Google DeepMind apresenta SL2T, um modelo de tradução de língua de sinais que alimenta a conversão de sinais em texto no Pixel 11

O Google DeepMind apresentou o SL2T, um modelo de tradução de língua de sinais para texto massivamente multilíngue, que impulsiona novos recursos de língua de sinais para usuários surdos e com deficiência auditiva. É a primeira integração em produto de consumo, com ditado de sinais para texto no Gboard e no Live Transcribe no Pixel 11, começando com a Língua de Sinais Americana (ASL) para o inglês. O modelo é treinado com mais de 100.000 horas de dados em mais de 50 línguas de sinais, com cerca de um quarto em ASL. O SL2T traduz diretamente de sequências de marcos de pose para texto, contornando glosas, e usa rastreamento no dispositivo (MediaPipe Holistic) para privacidade. De acordo com benchmarks como o FLEURS-ASL, o SL2T alcança uma pontuação de 70 BLEURT em zero-shot. O desenvolvimento foi conduzido pela comunidade, com o Comitê Consultivo de IA para Língua de Sinais (AISLAC) orientando a implantação responsável. Os planos futuros incluem expandir para outras línguas de sinais e geração de língua de sinais.