DeepMind发布SL2T，手语AI首次进入消费级手机

谷歌 DeepMind 发布 SL2T：手语 AI 首次进入消费级手机

谷歌旗下 DeepMind 近日发布全新多语言手语转文本模型 SL2T，并将其搭载至 Pixel 11 手机系统，首次推动手语 AI 进入普通消费电子产品。该模型率先接入 Gboard 键盘和 Live Transcribe，用户通过前置摄像头完成手语动作，即可进行消息编辑、网页检索及与 Gemini 对话，替代传统键盘输入。

技术亮点

SL2T 基于超过 50 种手语、累计 10 万小时 手语素材训练，其中约四分之一来自美国手语数据集。跨语种联合训练帮助模型学习不同手语之间的共通动作逻辑，并在 FLEURS-ASL 评测中刷新手语转写模型纪录。

与依赖固定词汇标签的传统方案不同，SL2T 可直接解析人体动作生成文本，同时处理面部表情、肢体空间位置和唇部动作等非手部语义信息。

隐私设计

隐私方面，手机端 MediaPipe Holistic 实时追踪手部、面部和躯干共 130 处关键点，仅向外传输动作坐标，原始视频会即时删除，不上传云端。

落地与扩展

目前该功能仅支持美国手语转英文，谷歌计划后续扩展更多手语及安卓机型。DeepMind 此前于 2025 年 5 月开源手语互译模型 SignGemma，为 SL2T 落地提供算法基础。此外，其 WaveNet、Euphonia 及 Live Transcribe 等无障碍技术也积累了语音、视觉多模态经验。

随着谷歌、科大讯飞、华为和苹果持续布局，AI 无障碍交互正从科研验证加速走向消费级产品。