Google DeepMind가 12일 SL2T를 공개했다. 연구실을 벗어나 휴대전화 안으로 들어간 수어 번역 모델이다. 이 모델은 Pixel 11의 Gboard와 Live Transcribe에서 작동하며, 청각장애 이용자가 타이핑 대신 카메라 앞에서 수어로 입력할 수 있게 한다.

학습 데이터의 문제

수어 AI는 역사적으로 코퍼스 규모에서 막혀 왔다. SL2T는 50개 이상의 수어에 걸친 10만 시간 이상의 수어 영상으로 학습됐으며, 그중 약 25%는 American Sign Language다. DeepMind는 FLEURS-ASL에서 70 BLEURT의 제로샷 점수를 기록했다고 밝혔고, 이는 이전에 발표된 어떤 결과보다도 유의미하게 높다고 설명했다.

프라이버시 설계는 어떻게 작동하나

포즈 추출은 기기 내에서 MediaPipe Holistic를 사용해 이뤄진다. 원본 영상은 폐기되고, 관절 위치와 손 모양, 얼굴 점 등 기하학적 랜드마크만 다음 단계로 전달된다. 누군가의 집 안 카메라를 향한 시스템이라면, 이러한 아키텍처 선택은 그 어떤 정책 설명보다도 더 중요하다.

실제로 출시된 것은 무엇인가

출시는 Pixel 11에서 ASL을 영어로 번역하는 기능이다. 더 많은 기기와 언어쌍도 추후 제공될 예정이라고만 밝혔을 뿐, 시점은 제시되지 않았다. 수어는 음성언어의 방언이 아니며, 독자적인 문법을 갖는다. ASL은 British Sign Language와 상호 이해가 되지 않기 때문에, 각 언어쌍은 번역 설정 하나라기보다 별개의 문제에 가깝다.

벤치마크의 한계

70 BLEURT 수치는 회사가 자체 보고한 것으로, 독립 검증은 없었다. 또한 FLEURS-ASL은 실제 수어 환경에 비해 범위가 좁다. 실제 수어는 지역별 변이와 비수동적 표지를 포함하며, 이는 눈썹·입·머리 위치를 통해 전달되는 문법 정보로, 랜드마크 파이프라인이 고르게 포착하지 못할 수 있다.

왜 이것이 중요한가

접근성 AI는 인상적인 시연을 수없이 내놓았지만, 실제 출시로 이어지지 못한 사례가 많았다. 소비자용 휴대전화의 기본 키보드에 모델을 넣는 것은 더 어려운 단계다. 이는 연구가 작동하는지의 문제가 아니라, 청각장애 이용자들이 일상 대화의 속도에서 실제로 쓸 수 있는지의 문제로 초점을 옮긴다.