Google DeepMind publicou o SL2T em 12 de agosto — um modelo de tradução de língua de sinais que saiu do laboratório e foi embarcado dentro de um celular. Ele funciona no Gboard e no Live Transcribe no Pixel 11, permitindo que uma pessoa surda faça sinais para a câmera em vez de digitar.

O problema dos dados de treinamento

A IA para língua de sinais historicamente esbarrou no tamanho do corpus. O SL2T foi treinado com mais de 100.000 horas de vídeos de sinais abrangendo 50+ línguas de sinais, das quais cerca de 25% é American Sign Language. A DeepMind informa uma pontuação zero-shot de 70 BLEURT no FLEURS-ASL, que, segundo a empresa, é significativamente superior a qualquer resultado publicado anteriormente.

Como funciona o desenho de privacidade

A extração de pose acontece no dispositivo usando MediaPipe Holistic. O vídeo bruto é descartado; apenas marcos geométricos — posições das articulações, formato das mãos, pontos faciais — seguem adiante. Para um sistema apontado para uma câmera na casa de alguém, essa escolha arquitetônica importa mais do que qualquer declaração de política sobre ela.

O que realmente foi lançado

O lançamento é ASL para inglês no Pixel 11. Mais dispositivos e pares de idiomas são descritos como próximos, sem datas. Línguas de sinais não são dialetos das línguas faladas — elas têm sua própria gramática, e a ASL não é mutuamente inteligível com a British Sign Language —, então cada par se aproxima mais de um problema separado do que de uma configuração de tradução.

Onde o benchmark para

A cifra de 70 BLEURT é reportada pela empresa, sem avaliação independente. O FLEURS-ASL também é restrito em relação à sinalização real, que traz variação regional e marcadores não manuais — informação gramatical transmitida por sobrancelhas, boca e posição da cabeça, que um pipeline de landmarks pode captar de forma desigual.

Por que isso importa

A IA para acessibilidade produziu uma longa série de demonstrações impressionantes que nunca chegaram ao mercado. Colocar o modelo em um teclado padrão de um celular vendido no varejo é o passo mais difícil, e a questão deixa de ser se a pesquisa funciona para passar a ser se usuários surdos a consideram utilizável na velocidade de uma conversa comum.