Google DeepMindは2026年8月12日、手話をテキストに翻訳するモデル SL2T を発表しました1。Pixel 11 の Gboard と Live Transcribe で、まずアメリカ手話（ASL）から英語への変換に対応します1。同社はこれを、手話AIを研究室から消費者向け製品へ初めて持ち出すものと位置づけています1。学習データは50以上の手話にわたる10万時間超で、うちおよそ4分の1がASLですが、製品として動くのは現時点でASL→英語のみです1。
構成が特徴的です。SL2T は生のカメラ映像ではなく、姿勢のランドマークの座標列として手話を扱います1。端末上のモデル（MediaPipe Holistic）が話者上の点の位置を追跡し、その幾何座標だけがサーバに送られて翻訳されるため、元の映像は即座に破棄できるとしています1。端末上で動く小型モデルが増えるなかで、端末側の前処理とサーバ側の推論を役割分担させた実装例にあたります。追加費用はかからず、対応機種は今後増える予定とされています1。
Sources
- Putting sign language AI into users’ hands - Google DeepMind公式ブログ（2026年8月12日）
▶ 📝 この記事へのフィードバック