Google DeepMind wprowadza AI do tłumaczenia języka migowego na tekst

👁 189 przeczytań

Google DeepMind opublikował 12 sierpnia 2026 roku model SL2T (sign-language-to-text) - wielojęzykowy system tłumaczenia języka migowego na tekst, który po raz pierwszy w historii firmy trafia bezpośrednio do produktów konsumenckich.

Model zasila dwie funkcje na Pixelu 11: dyktowanie migiem w klawiaturze Gboard oraz odpowiadanie w rozmowach przez Live Transcribe. Na start obsługiwany jest amerykański język migowy (ASL) z przekładem na angielski. Google zapowiedział kolejne urządzenia i języki w niedalekiej przyszłości.

Działanie jest analogiczne do dyktowania głosowego - zamiast pisać, użytkownik miga do kamery telefonu. Można tak wyszukiwać w sieci, pisać wiadomości, tworzyć dokumenty i zadawać pytania asystentowi Gemini. Testerzy ocenili, że miganie w ASL jest szybsze, bardziej naturalne i przyjemniejsze niż pisanie po angielsku.

Według DeepMind, budowanie AI dla języków migowych jest znacznie trudniejsze niż transkrypcja mowy. Języki migowe to niezależne języki naturalne z własną gramatyką i leksykonem - wymagają prawdziwego tłumaczenia maszynowego, a nie sekwencyjnego mapowania gestów na słowa. Do tego model musi jednocześnie śledzić ruchy dłoni, ramion, tułowia, głowy i twarzy przy wysokiej liczbie klatek - co jest obliczeniowo bardzo wymagającym zadaniem z zakresu computer vision. Szacowane 70 milionów głuchych i niedosłyszących osób na świecie korzysta z ponad 200 różnych języków migowych, a dotychczasowy postęp w tej dziedzinie był wyraźnie wolniejszy niż w przetwarzaniu mowy.

To jeden z tych przypadków, gdy AI faktycznie wyrównuje dostęp - a nie jedynie przyspiesza to, co sprawni użytkownicy i tak robili szybko.

// czytaj dalejGoogle DeepMind i A24 ogłaszają partnerstwo badawcze - pierwsze tego rodzajuNewsyAmazon kasuje film o Altmanie, a A24 bierze 75 mln dol. od Google DeepMindNewsyGoogle DeepMind inwestuje 75 mln dolarów w studio filmowe A24Newsy