Google DeepMind lança modelo de linguagem de sinais SL2T no Pixel 11
- O Google DeepMind lançou o SL2T, um modelo de tradução de linguagem de sinais para texto, disponível no Gboard e no Transcrição ao Vivo no Pixel 11.
- O modelo realiza tradução em vez de transcrição, pulando as glossas e utilizando o MediaPipe Holistic no dispositivo, de modo que apenas coordenadas geométricas saem do telefone.
- Atualmente, o SL2T suporta apenas ASL para inglês, com mais idiomas e modelos geradores de sinais previstos no roteiro.
O Google DeepMind lançou um modelo de linguagem de sinais para texto chamado SL2T, que estará dentro do Gboard e do Live Transcribe no novo Pixel 11.
O a empresa diz que é a primeira IA de linguagem de sinais a ser lançada em um produto de consumo real.
Assinando para o telefone em vez de digitar
As pessoas que podem ouvir e falar têm usado a ditado por voz para conversar com seus dispositivos há anos.
Agora, aqueles que não podem formar um discurso para utilizar o ditado por voz, mas usam linguagem de sinais, podem interagir com a internet, rascunhar uma mensagem ou editar um documento usando seu dispositivo Pixel 11, graças ao SL2T.
Os signatários também podem passar uma tarefa para o Gemini
No Live Transcribe, um usuário pode assinar uma resposta durante uma conversa face a face em vez de digitá-la.
Atualmente, o modelo lida apenas com American Sign Language (ASL) para inglês. O Google diz que o modelo será lançado para mais dispositivos no futuro, junto com mais idiomas.
Testadores do modelo relataram que assinar em ASL é mais rápido e mais natural do que digitar em inglês.
Por que a linguagem de sinais é mais difícil do que a fala para a IA?
O DeepMind vê as línguas de sinais como línguas naturais completas, não como "inglês nas mãos."
No entanto, seu desenvolvimento tem ficado para trás em comparação com a IA de linguagem falada, principalmente devido a dois desafios.
O primeiro é que as línguas de sinais têm sua própria gramática e vocabulário, então o sistema precisa traduzi-las em vez de transcrevê-las. Elas também transmitem significado através das mãos, braços, tronco, cabeça e rosto ao mesmo tempo, o que é um problema exigente de visão computacional para rastrear com precisão.
Houve esforços anteriores no desenvolvimento dessas soluções, mas a maioria falhou. Um deles, luvas de linguagem de sinais, falhou em parte porque lia apenas as formas das mãos e ignorava o resto do corpo. O SL2T foi construído para lidar tanto com a percepção visual quanto com a tradução.
Como o modelo lida com vídeo e privacidade
O SL2T não envia imagens brutas para a nuvem. Um componente de visão computacional no dispositivo chamado MediaPipe Holistic mapeia o rosto, mãos, braços e tronco do signatário em coordenadas geométricas, e apenas essas coordenadas viajam para os servidores do Google. O DeepMind diz que isso mantém o vídeo real no telefone e torna o pipeline mais rápido.
O modelo traduz essas sequências de pontos de referência diretamente em texto, pulando os rótulos intermediários conhecidos como glossas. De acordo com o DeepMind, as glossas limitam o vocabulário e perdem os marcadores não manuais e a gramática espacial dos quais o ASL depende.
O Google treinou o SL2T com mais de 100.000 horas de dados abrangendo mais de 50 línguas de sinais, com cerca de um quarto delas em ASL, e relatou uma pontuação de 70 BLEURT no benchmark FLEURS-ASL. O modelo também suporta assinatura com uma mão e canhota, inclui otimizações de latência e tem mecanismos destinados a impedir que ele alucine texto quando a câmera captura movimentos não relacionados à assinatura.
O que o Google está construindo em torno do lançamento?
O Google criou um Comitê Consultivo de IA de Linguagem de Sinais com organizações de surdos e especialistas em linguagem de sinais para orientar como a tecnologia será implantada, e o co-autorará um relatório sobre o que o modelo pode e ainda não pode fazer.
O próximo no roteiro é a adição de mais línguas de sinais e modelos que geram linguagem de sinais em vez de apenas lê-la.
O lançamento para o consumidor tem sido construído há um tempo. O Android Authority localizou uma opção de sinal para texto dentro de uma beta do Gboard em 17 de julho de 2026, após o DeepMind ter anteriormente anunciado um modelo de linguagem de sinais chamado SignGemma.
O lançamento também ocorre durante um período turbulento para o laboratório. No início de agosto de 2026, Demis Hassabis mudou de CEO do DeepMind para presidente, e Koray Kavukcuoglu assumiu as operações diárias, com o aplicativo Gemini agora passando de 950 milhões de usuários mensais.
As mentes mais inteligentes do setor de criptomoedas já leem nosso boletim informativo. Quer entrar? Junte-se a eles.
Perguntas Frequentes
O que é SL2T e o que ele faz?
O SL2T é o modelo de tradução de linguagem de sinais para texto do Google DeepMind, permitindo que usuários surdos ou com deficiência auditiva façam sinais no celular para pesquisar, escrever mensagens, editar documentos ou acionar o Gemini, com suporte para responder por meio de sinais no Transcrição ao Vivo.
Quais dispositivos e idiomas o SL2T suporta no lançamento?
Foi lançado no Pixel 11 dentro do Gboard e do Transcrição ao Vivo, traduzindo atualmente apenas a Língua de Sinais Americana para inglês, com mais dispositivos e idiomas planejados.
Como o SL2T protege a privacidade do usuário?
Um modelo local chamado MediaPipe Holistic converte os movimentos do sinalizador em coordenadas geométricas e envia apenas essas informações aos servidores do Google, mantendo o vídeo real no telefone.
Hannah Collymore
Hannah é escritora e editora com quase uma década de experiência em redação de blogs e cobertura de eventos no espaço cripto. Na Cryptopolitan, Hannah contribui para a página de notícias, relatando e analisando os últimos desenvolvimentos nos setores DeFi, RWA, regulação cripto, IA e tecnologias de fronteira. Ela se formou na Universidade Arcadia com graduação em Administração de Empresas.
