体工程指标，也未说明数据采集与用户研究的细节。